A critical analysis of Somalia’s current antimoney laundering and counter financing of terrorism regime: a comparative study with Malaysia
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 Concerns on money laundering (ML) and terrorist financing increased, as ML accounted 2%–5% of the global GDP, with Switzerland, the USA, Canada, India and Russia having high laundering rates. Banks were fined over US$320bn in 2008, but money laundering still accounted for 3.6% of global GDP in 2009, thereby indicating the need for effective regimes. Therefore, this study aims to critically analyze the antimoney laundering (AML)/CFT regime of Somalia, identify loopholes in the regime, raise awareness and propose recommendations for regime improvement. Design/methodology/approach The qualitative research approach is used to compare Somalia’s AML/CFT regime with the corresponding regime of Malaysia through the black letter method combined with document analysis. Malaysia is selected as a benchmark for two reasons: firstly, it is an Islamic country like Somalia, and secondly, Malaysia has complied with integrity-related standards. Findings This study revealed that an impactful AML/CTF regime is reached by closing loopholes in the law, reevaluating and improving regulatory agencies and measures, facilitating formal financial services and collaborating with regional and international standard setters. According to the results, Somalia AML/CFT regime is counterproductive in criminalizing offenses; regulating digital currencies and mobile money, disclosures and nonfinancial business and provisions; and governing training requirements for regulatory agencies and financial institutions. Originality/value To the best of the author’s knowledge, this paper is the first of its kind in the study of Somalia’s regime building. Also, this study incorporates rich scholarly discourse on effective regime building.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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