Chasing assets abroad: Ideas for more effective asset tracing and recovery in <scp>cross‐border</scp> insolvency
Notice bibliographique
Résumé
Abstract Asset tracing and recovery (ATR) has become highly challenging in the digital age, where, with the touch of computer keys, assets can be shifted through multiple jurisdictions within minutes, creating significant challenges for recovering value. While many countries have tools to enable ATR, these tools differ from jurisdiction to jurisdiction and often are not recognized across borders in a manner that keeps pace with the need for rapid ATR, particularly during insolvency. This article takes stock of the myriad ATR tools available in domestic systems to discern parameters of key ATR tools that have common objectives, features, and safeguards, and that can form the basis of more standardized understanding and application of such tools. It also explores the extent to which cross‐border ATR is aided by the leading frameworks for global, cross‐border insolvency—the UNCITRAL Model Laws on Cross‐Border Insolvency, insolvency‐related judgments, and enterprise groups—in the process, revealing gaps and uncertainties. Such uncertainties can result in losses to stakeholders affected by insolvencies of different business sizes but can be particularly detrimental in small and medium enterprise (SME) cross‐border insolvencies where there are typically more limited resources to chase assets. Against this backdrop, this article proposes ideas for the enhancement of the cross‐border insolvency framework, to allow for effective cross‐border access to information held abroad, the freezing of assets in cross‐border cases, and the cross‐border recovery of assets.
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 | 0,001 | 0,003 |
| 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 | 0,002 |
| 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 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 ».