MétaCan
Menu
Retour à la cohorte
Enregistrement W6988086551

Who Owns Offshore Real Estate? Evidence from Dubai

2022· preprint· en· W6988086551 sur OpenAlexaboutno aff

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2022
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesNorges ForskningsrådEuropean Commission
Mots-clésReal estateReal estate investment trustPosition (finance)Asset (computer security)Submarine pipelineEstateInvestment (military)SubsidiaryEarnings before interest, taxes, depreciation, and amortization
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper analyzes a unique micro-dataset capturing the ownership of about 800,000 properties in Dubai. We use this dataset to document patterns in cross-border real estate investments, a blind spot in the analysis of financial globalization. We obtain four main findings. First, offshore real estate in Dubai is large: at least $146 billion in foreign wealth is invested in the Dubai property market. This is twice as much as real estate held in London by foreigners through shell companies. Second, geographical proximity and historic ties are key determinants of foreign investments in Dubai. About 20% of offshore Dubai real estate is owned by investors from India and 10% by investors from the United Kingdom; other large investing countries include Pakistan, Gulf countries, Iran, Canada, Russia, and the United States. These patterns hold when focusing on the most affluent neighborhoods, with the main difference that Indian investments become relatively smaller and Russian investments larger.Third, a number of conflict-ridden countries and autocracies have large holdings in Dubai relative to the size of their economy, equivalent to 5%–10% of their GDP. This suggests that the official net foreign asset position of a number of low income economies is significantly under-estimated. Last, by matching properties owned by Norwegians to administrative tax records in Norway, we find that the probability to own offshore real estate rises with wealth, including within the very top of the wealth distribution. About 70% of Dubai properties owned by Norwegian taxpayers were not reported for tax purposes in 2019. These results suggest that the lack of cross-border exchange of information on real estate ownership is a significant issue for tax enforcement.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,228
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetHousing Market and EconomicsTravaux en français237 207