Fraude en productos financieros y compliance regulatorio: ¿Por qué se necesitan medios alternativos de control?
Bibliographic record
Abstract
Esta presentación no es sobre controlar los fraudes de productos financieros de alto riesgo mediante la mejor identificación de los riesgos y una mayor aplicación de las leyes administrativas, civiles y/o penales existentes (o nuevas). Más bien, se enfoca en demostrar la inutilidad de estas estrategias y compartir la necesidad estructural de desarrollar otras formas de control social sobre los delitos de la economía. A fin de anclar las discusiones sobre la delincuencia y el control del delito dentro de las leyes de la expansión capitalista, primero procederé a ubicar el capital financiero global dentro de la economía política mundial. Para avanzar en el argumento de políticas alternativas, primero describo las fuerzas contradictorias del capitalismo de libre mercado, así como el fracaso de las leyes sobre productos financieros para impedir los fraudes financieros de Wall Street. A continuación, tomo en cuenta la falta de controles e ineficacia de las intervenciones estatales en los fraudes financieros de alto riesgo. Por último, en el marco de la construcción de un ecosistema globalmente sostenible, señalo más de 30 políticas alternativas o recomendaciones para manejar más eficazmente el dinero sucio, la delincuencia financiera y los delitos cometidos por corporaciones multinacionales de mucho poder. En conjunto, estas políticas alternativas de control no represivo de la financiarización del delito económico en general, y del fraude de productos financieros, en particular, giran en torno a la redistribución del poder social, político y económico como un plan para evitar futuras catástrofes comerciales, originadas principalmente por la creciente concentración del capital financiero global. Estas políticas también anticipan el distanciamiento de las economías de libre mercado y un corrimiento hacia economías sociales con mercados justos, no muy diferentes de lo que se ha venido desarrollando en la provincia canadiense de Quebec, durante las últimas dos décadas, y hacia economías locales más verdes como la de Portland, estado de Oregón, en los Estados Unidos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".