The demographic profile of victims of investment fraud: an update
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 demographic factors of investors, contributing to financial victimization that occurs in Canada from June of 2008 to December of 2019. Design/methodology/approach In all 235 cases disclosing the details of financial crime victims are collected from the Industry Regulatory Organization of Canada (IIROC) enforcement platform between June of 2009 and December of 2019 for the analysis. The study used a descriptive analysis to showcase the demographic characteristics of investors who have been victims of financial crimes in Canada. Findings The findings indicate that these investors of age 60 and above were more likely to fall prey to various types of financial crime. The results also disclosed that retirees and investors with limited investment knowledge increase the probability of being vulnerable to the perpetrators than others. Research limitations/implications Overall, the study helps regulators in the securities industry gain insights into demographic portraits of the more vulnerable investors. Hence, more precautionary measures could pitch into these concerns to protect specific subsets of investors from investment fraud. Originality/value Individuals who are more vulnerable to investment fraud might not be entirely comparable with the stereotypical victims that most studies portray. The research gap could cause individual investors who appear to be at lower risk to unconsciously fall prey to investment fraud. The IIROC study, detailing the demographic factors of victims, can fill the gap and improve understanding of the tendency of victims.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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