Rahanpesun sääntelyn haasteet: Painopisteenä itsepesun kriminalisointi
Bibliographic record
Abstract
Rahanpesurikoksista säädetään rikoslain 32 luvussa. Aikaisemmin rahanpesusäännökset sisällytettiin kätkemisrikoksia koskevaan lainsäädäntöön. Rahanpesu erotettiin 1.4.2003 voimaan tulleella lakimuutoksella kätkemisrikoksista saaden oman erillisen tunnusmerkistön. Kansallista lainsäädäntöä on kuitenkin viime vuosina tarkastettu vastaamaan nykyajan vaatimuksia, sillä rahanpesijät etsivät jatkuvasti uusi mahdollisuuksia rahanpesuprosessin tekemiseen. Lainsäädännönkin on näin ollen kyettävä mukautumaan jatkuvasti muuttuvassa rahanpesun toimintakentässä. \n\nTutkimus on niin oikeusdogmaattinen kuin myös oikeuspoliittinen. Oikeusdogmaattinen ote tulee esille tarkastellessa rahanpesun määritelmää, rahanpesulainsäädännön sisältöä ja miten kansainväliset sopimukset sekä ylikansalliset direktiivit vaikuttavat kansalliseen lainsäädäntöön. Tutkimuksessa tuodaan myös esille rahanpesunprosessin vaiheet ja käytössä olevat torjuntakeinot. Oikeuspoliittisen metodin mukaisesti tutkimuksessa tarkastellaan rahanpesulainsäädäntömuutoksia nykyisine ongelmineen. Lainsäädäntömuutosten osalta painopiste on rahan itsepesun kriminalisoimiseksi tähtäävässä lakihankkeessa. \n\nRikoslain 32 luvun 6§:ssä säädetään rahanpesun tunnusmerkistöstä. Pykälän ongelmaksi koettiin 1.4.2004 jälkeenkin, että se ei edelleenkään kata kaikkia tekomuotoja. Tästä syystä uusi tunnusmerkistö astui voimaan 1.6.2011 kattaen nykyisellään lähes kaikki rahanpesun eri muodot. Muutoksessa ei kuitenkaan tehty muutoksia muuhun kun pykälän sanamuotoon, joten se aiheuttaa ongelmia menettämisseuraamusten osalta siitä syystä, että rahanpesurikoksissa ei ole asianomistajaa. \n\nSuomi on saanut palautetta itsepesun kriminalisoimattomuuden osalta. Suomen tämän hetkinen kanta on se, että esirikoksen tekijää ei voida rangaista rahanpesusta, sillä rahanpesuun sisältyvä moitittavuus on huomioitu esirikoksen rangaistuksessa. Merkittävänä ongelmana on kuitenkin se, että pienikin osallistuminen vähäiseenkin esirikokseen, poistaa mahdollisuuden rangaista rahanpesusta. Muun muassa nämä seikat ja kansainväliset huomautukset Suomen lainsäädäntöä kohtaan ovat johtaneet siihen, että oikeusministeriön asettama työryhmä ryhtyi pohtimaan mahdollisuutta kriminalisoida itsepesu. Työryhmän muistio ja sitä seuranneet asiantuntijalausunnot toimivat pohjana hallituksen esitykselle rikoslain 32 luvun 11§ ja 12§ muuttamisesta. \n\nHallituksen esitys ehdottaa itsepesun osalta rikoslain 11§ muuttamista siten, että henkilö voitaisiin tuomita esirikoksen osallisuuden estämättä törkeästä rahanpesusta, mikäli rahanpesurikos muodostaa tekojen jatkuvuus ja suunnitelmallisuus huomioon ottaen olennaisimman ja moitittavimman osan rikoskokonaisuudesta. Samassa esityksessä ehdotetaan parantamaan asianomistajan oikeuksia rikoslain 32 luvun 12§ menettämisseuraamuksen osalta.\n\nLainsäädäntömuutokset ovat relevantteja, sillä rahanpesurikokset kansainvälistyvät ja monimutkaistuvat jatkuvasti. Lainsäädännön on kyettävä vastaamaan sille asetettuihin haasteisiin ja sen on pystyttävä puuttumaan nimenomaisesti ongelmien ytimeen.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.069 | 0.018 |
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".