Offshore Foreign Direct Investment, Capital Round‐Tripping, and Corruption: Empirical Analysis of Russian Regions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent economic geography research has identified the round‐tripping of capital from emerging economies to offshore financial centers (OFCs) and back as foreign direct investment (FDI) as a central element of the global offshore FDI network. However, the factors behind this phenomenon are not yet fully understood. Our study develops a general framework that conceptualizes the phenomenon of round‐trip investment. In particular, we argue that secrecy arbitrage, defined as interplay of onshore corruption and offshore secrecy, largely explains round‐trip investment between onshore jurisdictions and OFCs. First, we argue that part of the round‐trip FDI consists of proceeds from corruption, which is laundered in OFCs and reinvested back to the location of origin. Second, we maintain that the secrecy dimension of the OFC also motivates the round‐tripping of licit capital, as businesses use the secrecy provided by OFCs to hide their true identities from corrupt authorities in the home location. To test the validity of our argument about onshore corruption as a driver for round‐trip investment, we empirically analyze firm‐level data on the distribution of offshore FDI (which, we argue, is largely round‐trip) across Russian regions. Our empirical findings confirm that FDI from OFCs is positively associated with host region corruption, and this relationship is stronger for OFCs with a higher secrecy score. Hence, we conclude that round‐trip FDI is strongly motivated by the interplay between onshore corruption and offshore secrecy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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