The determinants of corporate disclosures of anti-money laundering initiatives by Kenyan commercial banks
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
Purpose This study aims to examine the extent and drivers of anti-money laundering (AML) disclosures in the audited annual reports of regional listed banks in Kenya. Design/methodology/approach Using the Financial Action Task Force recommendations and other guidelines, the authors develop an AML disclosure index that is used to score the extent of AML disclosures by banks. A sample of 15 listed regional banks in Kenya over the period of 2007-2017 is used. Using this sample, the authors performed fixed-effects regressions to identify the significant determinants of AML disclosures. Findings The study establishes a low level of AML disclosures in the audited annual reports of sampled banks. The extent to which the AML disclosures improved across three distinct regulatory regimes over the period of 2007-2017 is reported. The authors find that the AML disclosures are largely driven by corporate governance (board size and audit committee size) and the ratio of diaspora remittances to GDP. Practical implications Owing to the global nature of money laundering activities, the study suggests that the Central Bank of Kenya needs to internationalize AML regulations and follow internationally accepted best practices in AML to respond to emerging trends in money laundering and related crimes. Originality/value To the best knowledge of the researchers, this is perhaps the first study to examine the drivers of AML disclosures by banks in a developing economy in the East and Southern African region. Given the global nature of money laundering, the study makes an important and original contribution to the body of knowledge with potential for replication in other jurisdictions. The findings will also form a basis for developing an AML reporting or disclosure framework.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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