Trade-based money laundering: organized crime, learning and international trade
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the link between trade-based money laundering and organized crime. Trade-based money laundering (TBML) has emerged as the newest and possibly most complex method used by organized crime and white-collar crime groups for illegally laundering money in the international financial system. Using legitimate global trade streams, criminal organizations are able to transfer billions of dollars annually between jurisdictions without having to adhere to state-level currency regulations. Design/methodology/approach Using a rational approach to understanding the behavior of criminal organizations, it is argued that TBML will continue to grow as a preferred methodology for laundering money internationally. As criminal organizations continue to be displaced from the more traditional methods of money laundering, they will look for and find TBML as a viable alternative for moving money between different jurisdictions. Findings As the methodology becomes more developed, the skill set will transfer to an increasing number of organized crime groups and be incorporated as a mainstream method for laundering and moving money. Practical implications To stay current with contemporary money laundering schemes, law enforcement agencies will have to train their investigators to spot, investigate and collect requisite evidence for successful prosecution and disruption of TBML offences. Moreover, in the absence of a global regime for sharing trade and customs information, legislators and law enforcement agencies will have to consider how to best expedite the sharing of trade and customs information. Originality/value This is the only study to address TBML as an emerging money laundering technique and the transfer of the skill between organized crime groups. It further details the skills that police investigators needs to develop to successfully combat TBML.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».