Estimating the destination of Mexican-based laundered funds: an application of the modified Walker-Unger model
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 apply the modified Walker-Unger model to show the degree of attractiveness of a country for Mexican-based money launderers to send their illicit funds for the 2000–2015 time period. Design/methodology/approach The modified Walker-Unger model is used to conduct the analysis, as it combines several independent variables related to an illicit financial activity. These allow the researcher to investigate the attractiveness of a market to money launderers and the possible economic effects of money laundering. In total, 13 categories of indicators were used, namely, gross national product per capita; banking secrecy; government attitude; society for worldwide interbank financial telecommunication membership; financial deposits; conflict; corruption; Egmont group membership; language; trade; culture, colonial background; and physical distance. Findings Model results suggest the preferred destinations for Mexican-based money launderers from 2000 to 2015 were Bermuda (i.e. from 2000–2004), Canada (i.e. in 2005 and 2006) and Monaco (i.e. from 2007–2015). Research limitations/implications Timing and availability of reliable data after 2015. Practical implications Aids in continuing to empirically validate the Walker-Unger model. There is little literature on models that quantify money laundering activity. Social implications May aid policymakers in targeting anti-money laundering policy to more relevant countries. Originality/value The first empirical investigation that looks to quantify money launderer activity in Mexico. Contributes to the limited literature of quantitative investigations on money laundering.
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) | 0,000 | 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 | 0,000 | 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