Ученые из Сколтеха, МГУ и Европейского университета в Санкт-Петербурге разработали алгоритм для определения контролирующих владельцев компаний
Результаты проектной деятельности объединенной команды представителей исследовательского сообщества университетов Новой лиги
Ученые из Сколтеха, МГУ и Европейского университета в Санкт-Петербурге разработали алгоритм для определения контролирующих владельцев компаний. Он работает с данными по миллионам организаций и предсказывает бенефициарных владельцев быстрее и точнее, чем предшественники. Распутывая сеть владельцев и посредников, алгоритм позволяет распространить известные сведения о компании на ее «дочек», «внучек» и так далее. Эти сведения могут быть связаны, например, с ESG-рейтингами, которые говорят о соответствии компании критериям социально ответственного инвестирования. Исследование доступно в базе препринтов arXiv.

Укрепление тренда ответственного инвестирования, борьба с офшорами и экономические санкции, ограничивающие ведение бизнеса с подконтрольными определенным лицам организациями, делают актуальной проблему выявления конечного владельца произвольной компании, который может контролировать ее через множество организаций-посредников.

Для решения этой задачи коллектив российских ученых создал сетевой алгоритм α-ICON (англ. Indirect Control in Onion-like Networks — непрямой контроль в луковичных сетях) на базе понятия центральности в науке о сетях. На основании данных из государственных реестров юрлиц он выявляет и ранжирует их конечных владельцев. Таким образом специалисты по комплаенсу, потенциальные инвесторы или аналитики, производящие оценку бизнеса, могут быстро получить представление о сети организаций.

По словам ученых, существует всего несколько алгоритмов для определения конечных владельцев организаций, причем α-ICON демонстрирует наибольшую эффективность. Он обрабатывает 4,2-миллионную базу всех зарегистрированных в Великобритании компаний за несколько минут, в то время как у алгоритмов-предшественников на эту задачу уходят дни. Более того, α-ICON демонстрирует бо́льшую точность: он определяет конечного бенефициара верно у 96% компаний — против 89% у конкурентов.

Чтобы проверить точность, авторы исследования сформировали (и опубликовали) датасет по тысяче британских компаний, ценные бумаги которых торгуются на американских финансовых рынках, что обязывает их раскрывать подробную структуру владения. Это первый набор данных для оценки качества поиска конечных владельцев, который будет полезен и в будущих исследованиях.

В основе α-ICON лежит понятие центральности узла сети по Кацу — эта мера используется в науке сложных систем для определения наиболее влиятельных игроков. Эффективность вычислений достигается благодаря наблюдению авторов алгоритма, что сети владения напоминают по структуре луковицу, слои которой можно отшелушивать один за другим, пока не обнаружится ядро тесно связанных друг с другом организаций.

Первый автор исследования, старший научный сотрудник Сколтеха Кирилл Половников поясняет, как это наблюдение связано со скоростью вычислений: «Расчет влияния в сложных сетях с множеством циклов в общем виде связан со спектральным разложением огромной матрицы, размер которой равен количеству узлов. Обнаруженная „луковичная" структура в сетях владения позволяет решать задачу в общем виде только для ядра из нескольких сотен тесно связанных компаний. Далее контроль можно распространить на оболочку последовательными итерациями вплоть до самого верхнего слоя за счет отсутствия циклов в иерархической структуре оболочки».

Применив разработанный алгоритм к более чем 4 млн британских компаний, ученые заметили в числе прочего, что международная сеть магазинов оптики Specsavers превосходит все прочие компании в стране с точки зрения сложности структуры владения. А у сети магазинов товаров для животных Pets at Home (капитализация — 3,5 млрд долларов) структура владения оказалась сложнее, чем у нефтегазового гиганта «Би-Пи» (84 млрд долларов).

«Конечно, из этого не следует, что Pets at Home более влиятельна, чем "Би-Пи", ведь мы смотрим только на сложность корпоративной сети, не учитывая размер компании. У небольших организаций бывают исключительно сложные цепочки владения. Наш алгоритм позволяет обнаружить конечное контролирующее лицо независимо от масштаба организации», —

подчеркивает соавтор исследования Дмитрий Скугаревский, ассоциированный профессор по эмпирико-правовым исследованиям ЕУСПб.



Новый алгоритм применим к любым сетям владения и будет полезен как исследователям, так и практикам. Автоматическое определение конечных владельцев организаций поможет оценивающим компании инвесторам и аналитикам, а также специалистам по комплаенсу быстрее и проще разбираться в запутанной структуре владения и понимать, стоит ли ожидать от интересующего их контрагента, что он соответствует тем или иным социальным, экологическим и управленческим стандартам или контролируется офшорной компанией либо лицом из санкционного списка.

Код α-ICON доступен на GitHub.

125 009, Москва, Газетный пер., д. 3−5, стр. 1, пом. I, офис 32
info@unileague.ru