Investing to kill: return on investment of tobacco companies compared to high-mortality and neutral industries
Notice bibliographique
Résumé
Terrorists have worked directly with tobacco companies and used tobacco sales to fund traditional terrorist activities. This familiarity with tobacco, coupled with the high mortality rate of tobacco indicates terrorists may use tobacco investing as a means of covert legal killings (CLK), which refers to the terrorist intention of mass killing in a targeted group using legal means. To provide insight into tobacco investors’ motives this study 1) quantifies annual death rate for leading mortality-causing industries in America.; 2) identifies eight companies responsible for the highest CLK; 3) compares investment returns for eight high-mortality companies to the S&P 500 from 2009 to 2019 to determine if tobacco is the most likely target for terrorist-based CLK. The top three highest mortality rate companies and thus best CLK investments from a terrorist perspective were tobacco companies: Altria Group Inc., Reynolds America Inc., and Imperial Brands. Together, these tobacco companies are responsible for >436,800 American premature deaths/year, yet tobacco investments performed worse than the S&P500 over the last decade. It is clear that for CLK investors, tobacco is the most efficient means of investing to kill Americans. Questionable tobacco investor intentionality, combined with the recent advancement in CLK theory makes it reasonable to assume that some tobacco investors are terrorists using their wealth to specifically target and kill Americans. To determine how widespread this practice is, future work is needed to evaluate CLK tobacco investors against the Terrorist Screening Database.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».