Штучна інтелект пропонує покращене відстежування власності офшорної власності в Великій Британії

Нові дослідження двох університетів Великої Британії спрямовані на більш глибоке вивчення потенційного стану власності, заснованої на грошовому відмиванні, у Великій Британії, особливо на високоцінному лондонському ринку нерухомості.

За результатами проекту, загальна кількість «нестандартних» внутрішніх об’єктів власності (тобто об’єктів, які не використовуються тривалий час як житла власниками або орендарями) становить близько 138 000 тільки в Лондоні.

Ця цифра на 44% вища за офіційні дані, які надають і періодично оновлюють уряд Великої Британії.

Дослідники використовували різні техніки обробки природної мови (NLP), разом з додатковими даними та підтверджуючими дослідженнями, для розширення обмеженої офіційної інформації, яку уряд Великої Британії надає про відсоток, вартість, місце розташування та типи власності, що належать офшорним компаніям у Великій Британії, найбільш прибутковими з яких є в столиці.

Дослідження показало, що загальна кількість офшорної, низьковитратної та айрбнб-стильної (тобто «неформальної окупації») власності у Великій Британії становить близько 145-174 мільярдів фунтів стерлінгів по приблизно 144 000-164 000 об’єктів.

Вони також виявили, що офшорна власність цього типу зазвичай дорожча і має характерні закономірності щодо місця розташування у Великій Британії.

Дослідники оцінюють, що офшорна власність типу «нестандартної внутрішньої власності» (UDP) становить 7,5% від загальної внутрішньої вартості, і що 56 мільярдів фунтів стерлінгів з оціненої вартості обмежені лише 42 000 житлами.

У статті зазначається:

‘Індивідуальна офшорна власність дуже дорога, навіть за стандартами UDP, крім того, вона зосереджена в центрі Лондона з сильною просторовою автокореляцією.

‘Натомість офшорна власність типу «гнізда» трохи менше зосереджена в центральному Лондоні, але загалом більш зосереджена, і майже немає просторової кореляції.’

Аналіз доповнених даних показує, що велика кількість офшорної власності належить сутностям у Королівських залежностях (CD), а друга за величиною кількість належить британським заморським територіям (у наведеній нижче таблиці «PWW2» позначає країни, які здобули незалежність від Британії після Другої світової війни).

Розподіл іноземної власності, згідно з результатами нової статті. Джерело: https://arxiv.org/src/2207.10931v1/anc/Offshore_London_Supplementary_Material.pdf

У статті також зазначається:

‘Фактично тільки 4 території, Британські Віргінські острови, Джерсі, Гернсі та Острів Мен, пов’язані з 78% усіх об’єктів власності.’

Нові дані зробили можливим визначення суб-об’єктів, які існують у відомій офшорній власності – можливість, яка зазвичай ускладнена плоскими та обмеженими даними, наданими в офіційних даних.

Результати також показують, що офшорна, низьковитратна та айрбнб-стильна власність помітно більш географічно зосереджена, ніж звичайні будинки, і додатково зосереджена у високоцінних районах.

Візуалізовані карти концентрації різних типів іноземної власності в Лондоні. Джерело: https://arxiv.org/pdf/2207.10931.pdf

Відносно вищезазначеної графіки автори зауважують:

‘Офшорна внутрішня власність має дуже високу концентрацію, де весь житловий комплекс належить офшорній компанії.’

Автори опублікували код для свого процесингового конвеєра.

Нова стаття називається Що в прачці? Картировання та характеристика офшорної власності у Лондоні і походить від дослідників Факультету будівництва та навколишнього середовища Університетського коледжу Лондона та кафедри економіки Університету Кінгстона.

Вирішення проблеми

Автори зазначають, що після десятиліть зусиль щодо контролю використання нерухомості для відмивання грошей у Великій Британії, публікація витоку списку офшорної власності у Великій Британії британським виданням Private Eye у 2015 році спонукала уряд Великої Британії опублікувати регулярно оновлюваний список офшорної власності у більшості частин Великої Британії, відомий як Офшорні компанії, які володіють майном в Англії та Уельсі (OCOD).

Дослідники зазначають, що хоча OCOD є кроком вперед у дослідженні та аналізі іноземної власності та потенційного грошового відмивання у Великій Британії, дані мають ряд обмежень, деякі з яких є важливими:

‘Ці адреси можуть бути неповними, містити вкладені власності, де кілька об’єктів існує в одному рядку або номері титулу, вони також не містять жодної інформації про те, чи є власність житловою, комерційною чи чимось іншим.

‘Така низька якість даних робить складним розуміння розподілу та характеристик офшорної власності у Великій Британії.’

Зокрема, складно отримати дані про неформальну оренду, таку як айрбнб-власність, оскільки публічно доступні дані обмежені або відсутні. Крім того, Шотландія (частина Великої Британії) не робить свій реєстр продажів власності публічно доступним, на відміну від Англії та Уельсу.

Щоб подолати деякі несумісності щодо класифікації власності, уряд Великої Британії ввів систему Унікального ідентифікатора власності (UPRN), призначену для забезпечення ясних відносин між різними джерелами даних про власність. Однак автори зазначають* ‘хоча використання UPRN є обов’язковим,几乎 жоден урядовий департамент не використовує його, що означає, що зв’язування даних вимагає просунутих навичок обробки даних уміння‘.

Таким чином, нове дослідження мало на меті зробити дані більш детальними та інформативними.

Збір та підключення даних

В межах будь-якої окремої країни адресні формати зазвичай передбачувані та послідовні, що також застосовується до адрес у Великій Британії. Таким чином, перед лицем «плоских», текстових адресних даних (таких, як ті, що надаються OCOD), виникли відкриті рішення для парсингу адрес для перекрестної перевірки адрес з іншими джерелами даних.

Однак, багато з них тренуються за допомогою даних Open Street map, які можуть давати адреси, що фактично містять десятки або навіть сотні вкладених субадрес (наприклад, квартири в одному адресі для житлового будинку). В результаті навіть відомий парсер адрес, такий як libpostal, мав труднощі при спробі розібрати неповні адреси.

Щоб створити парсер для свого проекту, дослідники нової статті використовували ряд відкритих джерел даних. Ключові дані були надані OCOD, тоді як компонент очищення даних використовував набір даних Land Registry Price dataset, разом з набором даних VOA ratings та набором даних Office of National Statistics Postcode Directory (ONSPD).

Дані айрбнб були отримані з домену InsideAirbnb, який включає лише цілі будинки, які орендуються, тому виключає первинне запропоноване використання айрбнб (тобто оренду частини свого будинку час від часу).

Набір даних низьковитратної власності дослідників був доповнений інформацією, отриманою внаслідок успішних запитів на свободу інформації (FOI), в основному зібраних для ранішого проекту.

Базові дані OCOD являють собою файл CSV з комами, який має добру структуру та передбачуваний формат.

Конвеєр складався з п’яти стадій: маркування, парсингу, розширення, класифікації та скорочення. На початку будь-яка окрема адреса могла розібратися в реальному житті на кілька вкладених об’єктів власності, хоча це не явно вказано в урядових даних.

Дослідники здійснили деякі легкі синтаксичні попередні обробки, потім імпортували дані до programmatic, платформи, призначеної для створення анотованих наборів даних NLP без ручного маркування. Тут сутності були помічені за допомогою регулярних виразів (Regex) для опису восьми типів іменованих сутностей (див. зображення нижче):

З цими мітками доданими, набір даних був витягнутий у вигляді файлу JSON, з видаленими перекриттями міток за допомогою простих правил-основаних процедур.

Крім того, вивід програматичної платформи був використаний для навчання передбачувальної моделі для SpaCy, підтримуваної Facebook’s RoBERTa. Після денойзингу дослідники створили набір порівняння з 1000 випадкових спостережень. Оцінка точності несупервізованих даних буде оцінена проти цього набору порівняння.

Парсинг адрес представляв ряд викликів. Автори призначили кожному символу свій рядок і кожному класу міток свій стовпець, а потім зворотньо прорахували стовпці для генерації повних рядків адрес.

Оскільки деякі окремі адреси мали кілька різних житлових об’єктів, було необхідно розширити базу даних, розділивши окремі адреси на субоб’єкти, присутні в додаткових базах даних.

Після цього стадія класифікації адрес перекрестно перевіряла всі знайдені поштові індекси за допомогою бази даних ONSPD. Цей процес з’єднує дані про адреси з переписними та іншими демографічними даними, а також індивідуалізує субоб’єкти, які раніше були приховані за неясними адресами даних OCOD.

Нарешті, процес скорочення адрес фільтрував усі некомерційні об’єкти власності (тобто комерційні приміщення) з груп вкладених об’єктів власності.

Аналіз

Щоб протестувати точність доповнених даних, автори, як згадувалося раніше, створили вибірковий набір порівняння, який був виділений з загального потоку аналізу, і використовувався лише для перевірки точності прогнозів та аналізів.

Ручна перевірка набору порівняння включала використання програмного забезпечення для роботи з картами, а також аналіз зображень об’єктів власності, представлених у виділених даних, а також інтернет-пошуків для оцінки типу власності. Після цього продуктивність даних була виміряна проти точності, відклику та оцінки F1.

Вартість низьковитратної та житлової власності була отримана за допомогою базової графічної моделі, того самого методу, який був використаний для виведення властивостей UDP.

Задача розпізнавання іменованих сутностей (NER) була протестована проти високозусильного, ручного набору порівняння, і отримала оцінку F1 у 0,96 (близько до ‘100%’ за точністю).

Оцінки F1 для завдання NER. Деяка нерівномірність спостерігається, оскільки процес трохи переоцінює кількість житлової власності та недооцінює загальну кількість підприємств, через структуру доповнених даних.

Відносно UDP у Лондоні, остаточні результати показують загальну кількість 138 000 записів – на 44% більше, ніж 94 000, представлених у первинному наборі даних OCOD (тобто недавніх офіційних даних).

Розподіл типів власності за класифікацією типу 2.

Результати показують, що загальна вартість офшорної власності становить близько 56 мільярдів фунтів стерлінгів, тоді як загальна вартість низьковитратної власності оцінюється у 85 мільярдів фунтів стерлінгів.

Автори зазначають:

‘[Всі] UDP значно дорожчі, ніж середня ціна конвенційної власності у £600 тисяч.’

Цей тип покращених даних може бути необхідним для боротьби з використанням спекуляцій на ринку нерухомості як засобу відмивання грошей у Великій Британії. Автори зазначають зростаючий обсяг досліджень та загальної літератури, який свідчить про те, що покращені дані можуть допомогти у боротьбі з відмиванням грошей, і висновують:

‘Ці дані можуть бути використані соціологами, економістами та політиками для забезпечення того, щоб спроби зменшити відмивання грошей та високі ціни на нерухомість були засновані на детальних даних, які відображають реальну ситуацію.’

* Моє перетворення внутрішніх посилань авторів на гіперпосилання.

Опубліковано вперше 25 липня 2022 року.