Onderzoekers van Skoltech, de Europese Universiteit in St. Petersburg, en Lomonosov Moscow State University hebben een algoritme ontwikkeld dat de uiteindelijke controlerende eigenaren van bedrijven detecteert. Van toepassing op datasets met miljoenen organisaties, het werkt sneller en levert nauwkeurigere resultaten op dan concurrerende benaderingen. Door het complexe web van eigenaren te ontrafelen, het algoritme maakt het mogelijk om een ​​idee te krijgen van de naleving van milieu-, sociaal, en bestuursnormen door te kijken naar de praktijken van de meer transparante eigenaar. Het onderzoek is beschikbaar in de preprint-repository van arXiv.

Nu verantwoord beleggen aan populariteit wint, zelfs nu grote landen manieren zoeken om belastingontduiking in offshore financiële centra tegen te gaan en ongewenste personen en bedrijven op lijsten met aangewezen personen te plaatsen om zaken met hen af ​​te schrikken, het probleem van het onthullen van de uiteindelijke begunstigde die eigenaar is van een bedrijf via een lange keten van tussenpersonen is even complex en relevant als altijd.

Om het aan te pakken, een team van Russische onderzoekers heeft een wetenschappelijk netwerkalgoritme ontwikkeld met de naam α-ICON, afkorting voor Indirect Control in Onion-achtige netwerken. De tool neemt eigendomsgegevens op uit staatsregisters en detecteert en rangschikt de uiteindelijke eigenaren van elke organisatie, het verstrekken van indirect inzicht in haar praktijken voor compliance officers, potentiële investeerders, en due diligence-analisten om uit te putten.

Volgens de onderzoekers is die van hen is een van de weinige algoritmen om het uiteindelijke eigendom van bedrijven te onthullen, en verreweg het meest efficiënt:α-ICON heeft slechts enkele minuten nodig om de database van alle 4,2 miljoen Britse bedrijven te verwerken. Voorheen bestaande algoritmen zouden dagen nodig hebben om dat te doen. Het is ook nauwkeuriger, het correct bepalen van de uiteindelijke eigenaar in 96% van de gevallen, vergeleken met 89% voor zijn naaste concurrent.

Om de nauwkeurigheid van α-ICON te testen, het team verzamelde - en openbaarde - een evaluatiedataset met geverifieerde informatie over 1, 007 Britse bedrijven met schulden of aandelen die in de VS worden verhandeld en die hun eigendom hebben bekendgemaakt. Behalve dat het wordt gebruikt om de superieure prestaties van het nieuwe algoritme aan te tonen, deze eerste-van-zijn-soort evaluatiedataset zal van nut zijn voor toekomstig onderzoek.

α-ICON komt voort uit de ideeën van Katz-centraliteit die in de wetenschap van complexe systemen worden gebruikt om de meest invloedrijke spelers in het netwerk te bepalen. Om de computationele effectiviteit te garanderen, het algoritme bouwt voort op een observatie dat eigendomsnetwerken op uien lijken, zodat je laag voor laag kunt afpellen totdat de dichte kern van onderling verbonden organisaties overblijft.

De eerste auteur van de studie, Kirill Polovnikov, van Skoltech, legt uit hoe deze waarneming de prestaties drastisch verbetert:"Berekening van controle in complexe netwerken met veel cycli wordt over het algemeen geassocieerd met de spectrale decompositie van een enorme matrix, even groot als het aantal knooppunten. Door de 'ui-achtige' structuur van het eigendomsnetwerk te herkennen, we kunnen het probleem alleen in de meest algemene vorm oplossen voor een sterk verbonden kern van enkele honderden bedrijven. De rest van de controle kan effectief worden teruggevoerd naar bedrijven in de buitenste schil dankzij de hiërarchische lusloze structuur van het controlenetwerk in de schillagen."

Toen de auteurs hun algoritme toepasten op de meer dan 4 miljoen bedrijven in het Verenigd Koninkrijk, het bleek dat de multinationale optiekketen Specsavers de meest complexe eigendomsstructuur van het land had. Met een marktkapitalisatie van $ 3,5 miljard, detailhandelaar in huisdierbenodigdheden Pets at Home heeft een grotere complexiteit van het eigendomsnetwerk dan de oliegigant BP, ter waarde van 84 miljard dollar.

"Dit betekent niet dat Pets at Home meer controle heeft dan BP, aangezien we alleen de complexiteit van de eigendomsnetwerken vergelijken, het negeren van hun grootte. Kleine bedrijven kunnen zeer complexe eigendomsketens vertonen. Ons algoritme maakt het mogelijk om de ultieme controlerende entiteiten te identificeren, ongeacht hun grootte, " benadrukte Dmitriy Skougarevskiy, een universitair hoofddocent empirische juridische studies aan de Europese Universiteit van St. Petersburg.

Het nieuwe algoritme zal nuttig zijn voor zowel onderzoekers als praktijkmensen. Door de uiteindelijke eigenaren van bedrijven te onthullen, het helpt de investeerders, nalevingsfunctionarissen, en due diligence-analisten om snel en gemakkelijk de gecompliceerde eigendomsregelingen te begrijpen en te begrijpen of ze te maken hebben met een entiteit die waarschijnlijk bepaalde sociale, milieu, en bestuursnormen, en of dat bedrijf wordt gecontroleerd door een aangewezen persoon of een in belastingparadijzen gebaseerde moedermaatschappij.

De α-ICON-code is beschikbaar op GitHub.