มุมมองของ Anderson
AI ช่วยติดตามการถือครองอสังหาริมทรัพย์ในสหราชอาณาจักรผ่านนิติบุคคลต่างประเทศได้ดีขึ้น

ประเด็นสำคัญการวิเคราะห์ด้วย AI เผยให้เห็นทรัพย์สินในลอนดอนที่ผิดปกติจำนวน 138,000 แห่ง…
ดูเพิ่มเติม
- การวิเคราะห์ด้วย AI เผยให้เห็นทรัพย์สินในลอนดอนที่ผิดปกติจำนวน 138,000 แห่ง มากกว่าตัวเลขทางการถึง 44%
- ทรัพย์สินนอกชายฝั่งมูลค่า 56,000 ล้านปอนด์กระจุกตัวอยู่ในใจกลางลอนดอน โดยมีความสัมพันธ์เชิงพื้นที่ที่แข็งแกร่ง
- สี่ดินแดนรวมถึงหมู่เกาะบริติชเวอร์จินคิดเป็น 78% ของทรัพย์สินทั้งหมดในสหราชอาณาจักรที่ถือครองโดยบริษัทนอกชายฝั่ง
การวิจัยใหม่จากมหาวิทยาลัยสองแห่งในสหราชอาณาจักรมีเป้าหมายที่จะให้แสงสว่างมากขึ้นเกี่ยวกับสภาพที่อาจเกิดขึ้นของการฟอกเงินโดยใช้ทรัพย์สินในสหราชอาณาจักร และโดยเฉพาะอย่างยิ่งในตลาดอสังหาริมทรัพย์ลอนดอนที่มีค่ามาก
ตามผลการวิจัย จำนวน ‘ที่อยู่อาศัยที่ไม่ปกติ’ (คือ ทรัพย์สินที่ไม่ได้ใช้เป็นที่อยู่อาศัยในระยะยาวโดยเจ้าของหรือผู้เช่า) มีจำนวนประมาณ 138,000 แห่งในลอนดอนเพียงแห่งเดียว
ตัวเลขนี้สูงกว่าตัวเลขอย่างเป็นทางการ 44% ซึ่งจัดทำและอัปเดตเป็นระยะโดยรัฐบาลสหราชอาณาจักร
นักวิจัยใช้เทคนิคการประมวลผลภาษาธรรมชาติ (NLP) ต่างๆ ร่วมกับข้อมูลเพิ่มเติมและงานวิจัยที่ช่วยยืนยันข้อมูลเพื่อขยายข้อมูลอย่างเป็นทางการที่มีจำกัดซึ่งรัฐบาลสหราชอาณาจักรจัดให้เกี่ยวกับเปอร์เซ็นต์ มูลค่า ที่ตั้ง และประเภทของทรัพย์สินที่เป็นของบริษัทที่จดทะเบียนในต่างประเทศในสหราชอาณาจักร ซึ่งมีมูลค่าสูงสุดในลอนดอน
การวิจัยพบว่าจำนวนรวมของอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศ ที่ใช้น้อย และที่มีลักษณะเช่น Airbnb (คือ ‘การอยู่อาศัยแบบไม่ถาวร’) ในสหราชอาณาจักรมีมูลค่าประมาณ 145-174 พันล้านปอนด์สเตอร์ลิงทั่วทั้งประมาณ 144,000-164,000 ทรัพย์สิน
การวิจัยยังพบว่าอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศของประเภทนี้มักจะมีราคาสูงกว่าและมีลักษณะเฉพาะในแง่ของที่ตั้งในสหราชอาณาจักร
นักวิจัยประมาณการว่าอสังหาริมทรัพย์เพื่อการอยู่อาศัยที่ไม่เป็นไปตามแบบทั่วไป (UDP) ซึ่งถือครองผ่านนิติบุคคลต่างประเทศ คิดเป็น 7.5% ของมูลค่าอสังหาริมทรัพย์เพื่อการอยู่อาศัยทั้งหมด และมูลค่าที่ประมาณการไว้ 56 พันล้านปอนด์กระจุกตัวอยู่ในที่อยู่อาศัยเพียง 42,000 แห่ง
เอกสารระบุว่า:
‘อสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศแต่ละแห่งมีราคาสูงมาก แม้แต่ตามมาตรฐานของ UDP และกระจุกตัวในใจกลางลอนดอนและมีสหสัมพันธ์อัตโนมัติเชิงพื้นที่สูง
‘ในทางตรงกันข้าม อสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศที่ซ้อนกันกระจุกตัวในใจกลางลอนดอนน้อยกว่าเล็กน้อย แต่โดยรวมกระจุกตัวมากกว่า และแทบไม่มีสหสัมพันธ์เชิงพื้นที่’
การวิเคราะห์ข้อมูลที่เพิ่มขึ้นแสดงให้เห็นว่าอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศจำนวนมากเป็นของหน่วยงานใน Crown Dependencies (CD) โดยมีจำนวนมากที่สุดเป็นอันดับสองคือ British Overseas Territories (ในแผนภูมิด้านล่าง ‘PWW2’ หมายถึงประเทศที่ได้รับอิสรภาพจากสหราชอาณาจักรหลังสงครามโลกครั้งที่สอง)

การกระจายตัวของอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศตามผลการวิจัยใหม่ แหล่งที่มา: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf
เอกสารระบุว่า:
‘ในความเป็นจริง มีเพียง 4 ดินแดนที่เกี่ยวข้องกับอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศ 78% ทั้งหมด ได้แก่ British Virgin Islands, Jersey, Guernsey และ Isle of Man’
ข้อมูลที่เพิ่มขึ้นใหม่นี้ทำให้สามารถกำหนดทรัพย์สินย่อยที่มีอยู่ภายในอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศที่ทราบได้ ซึ่งเป็นความสามารถที่ปกติจะถูกขัดขวางโดยข้อมูลที่แบนและจำกัดที่จัดให้โดยตัวเลขอย่างเป็นทางการ
ผลการวิจัยยังชี้ให้เห็นว่าอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศ ที่ใช้น้อย และที่มีลักษณะเช่น Airbnb กระจุกตัวทางภูมิศาสตร์มากกว่าบ้านทั่วไปอย่างชัดเจน และยังกระจุกตัวในพื้นที่ที่มีมูลค่าสูงกว่า

แผนที่ความร้อนเกี่ยวกับอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศประเภทต่างๆ ในลอนดอน แหล่งที่มา: https://arxiv.org/pdf/2207.10931.pdf
เกี่ยวกับแผนภูมิด้านบน ผู้เขียนระบุว่า:
‘อสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศกระจุกตัวสูงมากในบางพื้นที่ โดยที่ทั้งโครงการที่อยู่อาศัยมีเจ้าของเป็นบริษัทที่จดทะเบียนในต่างประเทศ’
ผู้เขียนได้เผยแพร่ โค้ด สำหรับกระบวนการประมวลผลของตน
เอกสารวิจัยใหม่ มีชื่อเรื่อง มีอะไรอยู่ในร้านซักผ้า? การทำแผนที่และอธิบายอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศในลอนดอน และมาจากนักวิจัยที่ The Bartlett Faculty of the Built Environment ที่ University College London และ Kingston University’s Department of Economics
การแก้ไขปัญหา
ผู้เขียนสังเกตว่าหลังจากที่พยายามควบคุมการใช้ทรัพย์สินเพื่อการฟอกเงินในระยะเวลานานในสหราชอาณาจักร มันใช้เวลาจนถึง การเผยแพร่ ของรายการอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศที่เป็นของสหราชอาณาจักรที่รั่วไหลโดยนิตยสาร Private Eye ในปี 2015 เพื่อกระตุ้นให้รัฐบาลสหราชอาณาจักรเผยแพร่รายการอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศที่อัปเดตเป็นระยะในหลายส่วนของสหราชอาณาจักร ซึ่งรู้จักกันในชื่อ บริษัทที่จดทะเบียนในต่างประเทศที่เป็นเจ้าของทรัพย์สินในอังกฤษและเวลส์ (OCOD)
นักวิจัยสังเกตว่าแม้ว่า OCOD จะเป็นขั้นตอนที่ดีในการวิจัยและวิเคราะห์ความเป็นเจ้าของอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศและความเป็นไปได้ของการฟอกเงินในสหราชอาณาจักร แต่ข้อมูลนี้มีข้อจำกัดหลายประการ:
‘ที่อยู่เหล่านี้อาจไม่สมบูรณ์ มีทรัพย์สินซ้อนกัน โดยที่ทรัพย์สินหลายแห่งมีอยู่ในแถวเดียวหรือหมายเลขกรรมสิทธิ์ และไม่มีข้อมูลว่าทรัพย์สินนั้นเป็นที่อยู่อาศัย ธุรกิจ หรืออื่นๆ ‘
‘ข้อมูลที่ไม่ดีนี้ทำให้เข้าใจการกระจายตัวและลักษณะของอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศในสหราชอาณาจักรเป็นเรื่องที่ท้าทาย’
ยิ่งไปกว่านั้น ยังเป็นเรื่องที่ยากที่จะหาข้อมูลเกี่ยวกับทรัพย์สินที่เช่าแบบไม่ถาวร เช่น ทรัพย์สิน Airbnb เนื่องจากข้อมูลที่มีอยู่สาธารณะมีจำกัดหรือไม่มีอยู่เลย นอกจากนี้ สกอตแลนด์ (ซึ่งเป็นส่วนหนึ่งของสหราชอาณาจักร) ไม่ได้เผยแพร่ทะเบียนการขายทรัพย์สินของตนให้สาธารณะเหมือนกับอังกฤษและเวลส์
เพื่อแก้ไขความไม่สอดคล้องกันบางประการเกี่ยวกับการจำแนกประเภททรัพย์สิน รัฐบาลสหราชอาณาจักรได้แนะนำระบบ Unique Property Reference Number (UPRN) ซึ่งออกแบบมาเพื่อให้สามารถเชื่อมโยงข้อมูลทรัพย์สินจากแหล่งต่างๆ ได้ชัดเจนยิ่งขึ้น อย่างไรก็ตาม ผู้เขียนสังเกตว่า ‘แม้ว่าการใช้ UPRN จะถูกกำหนดให้ใช้ แต่แทบไม่มีหน่วยงานรัฐบาลใดที่ใช้ ทำให้การเชื่อมโยงข้อมูลต้องใช้ ทักษะการประมวลผลข้อมูล ที่ซับซ้อน‘
ดังนั้นการวิจัยใหม่จึงพยายามทำให้ข้อมูลมีความละเอียดและให้ข้อมูลมากขึ้น
การรวบรวมและเชื่อมโยงข้อมูล
ภายในประเทศใดๆ รูปแบบที่อยู่มักจะคาดเดาได้และเป็นไปตามกฎเกณฑ์ ซึ่งใช้ได้กับที่อยู่ในสหราชอาณาจักรเช่นกัน ดังนั้น เมื่อเผชิญกับข้อมูลที่อยู่ที่ ‘แบน’ และเป็นข้อความ (เช่น ข้อมูลที่จัดให้โดย OCOD) เครื่องมือแยกวิเคราะห์ที่อยู่แบบโอเพนซอร์สหลายวิธีได้ถูกพัฒนาเพื่อเชื่อมโยงที่อยู่กับแหล่งข้อมูลอื่นๆ
อย่างไรก็ตาม วิธีแก้ปัญหาเหล่านี้ส่วนใหญ่ได้รับการฝึกอบรมโดยใช้ข้อมูลจาก Open Street Map ซึ่งอาจให้ที่อยู่ที่มีที่อยู่ย่อยซ้อนกันหลายสิบหรือหลายร้อยแห่ง (เช่น อพาร์ตเมนต์ในอาคารที่มีที่อยู่เดียวกัน) ดังนั้น แม้ว่าจะเป็นวิธีแก้ปัญหาที่ได้รับการยกย่องอย่าง libpostal ก็ตาม ก็ยังประสบความยากลำบากเมื่อพยายามแยกวิเคราะห์ที่อยู่ที่ไม่สมบูรณ์
เพื่อสร้างตัวแก้ปัญหาที่อยู่สำหรับโครงการของตน นักวิจัยใหม่ได้ใช้เซตข้อมูลที่มีอยู่สาธารณะหลายชุด ข้อมูลหลักจัดให้โดย OCOD ในขณะที่ส่วนการทำความสะอาดข้อมูลใช้ Land Registry Price dataset ร่วมกับ VOA ratings และ Office of National Statistics Postcode Directory (ONSPD)
ข้อมูล Airbnb มาจาก InsideAirbnb ซึ่งรวมเฉพาะบ้านทั้งหลังที่ให้เช่าเท่านั้น และไม่รวมรูปแบบการใช้งานที่เสนอไว้แต่แรกของ Airbnb คือการให้เช่าบ้านของตนทั้งหลังหรือบางส่วนเป็นครั้งคราว
ชุดข้อมูลทรัพย์สินที่ใช้น้อยของนักวิจัยได้รับการเพิ่มเติมจากข้อมูลที่ได้รับจากคำขอข้อมูลตามกฎหมายเสรีภาพในการเข้าถึงข้อมูล (FOI) ที่ประสบความสำเร็จ ส่วนใหญ่รวบรวมสำหรับ โครงการก่อนหน้านี้
ฐานข้อมูล OCOD เป็นไฟล์ .CSV ที่คั่นข้อมูลด้วยจุลภาค ที่มีโครงสร้างและรูปแบบที่คาดเดาได้ดี

กระบวนการประกอบด้วย 5 ระยะ: การติดป้ายกำกับ การแยกวิเคราะห์ การขยาย การจำแนกประเภท และการลดขอบเขต ในตอนเริ่มต้น ที่อยู่แต่ละแห่งอาจสอดคล้องกับทรัพย์สินย่อยหลายแห่งในโลกแห่งความเป็นจริง แม้ว่าจะไม่ชัดเจนในข้อมูลที่จัดให้โดยรัฐบาลก็ตาม
นักวิจัยได้ทำการประมวลผลทางวากยสัมพันธ์เบื้องต้นเล็กน้อย จากนั้นจึงนำข้อมูลเข้าสู่ programmatic ซึ่งเป็นแพลตฟอร์มที่ออกแบบมาเพื่อสร้างชุดข้อมูล NLP ที่มีการทำเครื่องหมายโดยไม่ต้องทำเครื่องหมายด้วยมือ โดยที่นักวิจัยติดป้ายกำกับเอนทิตีโดยใช้นิพจน์ปกติ (Regex) เพื่ออธิบาย 8 ประเภทของเอนทิตีที่มีชื่อ (ดูภาพด้านล่าง)

หลังจากเพิ่มเครื่องหมายเหล่านี้แล้ว ชุดข้อมูลถูกส่งออกเป็นไฟล์ JSON โดยลบส่วนที่ป้ายกำกับทับซ้อนกันด้วยขั้นตอนง่ายๆ ที่อิงกฎ
นอกจากนี้ การประมวลผลของ programmatic ยังถูกนำมาใช้ในการฝึกโมเดลการคาดการณ์สำหรับ SpaCy โดยใช้ RoBERTa ของ Facebook หลังจากขจัดสัญญาณรบกวนในข้อมูล นักวิจัยได้สร้างชุดข้อมูลการเปรียบเทียบพื้นฐานที่มี 1,000 การสังเกตที่มีการทำเครื่องหมายแบบสุ่ม คะแนนความแม่นยำของข้อมูลที่ไม่ได้รับการกำกับจะถูกประเมินเทียบกับชุดข้อมูลพื้นฐานนี้
การแก้ปัญหาที่อยู่นำเสนอความท้าทายหลายประการ นักวิจัยได้กำหนดช่วงอักขระแต่ละช่วงให้เป็นแถวของตนเอง และป้ายกำกับแต่ละประเภทให้เป็นคอลัมน์ของตนเอง จากนั้นจึงย้อนกลับเพื่อสร้างแถวที่อยู่ที่สมบูรณ์
เนื่องจากที่อยู่เดียวอาจมีหลายที่อยู่อาศัยที่แตกต่างกัน จึงจำเป็นต้องขยายฐานข้อมูลโดยการแบ่งที่อยู่เดียวออกเป็นทรัพย์สินย่อยที่มีอยู่ในฐานข้อมูลที่เสริม
หลังจากนั้น ขั้นตอนการจำแนกประเภทที่อยู่ได้นำรหัสไปรษณีย์ทั้งหมดที่ระบุได้มาเชื่อมโยงกับฐานข้อมูล ONSPD กระบวนการนี้เชื่อมโยงข้อมูลที่อยู่กับข้อมูลประชากรและข้อมูลประชากรศาสตร์อื่นๆ และทำให้ทรัพย์สินย่อยที่ซ่อนอยู่เบื้องหลังที่อยู่ที่ไม่ชัดเจนของ OCOD มีความชัดเจน
สุดท้าย กระบวนการลดขอบเขตของที่อยู่ได้กรองอสังหาริมทรัพย์ที่ไม่ใช่ที่อยู่อาศัย (เช่น สถานประกอบการเชิงพาณิชย์) ออกจากกลุ่มทรัพย์สินย่อยที่ซ้อนกัน
การวิเคราะห์
เพื่อทดสอบความแม่นยำของข้อมูลที่เพิ่มขึ้น ผู้เขียนได้สร้างชุดข้อมูลพื้นฐานที่ถูกเก็บไว้จากกระบวนการวิเคราะห์ทั่วไป และใช้เพื่อทดสอบความแม่นยำของการคาดการณ์และการวิเคราะห์เท่านั้น
การตรวจสอบด้วยมือสำหรับชุดข้อมูลพื้นฐานรวมถึงการใช้ซอฟต์แวร์แผนที่ เช่นเดียวกับการวิเคราะห์ภาพของทรัพย์สินที่อยู่ในเซตที่ถูกเก็บไว้ และการค้นหาในอินเทอร์เน็ตเพื่อประเมินประเภทของทรัพย์สิน หลังจากนั้น ประสิทธิภาพของข้อมูลได้รับการวัดด้วยค่า precision, recall และ F1
มูลค่าของทรัพย์สินที่ใช้น้อยและที่อยู่อาศัยได้รับโดยใช้แบบจำลองเชิงกราฟพื้นฐาน ซึ่งเป็นวิธีเดียวกับที่ใช้ในการอนุมานทรัพย์สิน UDP
งาน NER ที่ทดสอบเทียบกับชุดข้อมูลพื้นฐานที่มีการทำเครื่องหมายด้วยความพยายามสูงได้รับคะแนน F1 ที่ 0.96 (ใกล้กับ ‘100%’ ในแง่ของความแม่นยำ)

คะแนน F1 สำหรับการทำเครื่องหมาย NER มีความไม่สม่ำเสมอเล็กน้อย เนื่องจากกระบวนการนี้มีการประมาณการเกินจริงเล็กน้อยเกี่ยวกับจำนวนของที่อยู่อาศัยและต่ำกว่าจำนวนธุรกิจทั้งหมด เนื่องจากโครงสร้างของข้อมูลที่เพิ่มขึ้น
เกี่ยวกับทรัพย์สิน UDP ในลอนดอน ผลลัพธ์สุดท้ายแสดงให้เห็นว่ามีทรัพย์สิน 138,000 แห่ง ซึ่งมากกว่า 94,000 แห่งที่อยู่ในเซตข้อมูล OCOD เดิม (คือ ตัวเลขอย่างเป็นทางการล่าสุด) 44%

การแบ่งประเภทของทรัพย์สินภายใต้ประเภท 2
ผลการวิจัยชี้ให้เห็นว่ามูลค่ารวมของอสังหาริมทรัพย์ที่ถือครองผ่านนิติบุคคลต่างประเทศคือประมาณ 56 พันล้านปอนด์สเตอร์ลิง ในขณะที่มูลค่ารวมของทรัพย์สินที่ใช้น้อยคือประมาณ 85 พันล้านปอนด์สเตอร์ลิง
ผู้เขียนสังเกตว่า:
‘ทรัพย์สิน UDP ทั้งหมดมีราคาสูงกว่าราคาที่อยู่อาศัยทั่วไปที่ 600,000 ปอนด์สเตอร์ลิง’
ข้อมูลที่ดีขึ้นนี้อาจจำเป็นในการต่อต้านการใช้การเก็งกำไรทรัพย์สินเป็นกิจกรรมซักฟอกเงินในสหราชอาณาจักร ผู้เขียนสังเกตว่ามีงานวิจัยและวรรณกรรมทั่วไปที่ชี้ให้เห็นว่าข้อมูลที่ดีขึ้นอาจช่วยในการต่อต้านการเก็งกำไรอสังหาริมทรัพย์ที่ใช้เพื่อฟอกเงิน และสรุปว่า:
‘ข้อมูลนี้สามารถใช้โดยนักสังคมวิทยา นักเศรษฐศาสตร์ และผู้กำหนดนโยบายเพื่อให้แน่ใจว่าความพยายามในการลดการฟอกเงินและราคาทรัพย์สินที่สูงจะขึ้นอยู่กับข้อมูลที่มีรายละเอียดที่สะท้อนถึงสถานการณ์ที่แท้จริง’
* การแปลงอ้างอิงภายในของนักเขียนให้เป็นลิงก์โดยผู้แปล
เผยแพร่ครั้งแรกเมื่อวันที่ 25 กรกฎาคม 2022












