Investigadores de Skoltech, la Universidad Europea de San Petersburgo, y la Universidad Estatal de Moscú Lomonosov han desarrollado un algoritmo que detecta a los propietarios controladores finales de las empresas. Aplicable a conjuntos de datos con millones de organizaciones, funciona más rápido y ofrece resultados más precisos que los enfoques de la competencia. Al desenrollar la compleja red de propietarios, el algoritmo permite hacerse una idea del cumplimiento de las normas medioambientales por parte de una empresa cerrada social, y estándares de gobernanza al observar las prácticas de su propietario más transparente. El estudio está disponible en el repositorio de preimpresiones de arXiv.

Con la inversión responsable ganando popularidad, incluso cuando las principales naciones buscan formas de contrarrestar la evasión fiscal en los centros financieros extraterritoriales y colocan a personas y empresas no deseadas en listas de personas designadas para disuadir los negocios con ellos, El problema de revelar el beneficiario final que posee una empresa a través de una larga cadena de intermediarios es tan complejo y relevante como siempre.

Para abordarlo, un equipo de investigadores rusos ha creado un algoritmo basado en la ciencia en red llamado α-ICON, abreviatura de control indirecto en redes tipo cebolla. La herramienta ingiere datos de propiedad de registros estatales y detecta y clasifica a los propietarios finales de cada organización. proporcionar información indirecta sobre sus prácticas para los oficiales de cumplimiento, Inversores potenciales, y analistas de diligencia debida a los que recurrir.

Según los investigadores, el suyo es uno de los pocos algoritmos para revelar la propiedad corporativa final, y, con mucho, el más eficiente:α-ICON solo tarda unos minutos en procesar la base de datos de las 4,2 millones de empresas del Reino Unido. Los algoritmos previamente existentes tardarían días en hacer eso. También es más preciso, determinar correctamente el propietario final en el 96% de los casos, en comparación con el 89% de su competidor más cercano.

Para probar la precisión de α-ICON, el equipo recopiló, y publicó públicamente, un conjunto de datos de evaluación con información verificada sobre 1, 007 empresas británicas con deuda o acciones negociadas en los EE. UU. Que revelaron su propiedad. Además de utilizarse para demostrar el rendimiento superior del nuevo algoritmo, este conjunto de datos de evaluación, el primero en su tipo, será de utilidad para futuras investigaciones.

α-ICON surge de las ideas de centralidad de Katz utilizadas en la ciencia de los sistemas complejos para determinar los jugadores más influyentes en la red. Para asegurar la efectividad computacional, el algoritmo se basa en la observación de que las redes de propiedad se asemejan a cebollas, de modo que se pueden despegar capa por capa hasta que quede el núcleo denso de organizaciones interconectadas.

El primer autor del estudio, Kirill Polovnikov, de Skoltech, explica cómo esta observación mejora drásticamente el rendimiento:"El cálculo del control en redes complejas con muchos ciclos se asocia generalmente con la descomposición espectral de una matriz enorme, igual en tamaño al número de nodos. Al reconocer la estructura 'similar a una cebolla' de la red de propiedad, podemos resolver el problema de la forma más general solo para un núcleo fuertemente conectado de varios cientos de empresas. El resto del control se puede propagar de manera efectiva a las empresas de la capa exterior gracias a la estructura jerárquica sin bucles de la red de control en las capas de la capa ".

Cuando los autores aplicaron su algoritmo a más de 4 millones de empresas con sede en el Reino Unido, Resultó que la cadena minorista óptica multinacional Specsavers tenía la estructura de propiedad más compleja del país. Con una capitalización de mercado de $ 3.5 mil millones, El minorista de suministros para mascotas Pets at Home cuenta con una red de propiedad más compleja que el gigante petrolero BP, por valor de $ 84 mil millones.

"Esto no implica que Pets at Home tenga más control que BP, ya que solo estamos comparando la complejidad de las redes de propiedad, ignorando su tamaño. Las pequeñas empresas pueden exhibir cadenas de propiedad extremadamente complejas. Nuestro algoritmo permite identificar las entidades controladoras finales independientemente de su tamaño, "destacó Dmitriy Skougarevskiy, profesor asociado de estudios jurídicos empíricos en la Universidad Europea de San Petersburgo.

El nuevo algoritmo será útil tanto para investigadores como para profesionales. Al revelar a los propietarios finales de las empresas, ayuda a los inversores, oficiales de cumplimiento, y analistas de diligencia debida para comprender rápida y fácilmente los complicados esquemas de propiedad y comprender si están tratando con una entidad que probablemente respete ciertas redes sociales, ambiental, y estándares de gobernanza, y si esa empresa está controlada por una persona designada o una matriz basada en un paraíso fiscal.

El código α-ICON está disponible en GitHub.