Ricercatori di Skoltech, l'Università Europea di San Pietroburgo, e Lomonosov Moscow State University hanno sviluppato un algoritmo che rileva i titolari di controllo finali delle società. Applicabile a set di dati con milioni di organizzazioni, funziona più velocemente e fornisce risultati più accurati rispetto agli approcci concorrenti. Srotolando la complessa rete di proprietari, l'algoritmo consente di avere un'idea del rispetto di un'azienda chiusa con l'ambiente, sociale, e gli standard di governance esaminando le pratiche del suo proprietario più trasparente. Lo studio è disponibile nel repository di preprint di arXiv.

Con l'aumento della popolarità degli investimenti responsabili, anche se le principali nazioni cercano modi per contrastare l'evasione fiscale nei centri finanziari offshore e inserire individui e società indesiderati in elenchi di persone designate per scoraggiare gli affari con loro, il problema di rivelare il beneficiario finale che possiede un'azienda attraverso una lunga catena di intermediari è quanto mai complesso e rilevante.

Per affrontarlo, un team di ricercatori russi ha creato un algoritmo di rete basato sulla scienza chiamato α-ICON, abbreviazione di Indirect Control in Onion-like Networks. Lo strumento acquisisce i dati di proprietà dai registri statali e rileva e classifica i proprietari finali di ciascuna organizzazione, fornendo approfondimenti indiretti sulle sue pratiche per i responsabili della conformità, potenziali investitori, e analisti di due diligence a cui attingere.

Secondo i ricercatori, il loro è uno dei pochi algoritmi per rivelare la proprietà aziendale finale, e di gran lunga il più efficiente:α-ICON impiega pochi minuti per elaborare il database di tutti i 4,2 milioni di aziende del Regno Unito. Gli algoritmi esistenti in precedenza impiegherebbero giorni per farlo. È anche più preciso, determinare correttamente l'ultimo proprietario nel 96% dei casi, rispetto all'89% del suo concorrente più vicino.

Per testare l'accuratezza di α-ICON, il team ha raccolto e rilasciato pubblicamente un set di dati di valutazione con informazioni verificate su 1, 007 società britanniche con debiti o azioni negoziate negli Stati Uniti che hanno rivelato la loro proprietà. Oltre ad essere utilizzato per dimostrare le prestazioni superiori del nuovo algoritmo, questo set di dati di valutazione unico nel suo genere sarà utile per la ricerca futura.

α-ICON nasce dalle idee di centralità di Katz utilizzate nella scienza dei sistemi complessi per determinare gli attori più influenti della rete. Per garantire l'efficacia computazionale, l'algoritmo si basa sull'osservazione che le reti di proprietà assomigliano alle cipolle in modo che si possa staccare strato dopo strato fino a quando rimane il nucleo denso di organizzazioni interconnesse.

Il primo autore dello studio, Kirill Polovnikov, di Skoltech, spiega come questa osservazione migliori drasticamente le prestazioni:"Il calcolo del controllo in reti complesse con molti cicli è generalmente associato alla decomposizione spettrale di una matrice enorme, di dimensioni pari al numero di nodi. Riconoscendo la struttura "a cipolla" della rete di proprietà, possiamo risolvere il problema nella forma più generale solo per un nucleo fortemente connesso di diverse centinaia di aziende. Il resto del controllo può essere efficacemente propagato all'indietro alle aziende nell'involucro esterno grazie alla struttura gerarchica senza anello della rete di controllo negli strati dell'involucro".

Quando gli autori hanno applicato il loro algoritmo alle oltre 4 milioni di aziende con sede nel Regno Unito, si è scoperto che la catena multinazionale di vendita al dettaglio di prodotti ottici Specsavers aveva la struttura proprietaria più complessa del paese. Con una capitalizzazione di mercato di 3,5 miliardi di dollari, Il rivenditore di articoli per animali Pets at Home vanta una maggiore complessità della rete di proprietà rispetto al gigante petrolifero BP, vale 84 miliardi di dollari.

"Ciò non implica che Pets at Home goda di un maggiore controllo rispetto a BP poiché stiamo confrontando solo la complessità delle reti di proprietà, ignorando le loro dimensioni. Le piccole imprese possono presentare catene di proprietà estremamente complesse. Il nostro algoritmo consente di identificare le entità di controllo ultime indipendentemente dalle loro dimensioni, " ha sottolineato Dmitriy Skogarevskiy, professore associato di studi giuridici empirici presso l'Università Europea di San Pietroburgo.

Il nuovo algoritmo sarà utile sia ai ricercatori che ai professionisti. Rivelando i proprietari finali delle imprese, aiuta gli investitori, funzionari di conformità, e analisti di due diligence per dare rapidamente e facilmente un senso ai complicati schemi di proprietà e capire se hanno a che fare con un'entità in grado di rispettare determinate condizioni sociali, ambientale, e standard di governance, e se tale società è controllata da una persona fisica designata o da una società madre con sede in un paradiso fiscale.

Il codice α-ICON è disponibile su GitHub.