Inteligența artificială oferă o urmărire îmbunătățită a proprietăților offshore în Regatul Unit

Noi cercetări efectuate de două universități din Regatul Unit urmăresc să arunce o lumină mai puternică asupra potențialei stări a spălării de bani bazate pe proprietăți în Regatul Unit, în special pe piața imobiliară londoneză de mare valoare.

Conform rezultatelor proiectului, numărul total de proprietăți “neconvenționale” din țară (adică proprietăți care nu sunt folosite pe termen lung ca locuințe de către proprietari sau chiriași) se ridică la aproximativ 138.000 doar în Londra.

Acest număr este cu 44% mai mare decât cifrele oficiale, care sunt furnizate și actualizate periodic de guvernul Regatului Unit.

Cercetătorii au utilizat diverse tehnici de procesare a limbajului natural (NLP), împreună cu date suplimentare și cercetări coroborante, pentru a extinde informațiile oficiale limitate pe care guvernul Regatului Unit le pune la dispoziție despre procentul, valoarea, locația și tipurile de proprietăți deținute de companii offshore în Regatul Unit, cele mai profitabile fiind în capitală.

Cercetarea a constatat că valoarea totală a proprietăților offshore, cu utilizare redusă și de tip Airbnb (adică “ocupație ocazională”) din Regatul Unit este cuprinsă între 145-174 miliarde de lire sterline, distribuite pe aproximativ 144.000-164.000 de proprietăți.

De asemenea, s-a constatat că proprietățile offshore de acest tip sunt, în general, mai scumpe și prezintă modele specifice în ceea ce privește locația în Regatul Unit.

Cercetătorii estimează că proprietățile offshore deținute de companii reprezintă 7,5% din valoarea totală a proprietăților, iar 56 de miliarde de lire sterline din valoarea estimată sunt limitate la doar 42.000 de locuințe.

Articolul afirmă:

‘Proprietățile individuale offshore sunt foarte scumpe, chiar și în comparație cu standardele UDP, și sunt concentrate în centrul Londrei, cu o puternică corelație spațială.’

‘În contrast, proprietățile offshore încorporate sunt mai puțin concentrate în centrul Londrei, dar mai concentrate în general, și nu prezintă aproape nicio corelație spațială.’

Analiza datelor augmentate arată că un număr mare de proprietăți offshore aparțin entităților din Dependențele Coroanei (CD), iar al doilea număr ca mărime este reprezentat de Teritoriile Britanice de Peste Mări (în graficul de mai jos, “PWW2” semnifică țări care au obținut independența de la Marea Britanie după al Doilea Război Mondial).

Dispoziția proprietăților străine, conform rezultatelor din articolul nou. Sursă: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf

Articolul observă:

‘De fapt, doar 4 teritorii, Insulele Virgine Britanice, Jersey, Guernsey și Insula Man, sunt asociate cu 78% din toate proprietățile.’

Noile date îmbunătățite au făcut posibilă determinarea sub-proprietăților care există în cadrul unei proprietăți offshore cunoscute – o capacitate de obicei împiedicată de datele oficiale plate și limitate.

Rezultatele indică, de asemenea, că proprietățile offshore, Airbnb și cele cu utilizare redusă sunt semnificativ mai concentrate geografic decât locuințele normale și sunt concentrate în zone de mai mare valoare.

Hărți de concentrație pentru diverse tipuri de proprietăți străine în Londra. Sursă: https://arxiv.org/pdf/2207.10931.pdf

Despre graficul de mai sus, autorii menționează:

‘Proprietățile domestice offshore au concentrații foarte ridicate, astfel încât o întreagă dezvoltare imobiliară poate fi deținută de o companie offshore.’

Autorii au lansat codul pentru pipeline-ul lor de procesare.

Noul articol se intitulează Ce se află în spălătorie? Hartografierea și caracterizarea proprietăților domestice deținute de offshore în Londra și provine de la cercetători de la Facultatea de Mediu Construit a Universității Colegiului din Londra și de la Departamentul de Economie al Universității Kingston.

Abordarea problemei

Autorii menționează că, după decenii de eforturi pentru a controla utilizarea imobiliară în scopul spălării de bani în Regatul Unit, a fost nevoie de lansarea unei liste confidențiale de proprietăți offshore deținute în Regatul Unit de către publicația britanică Private Eye în 2015, pentru a determina guvernul Regatului Unit să publice o listă actualizată regulat a proprietăților deținute de offshore în majoritatea Regatului Unit, cunoscută sub numele de Companii offshore care dețin proprietăți în Anglia și Țara Galilor (OCOD).

Cercetătorii observă că, deși OCOD reprezintă un pas înainte în cercetarea și analiza proprietăților offshore și a potențialei spălări de bani în Regatul Unit, datele au o serie de limitări, unele dintre ele fiind cruciale:

‘Aceste adrese pot fi incomplete, pot conține proprietăți încorporate, unde multiple proprietăți există într-un singur rând sau număr de titlu, și nu conțin nicio informație despre faptul că proprietatea este domestică, comercială sau altceva.’

‘Aceste date de calitate slabă fac dificilă înțelegerea distribuției și caracteristicilor proprietăților offshore deținute în Regatul Unit.’

Este particular de dificil să se obțină date despre proprietăți închiriate ocazional, cum ar fi cele de tip Airbnb, deoarece datele publice disponibile sunt limitate sau inexistente. De asemenea, Scoția (o parte a Regatului Unit) nu face publică propria sa înregistrare a vânzărilor de proprietăți, spre deosebire de Anglia și Țara Galilor.

Pentru a contracara unele dintre incoerențele din jurul clasificării proprietăților, guvernul Regatului Unit a introdus sistemul de Referință Unică a Proprietății (UPRN), destinat să permită relații mai clare între diverse surse de date despre proprietăți. Cu toate acestea, autorii menționează* ‘deși utilizarea UPRN este obligatorie, aproape niciun departament guvernamental nu o utilizează, ceea ce face necesară o procesare avansată a datelor pentru a lega datele abilități‘.

Astfel, noua cercetare a urmărit să facă datele mai granulare și mai informative.

Colectarea și conectarea datelor

În cadrul oricărei țări, formatele de adresă sunt, de obicei, previzibile și consistente, aplicabile și adreselor din Regatul Unit. Astfel, în fața datelor “plate”, textuale (cum ar fi cele furnizate de OCOD), au apărut o serie de soluții de parsare a adreselor deschise pentru a face referințe la alte surse de date.

Cu toate acestea, multe dintre acestea sunt antrenate utilizând Open Street Map date, care pot produce adrese care pot găzdui de fapt zeci sau chiar sute de sub-adrese încorporate (cum ar fi apartamente într-un bloc de apartamente). În consecință, chiar și un parser de adrese lăudat, cum ar fi libpostal, a întâmpinat dificultăți atunci când a încercat să parseze adrese incomplete.

Pentru a crea parserul pentru proiectul lor, cercetătorii noii lucrări au utilizat o serie de seturi de date publice disponibile. Datele cheie au fost furnizate de OCOD, în timp ce componenta de curățare a datelor a utilizat setul de date Prețul plătit al Registrului de Înregistrare a Proprietăților, împreună cu listele de rating VOA și Directorul Poștal al Oficiului Național de Statistică (ONSPD).

Datele Airbnb au provenit de la InsideAirbnb, care include doar case întregi care sunt închiriate, excluzând astfel utilizarea inițială propusă pentru Airbnb (adică închirierea unei părți din propria casă pe o bază ocazională).

Datele despre proprietățile cu utilizare redusă au fost completate cu informații primite prin solicitări de informații în baza Legii privind libertatea de informație, majoritatea colectate pentru un proiect anterior.

Datele de bază ale OCOD sunt un fișier CSV delimitat de virgule, cu un nivel bun de structură și format previzibil.

Pipeline-ul a constat din cinci etape: etichetare, parsare, extindere, clasificare și contractare. La început, orice adresă individuală putea corespunde în realitate la multiple proprietăți încorporate, deși acest lucru nu este explicit în datele furnizate de guvern.

Cercetătorii au efectuat o preprocesare sintactică ușoară, apoi au importat datele în programmatic, o platformă destinată creării de seturi de date NLP annotate fără etichetare manuală. Aici, entitățile au fost etichetate utilizând expresii regulate (Regex) pentru a descrie opt tipuri de entități numite (a se vedea imaginea de mai jos):

Cu aceste etichete adăugate, setul de date a fost extras ca un fișier JSON, cu suprapuneri de etichetă eliminate prin rutine simple bazate pe reguli.

În plus, ieșirea programmatică a fost utilizată pentru a antrena un model predictiv pentru SpaCy, sprijinit de RoBERTa de la Facebook. Odată ce datele au fost curățate, cercetătorii au creat un set de comparație de 1000 de observații etichetate aleator pentru a evalua scorul de acuratețe al datelor ne-supervizate.

Parsarea adreselor a prezentat o serie de provocări. Autorii au atribuit fiecărui interval de caractere propria sa linie și fiecărei clase de etichetă propria sa coloană, și apoi au backpropagat coloanele pentru a genera rânduri de adrese complete.

Deoarece unele adrese individuale prezentau multiple locuințe distincte, a fost necesară extinderea bazei de date prin subdivizarea adreselor unice în sub-proprietăți prezente în baze de date complementare.

După aceea, etapa de clasificare a adreselor a făcut referință la toate codurile poștale localizate utilizând baza de date ONSPD. Acest proces conectează datele despre adrese la datele de recensământ și la alte date demografice și, de asemenea, individualizează sub-proprietățile care fuseseră anterior ascunse în spatele adreselor opace din datele OCOD.

În final, procesul de contractare a adreselor a filtrat toate proprietățile ne-domestice (adică sedii comerciale) din grupurile de proprietăți încorporate.

Analiză

Pentru a testa acuratețea datelor îmbunătățite, autorii, așa cum s-a menționat anterior, au creat un set de comparație de 1000 de observații etichetate aleator, care a fost reținut din rularea generală a analizei și a fost utilizat doar pentru a testa acuratețea predicțiilor și analizei.

Verificarea manuală pentru setul de comparație a inclus utilizarea de software de hartă, precum și analiza de imagini ale proprietăților prezentate în setul reținut și a căutărilor pe internet pentru a evalua tipul de proprietate. Ulterior, performanța datelor a fost măsurată împotriva scorurilor de precizie, rechemare și F1.

Valoarea proprietăților cu utilizare redusă și domestice a fost obținută cu un model grafic de bază, aceeași metodă utilizată și pentru a infera proprietățile UDP.

Sarcina de recunoaștere a entităților numite (NER) testată împotriva setului de comparație etichetat manual cu efort, a obținut un scor F1 de 0,96 (aproape de “100%”, în termeni de acuratețe).

Scoruri F1 pentru sarcina de etichetare NER. O anumită neregularitate este găsită, deoarece procesul supraestimează ușor numărul de proprietăți domestice și subestimează numărul total de afaceri, din cauza structurii datelor îmbunătățite.

În ceea ce privește UDP-urile din Londra, rezultatele finale arată un total de 138.000 de intrări – 44% mai mult decât cele 94.000 prezentate în setul de date OCOD original (adică cifre oficiale recente).

Descompunerea tipurilor de proprietăți sub clasificarea de tip 2.

Rezultatele indică faptul că valoarea totală a proprietăților offshore se ridică la aproximativ 56 de miliarde de lire sterline, în timp ce valoarea totală a proprietăților cu utilizare redusă este estimată la 85 de miliarde de lire sterline.

Autorii menționează:

‘[Toate] UDP-urile sunt mult mai scumpe decât prețul mediu al unei proprietăți convenționale de 600.000 de lire sterline.’

Acest tip de date îmbunătățite poate fi necesar pentru a combate utilizarea speculațiilor imobiliare ca activitate de spălare de bani în Regatul Unit. Autorii menționează literatura de cercetare și literatura generală în creștere care sugerează că datele îmbunătățite pot ajuta la combaterea speculațiilor imobiliare AML, și concluzionează:

‘Aceste date pot fi utilizate de sociologi, economiști și factori de decizie pentru a asigura că încercările de a reduce spălarea de bani și prețurile ridicate ale proprietăților se bazează pe date detaliate care reflectă situația reală.’

* Conversia mea a citării inline a autorilor în legături hipertext.

Publicat pentru prima dată pe 25 iulie 2022.