تخمین جریان پولشویی با شبیه سازی مبتنی بر مدل گرانش

درک مبلغ و انواع جریان پولشویی مهم است ، زیرا اثرات بسیار متفاوتی دارند و بنابراین به استراتژی های مختلف اجرای نیاز دارند. کشورهایی که عمدتاً با جنایتکارانی که درآمدهای خود را به صورت محلی شستشو می دهند ، نیاز به اقدامات دیگری نسبت به کشورهایی دارند که عمدتاً با سرمایه گذاری های غیرقانونی خارجی یا پول های کثیف که فقط در داخل کشور جریان دارند ، سروکار دارند. این مقاله دو سهم اصلی دارد. اول ، ما از ترجیحات کشور از پولشویی ها به صورت تجربی به روشی منظم رونمایی می کنیم. برآوردهای سابق پولشویی از فرضیاتی استفاده می کرد که در هنگام تصمیم گیری در مورد اینکه کجا می توانند دستاوردهای بد خود را بفرستند ، به دنبال چه ویژگی های کشور پولشویی ها به دنبال آن هستند. به لطف یک مجموعه داده منحصر به فرد از معاملات مشکوک به پولشویی ، ارائه شده توسط موسسه هلندی Infobox Wealth جنایتکار و غیر قابل توضیح (ICOV) ، ما می توانیم به صورت تجربی این فرضیات را با تخمین مدل گرانش اقتصاد سنجی آزمایش کنیم. ما از این اطلاعات برای سهم دوم خود استفاده می کنیم: به طور تکراری همه جریان های پولشویی را در سراسر جهان شبیه سازی می کنیم. این به ما امکان می دهد تا برای اولین بار تخمین هایی را ارائه دهیم که بین سه چالش مختلف سیاست تمایز قائل شود: شستشوی درآمد جرایم داخلی ، سرمایه گذاری بین المللی پول کثیف و پول فقط در یک کشور جریان دارد.

معرفی

دانش در مورد اندازه و تأثیرات پولشویی مهم است. سیاستمداران و سیاستگذاران برای اولویت بندی مشکل به این اطلاعات نیاز دارند و در مورد پاسخ به سیاست مناسب تصمیم می گیرند. بلکه نوع پولشویی نیز هست. پولی که از جرم داخلی شسته شده است ، به سیاست ضد جرم و ضد پولشویی در داخل کشور نیاز دارد. جریان پول جرم معمولاً به اقتصاد داخلی آسیب نمی رساند و برای همکاری با سایر کشورها و همچنین تخصص مالی برای کشف به اراده سیاسی نیاز دارد. سرمایه گذاری پول کثیف در یک اقتصاد ، مانند املاک و مستغلات که توسط مجرمان خریداری می شود ، به متخصصان نیاز دارد تا توجیهی از پول خرج شده برای این اشیاء 1 را بررسی کنند.

اثرات اقتصادی و اجتماعی پولشویی پولی 2 است و حتی برجسته تر شد زیرا دولت های ملی اکنون موظفند خطرات پولشویی را برای تحقق مقررات و استانداردهای بین المللی ضد پولشویی بین المللی تخمین بزنند.

پولشویی را نمی توان مستقیماً با برخی از آمارهای به راحتی در دسترس اندازه گیری کرد زیرا تمام هدف پولشویی مبدل کردن منشأ جنایتکار است. برجسته ترین مدل های تخمین برای پولشویی ، به اصطلاح واکر و مدل های Unger 4،5،6،7،8 است. رویه های تخمین واکر/Unger-Model انتقاداتی را از سوی دانشمندان پولشویی در مورد فقدان بنیاد تجربی 9،10،11 ، و از سیاست گذاران در مورد عدم توانایی تمایز بین پول های داخلی و بین المللی که در یک کشور و پول فقط پول دارند ، دریافت کرده است. جریان از طریق یک کشور (بیان شده در ایمیل های شخصی و مکالمات به نویسندگان). روشهای تخمین واکر/Unger-Model فقط اولین انتقال بین المللی پول را تخمین می زند و پس از آن همه جریان های بین المللی را نادیده می گیرد.

این مقاله دو کمک اصلی به ادبیات دارد. برآوردهای قبلی از فرضیاتی استفاده می کردند که در هنگام تصمیم گیری در مورد مقصد دستاوردهای بدشان ، به دنبال مشخصات کشور پولشویی ها به دنبال آن هستند. به عنوان مثال ، فرض بر این است که رازداری بانکی و تولید ناخالص داخلی پولشویی را جذب می کنند ، در حالی که فساد و درگیری ، پولشویی ها را برای ارسال پول خود به کشور دیگری 7،8،12 نفر دلسرد می کند. در این مقاله این فرضیات با استفاده از یک مجموعه داده منحصر به فرد از معاملات مشکوک به پولشویی مورد آزمایش قرار می گیرد. به دانش ما ، این اولین مقاله ای است که از ترجیحات کشور پولشویی ها رونمایی می کند. ما از این اطلاعات برای سهم دوم خود استفاده می کنیم: شبیه سازی همه جریان های پولشویی در سراسر جهان ، اولین تخمین هایی را ارائه می دهیم که بین پولشویی داخلی ، سرمایه گذاری بین المللی پول کثیف و پول فقط در جریان است.

از زمان معرفی سیاست های ضد پولشویی ، تقاضای زیادی برای تخمین پولشویی برای توجیه هزینه هایی که توسط نهادهای دولتی و خصوصی برای تعقیب پول کثیف روبرو هستند ، وجود داشته است. واکر 6 ، اشنایدر 13 ، Unger 14 و Baguella و همکاران. 15 همه از یک مدل اقتصادی یا اقتصادی برای تخمین میزان پولشویی استفاده می کنند. واکر 6 اولین بار با یک مدل نمونه اولیه برای تخمین پولشویی جهانی بود. مدل واکر مبتنی بر مدل گرانش از فیزیک 8،16 است. این نوع مدل گرانش ، تخصیص پول کثیف را که باید شستشو شود ، تخمین می زند. بخشی از عواید جرم که از کشور ارسال می شود (i ) به (j ) بستگی به "جذابیت" کشور (j ) برای پولشویی و فاصله بین کشور (i ) و دارد.(j ). Unger 14 با پالایش نشانگر فاصله و به روزرسانی مدل ، مدل واکر را برای هلند جوان کرد. اما ، از آنجا که سمت چپ مدل (میزان پولشویی) ناشناخته است ، ضرایب جذابیت و فاکتورهای فاصله هرگز برای مدل های واکر یا Unger تخمین زده نشده است. ضرایب این مدل فقط بر اساس یک حدس الهام بخش برای محاسبه میزان پولشویی است. نتایج این مدل های نمونه اولیه در مقایسه با سایر تخمین های 8 قابل اعتماد به نظر می رسد اما مشخصات مدل واقعی هرگز مورد آزمایش قرار نگرفت. بنابراین این سؤال باز است که آیا چنین مدل نوع گرانشی می تواند به درستی جریان پولشویی را در سراسر جهان تخمین بزند.

برای اندازه گیری و پیش بینی انواع جریان ها ، مانند رفت و آمد ، ترافیک تفریحی ، جریان بیمار به بیمارستان ها ، مهاجرت ، جریان خریداران در مراکز خرید و تجارت بین منطقه ای و بین المللی ، مدل گرانش با موفقیت اعمال شده است. شاید بنابراین فقط زمان لازم بود تا اینکه این مدل نیز در مورد جریان غیرقانونی اعمال شود ، مانند تجارت هروئین 17 ، پول به پناهگاه های مالیاتی 18 و پولشویی 4،7،8. مدل گرانش از قانون جهانی گرانش نیوتن الهام گرفته شده است ، که بیان می کند که جذابیت بین دو شی به جرم این اشیاء و (معکوس) فاصله متقابل مربع آنها و جاذبه ثابت بستگی دارد. Tinbergen 19 پایه و اساس مدل های گرانش را در متن اقتصادی قرار داد. مدل گرانش همانطور که در خارج از فیزیک اعمال می شود ، تصریح می کند که جریان از (i ) به (j ) با تحریک یا مهار نیروهای مربوط به جریان خاص بین (i ) و (j ) تعیین می شود. و با شرایط عرضه در مبدا ( (i )) و شرایط تقاضا در مقصد ( (j )). مدل گرانش در تجارت بین المللی به طور کلی مانند این 20 به نظر می رسد:

(_ ) نشان دهنده ارزش تجارت بین کشورها (i ) و (j ) ، (yi ) و (yj ) نمایانگر تولید ناخالص داخلی (تولید ناخالص داخلی) کشور (i ) و (j ) ، و (ni ) و (nj ) جمعیت را در (i ) و (j ) نشان می دهد. (di ، j ) و (pi ، j ) متغیرهای مسافتی هستند که به ترتیب فاصله فیزیکی و یک رابطه ترجیح ویژه بالقوه بین (i ) و (j ) هستند. مدل گرانش تجارت دو جانبه اکنون اسب کار اقتصاد بین المللی کاربردی 21 است و در بسیاری از زمینه های مختلف مورد استفاده قرار می گیرد. هنگامی که فرض می کنیم جمعیت تأثیر قابل توجهی ( (_ = _ = 0 )) ندارد ، شباهت به قانون اصلی گرانش نیوتن حتی 20،22،23 واضح تر است.

مدل های گرانش هنگام پیش بینی جریان های دو طرفه مفید هستند ، اما هنگام تخمین جریان های عبور ، مشکلات روبرو هستند. جریان های مختلف در فیزیک و زمین شناسی به طور گسترده تخمین زده می شوند تا به سؤالاتی مانند میزان جریان آب در یک خاک خاص یا از طریق اقیانوس پاسخ دهند. اندازه گیری هایی مانند سرعت حجم یا جرم ، مانند لیتر در ثانیه یا کیلوگرم در ثانیه ، توسط کنتورهای جریان نوری تکمیل می شود که از نور برای تعیین نرخ جریان 24 استفاده می کنند. در علوم اجتماعی ، جریان ها بیشتر به عنوان "ترانزیت" در ادبیات حمل و نقل مورد مطالعه قرار می گیرند ، بسیار کمتر در سایر زمینه های مرتبط مانند مهاجرت و تجارت. این جریان و جریان ، صادرات و واردات است که موضوعاتی در ادبیات تجارت و گردشگری است ، اما جریانهای زیادی را مشاهده نمی کنید. 21

در این مقاله از یک مجموعه داده منحصر به فرد در مورد معاملات مشکوک به پولشویی استفاده شده است. این پروکسی برای شستشو در سمت چپ معادله گرانش به ما امکان می دهد ضرایب مربوطه را در سمت راست (ترجیحات کشور پولشویی ها) تخمین بزنیم. در مدل های واکر/Unger ، سمت چپ با فرض وزن/ضرایب در سمت راست مدل 7،8 محاسبه شد. برآوردهای تجربی ما در مورد تصمیمات پولشویی هنگام انتخاب مقصد پول آنها به ما امکان می دهد تا پولشویی را به طور مکرر در سراسر جهان شبیه سازی کنیم ، از این رو فراتر از اولین قدم با الهام از 25. بنابراین ، برآوردهای ما بین پولشویی داخلی ، پول فقط در جریان و پولشویی بین المللی پول در یک کشور متمایز می شود.

این مقاله به شرح زیر ساخته شده است: بخش "چارچوب مفهومی" چارچوب مفهومی ما را توضیح می دهد. بخش "داده ها" مجموعه داده های ما را توصیف می کند و "نتایج اقتصاد سنجی برای مدل گرانش پولشویی" نتایج اقتصاد سنجی مدل گرانش ما را نشان می دهد. در بخش "مدل سازی جریان بین المللی" ما مدلی را برای استفاده از این بینش ها برای شبیه سازی جریان پولشویی در سراسر جهان تهیه می کنیم. بخش "نتایج شبیه سازی" نتایج شبیه سازی ما را نشان می دهد. آخرین بخش نتیجه می گیرد.

چارچوب مفهومی

هنگامی که یک جنایتکار آنقدر موفق است که او بیشتر از آنچه که به طور مرتب در مصرف مصرف می کند ، درآمد بیشتری کسب می کند ، با مسئله پولشویی روبرو می شود. جنایتکار باید اطمینان حاصل کند که پیوند بین خود ، پول و جرم مبهم می شود تا بتواند آزادانه درآمد جنایی خود را بدون اینکه بعداً توسط مقامات تشخیص داده شود ، بگذراند.

تعاریف حقوقی به طور کلی از تعریف بسیار گسترده ای از پولشویی استفاده می کند ، که حتی موقعیت هایی را نیز در نظر می گیرد که هیچ فعالیت واقعی پولشویی نیز به عنوان پولشویی صورت نگرفته است ، مانند زمانی که جنایتکار صرفاً دارایی های جنایی را در اختیار دارد. به عنوان مثال ، این مورد در هلند 26 ، کشوری است که ما از آن داده ها را برای این مقاله دریافت کردیم. این از نظر تئوری به معنای این است که هر فعالیت جنایی اقتصادی مستقیماً پولشویی نیز هست. سرقت یک نوار آب نبات در یک مغازه ، پس از آن نیز پولشویی خواهد بود زیرا این جنایتکار دارای نوار آب نبات دزدیده شده است. با این حال ، در عمل ، این پولشویی را از نظر باریک و مرتبط با سیاست در نظر نمی گیرد. تمرکز ما در اینجا مدل سازی فعالیت های پولشویی است. بنابراین ، ما تعریف باریک تری از پولشویی را اعمال می کنیم که در نوشتن دانشگاهی در مورد پولشویی استاندارد تر است. پولشویی فعالیت هایی با هدف پنهان کردن منشأ جنایتکار پول است. داده هایی که ما بر اساس آن برآوردهای خود را پایه گذاری می کنیم 5 نیز از این تعریف باریک تر استفاده می کنند. مسئله دیگر در مورد تعریف پولشویی ، جرائم مربوط به محمول مربوطه است که در هر کشور متفاوت است. در این مقاله از یک رویکرد همه جنایات از این نظر استفاده شده است.

روش های زیادی برای شستشوی پول برای دیدن 28 برای یک مرور کلی معاصر وجود دارد. روشهای مختلف پولشویی تقریباً می تواند به روشهای پولشویی داخلی و بین المللی تقسیم شود. یک نمونه کلاسیک از پولشویی داخلی ، اضافه کردن پول نقد به ثبت نقدی یک تجارت با پول نقد (مانند نوار ، رستوران یا با اشاره به منشأ نام ، لباسشویی 29) است. جایگزینی برای شستشوی پول در داخل کشور ، رویه استاندارد پولشویی بین المللی است که در آن جنایتکار پول را به یک بانک می آورد و باعث می شود از طریق سیستم مالی با شرکتهای (خارج از کشور) و ابزارهای مالی که ردیابی پول به آن سخت می شود ، در سطح بین المللی جریان یابد. خاستگاه. پولشویی بین المللی نیز می تواند با قاچاق پول (پول نقد) از مرز انجام شود. به عنوان مثال. 30 یا پولشویی مبتنی بر تجارت 20 ، به عنوان مثال مراجعه کنید. 31. مزیت استفاده از یک روش بین المللی پولشویی این است که مقامات خارجی به طور کلی دانش کمتری در مورد جنایتکار و فعالیت های وی 28 دارند. ضرر ، تشخیص بالقوه در مرز یا در بانکی است که برای اولین بار پول واریز می شود. از این رو ، اولین تصمیم برای پولشویی این است که آیا او می خواهد از یک روش پولشویی داخلی یا بین المللی استفاده کند.

اگر یک پولشویی تصمیم بگیرد که یک روش بین المللی پولشویی را دنبال کند ، باید تصمیم بگیرد که کشور یا کشورهایی را برای ارسال پول به کدام کشور ارسال کند. وقتی در مورد یک روش بین المللی پولشویی صحبت می کنیم ، ما به طور کلی پولشویی را از طریق بخش مالی در نظر می گیریم (برای مواردی که می تواند به عنوان نمونه ای از نحوه پولشویی در سطح بین المللی عمل کند ، به پیوست تکمیلی 1 مراجعه کنید.

اگرچه هر پولشویی تصمیم خود را می گیرد که آیا در داخل کشور یا بین المللی شستشو می دهد و اگرچه درک همه تصمیمات در روند پولشویی دشوار است ، اما می توانیم الگوی کلی را از دیدگاه کلان اقتصادی درک کنیم. ما با استفاده از یک مدل تخمین گرانش شروع می کنیم تا درک کنیم که چگونه می توان جریان پولشویی را توضیح داد.

ما به یک مجموعه داده منحصر به فرد دسترسی پیدا کردیم و برای پرده برداری از کدام (نوع) کشورها پولشویی ها هنگام تصمیم گیری در مورد ارسال پول خود به آنها علاقه مند شدند. ما این کار را با کمک ثروت جنایی و غیر قابل توضیح (ICOV) انجام دادیم. ICOV یک شبکه همکاری هلند از پلیس ملی ، اداره امور مالیاتی ، گمرک ، پلیس مالی ، آژانس جمع آوری قضایی مرکزی ، واحد اطلاعات مالی ، سازمان های ویژه اجرای قانون و دفتر دادستان های عمومی است.

مجموعه داده ما شامل کلیه STR ها (گزارش های معامله مشکوک) است که از سال 2009 تا 2014 در هلند ثبت شده است. طبق استانداردهای بین المللی ضد پولشهنگامی که با معاملات غیرمعمول یا مشکوک در تجارت خود روبرو می شوند ، گزارشی را به واحد اطلاعات مالی (FIU) در کشور خود ارائه دهید. در برخی از کشورها ، اشخاص موظف معاملات مشکوک (به عنوان مثال در آلمان) را گزارش می کنند. در هلند ، اشخاص موظف به اصطلاح گزارش های معامله غیرمعمول (UTR) را به FIU خود ارسال می کنند ، که سپس فیلتر می کند که کدام یک از این گزارش ها مشکوک هستند و باید به سازمان های اجرای قانون منتقل شوند (یعنی UTR ها STR هستند). دلایل FATF که UTR ها را به دلایل ذهنی گزارش داده است (همانطور که در هلند گزارش می شود) در سطح بین المللی درک مساوی با STR هایی است که توسط سایر FIU ها بر اساس C. 16 استفاده می شود. 1 ، 1115. ما فکر می کنیم که این معاملات دو فیلتر و به خوبی تجزیه و تحلیل بهترین پروکسی در دسترس برای معاملات پولشویی هستند.

ما از سال 2009 تا 2018 در هلند به همه STR دسترسی پیدا کردیم ، اما 4 سال گذشته STR را از مجموعه داده های خود حذف کردیم. این امر به این دلیل انجام می شود که داده های اخیر STR همیشه ممکن است تعصب داشته باشند زیرا بررسی FIU و تطبیق با داده های دیگر مدتی طول می کشد. هنگامی که یک جنایتکار برای اولین بار به جرم جرم دستگیر می شود ، او سابقه کیفری می گیرد. این اطلاعات جدید می تواند حاکی از آن باشد که برخی از معاملات وی از دو سال گذشته نیز به عنوان مشکوک تر دیده می شود. دستگیری در سال 2019 می تواند منجر به معاملات (UTR) از سال 2016 شود که در سال 2016 مجدداً به عنوان مشکوک (STR) برچسب گذاری شد. بنابراین ، چند سال طول می کشد تا مجموعه STR ها به یک مجموعه داده ثابت و قابل اعتماد تبدیل شوند. ما توسعه داده ها را مورد تجزیه و تحلیل قرار دادیم و نتیجه گرفتیم که با تاخیر 3 سال داده ها به اندازه کافی قابل اعتماد می شوند. این فرض توسط تیم ICOV تأیید شد.

ما این فرصت را داشتیم که از پایگاه داده STR یا پایگاه داده UTR استفاده کنیم. مبادله در اینجا بین داشتن داده های نزدیک به رفتار مجرمانه ای است که می خواهیم تجزیه و تحلیل کنیم (داده های UTR) و داده های دورتر از منبع اما داده های با کیفیت بهتر (داده های STR). ما ترجیح می دهیم از پایگاه داده STR به جای پایگاه داده UTR استفاده کنیم. داده ها در پایگاه داده STR از کیفیت بالاتری برخوردار هستند زیرا FIU هلند این تراکنش ها را بررسی کرده و در این فرآیند ناسازگاری های ورودی موجودیت های گزارشگر را پاکسازی می کند. به دلیل این تناقضات ورودی، مقدار پول درگیر در UTRها همیشه مشخص نیست و بنابراین نمی توان به طور قابل اعتمادی جمع آوری کرد. با این حال، ما تعداد UTR ها از هلند و به هلند را داریم و از آنها به عنوان تست استحکام استفاده می کنیم. یک تست استحکام (جدول A2 را در ضمیمه 3 ببینید) نشان می دهد که نتایج به طور کلی تفاوت قابل توجهی ندارند.

مدل ما بر معاملات بین المللی تمرکز دارد، بنابراین ما بر مبدا و مقصد هر تراکنش تمرکز می کنیم. ما در هر سال برای هر جفت کشور، تعداد STRها و مقدار پولی را که شامل می شد جمع آوری کردیم. بنابراین، ما به یک پایگاه داده رسیدیم که در آن تعداد STR و تعداد پول مشکوک از هر کشور به هلند (و بالعکس) جریان دارد. این داده ها به ما امکان می دهد اهمیت ویژگی های کشورهای مبدأ (عوامل فشار)، ویژگی های کشورهای مقصد (عوامل کشش) و ویژگی های دوجانبه (عوامل رابطه فاصله/ترجیح) را شناسایی کنیم.

در بخش بعدی ما سعی می کنیم به این سؤال پاسخ دهیم: چرا یک پولشویی پول خود را به یک کشور می فرستد و نه به یک کشور دیگر؟این یک سؤال اساسی است که اساسی برآورد مدل واکر و مدل Unger و به طور کلی همه مدل های گرانش است. برخی از کشورها می توانند نسبت به سایر کشورها برای پولشویی جذاب تر به نظر برسند. ویژگی های کشور (مانند سیستم عدالت کیفری ، میزان اجرای آن) و فاصله (بین کشور مبدا و مقصد) بر هزینه ها و مزایای پولشویی تأثیر می گذارد. فرضیه کلی در مدل های گرانش این است که جریان بین کشورهای بزرگتر و نزدیک بزرگتر است. ما این فرضیه از عوامل تعیین کننده پول جنایی را تکمیل می کنیم با این ایده که پنهان کردن پول در یک جمع پول بزرگتر آسانتر است و کشورهایی که از نظر جسمی و همچنین از نظر فرهنگی نزدیکتر هستند ، پولشویی را آسان تر و ارزان تر می کنند. علاوه بر این ، ما ویژگی های خاص کشور را برای شستشو (مانند میزان فساد و عضویت Egmont ، یک توافق همکاری چند جانبه بین واحدهای اطلاعات مالی برای مبارزه با پولشویی مشترک) اضافه می کنیم تا توضیحات مربوط به جریان پولشویی را بهبود بخشیم.

ما تعیین کننده های مربوطه (متغیرهای توضیحی) جریان پولشویی را بر اساس مدل های گرانش قبلی برای پولشویی 7،8،12،20 انتخاب می کنیم. اینها را می توان به عنوان ویژگی های کشور یا روابط فاصله و اولویت طبقه بندی کرد. تولید ناخالص داخلی به عنوان توده اقتصادی در مدل گرانش ما (بانک جهانی 2019) عمل می کند. کشورهای ثروتمند ممکن است برای پولشویی جذاب تر باشند زیرا خدمات مالی بهتری دارند. ما سرانه تولید ناخالص داخلی را برای گرفتن این اثر شامل می کنیم. ما شامل عضویت Egmont برای کنترل اثرات همکاری بهتر بین National Fius هستیم. کشورهایی که درگیر درگیری های مسلحانه هستند ممکن است برای پولشویی جذاب نباشند زیرا خطر ضرر افزایش یافته است. بنابراین ، ما متغیری را اضافه می کنیم که میزان "قسمتهای اصلی خشونت سیاسی" را اندازه گیری می کند (مرکز صلح سیستمی 2017). کشورهایی که فساد بالایی دارند می توانند برای پولشویی کم و بیش جذاب باشند. از یک طرف ، رشوه هزینه های اضافی را به روند پولشویی اضافه می کند. از طرف دیگر ، ممکن است اجتناب از تشخیص در کشورهای فاسد آسان تر باشد ، همچنین به 32 مراجعه کنید. بنابراین ، ما شامل کنترل فساد از شاخص های حاکمیت جهانی در مدل هستیم. پناهگاه های مالیاتی ممکن است برای پولشویی جذاب تر باشند زیرا باعث کاهش هزینه های مالیاتی می شوند. با این حال ، پناهگاه های مالیاتی به خوبی تعریف نشده اند. بنابراین ، ما سیزده مقاله آکادمیک را بررسی می کنیم که کشورها را به عنوان پناهگاه های مالیاتی طبقه بندی می کنند و شمارش می کنیم که هر کشور به عنوان پناهگاه مالیاتی 33،34،35،36،38،39،41،42،43،44،45 تعیین می شودوادما از پت جانسکی و میروسلاو پالانسکی برای ارائه داده های جمع شده تشکر می کنیم.

متغیرهای مسافت فاصله جسمی و فرهنگی بین هر دو کشور را اندازه گیری می کنند. از مجموعه داده CEPII ، ما فاصله فیزیکی را در کیلومترها بین مراکز با وزن جمعیت برای کشورها و آدمک ها برای کشورهایی که از ارز مشترک استفاده می کنند ، بازیابی می کنیم ، دارای پیشینه استعماری ، دین مشترک و زبان مشترک هستند. برای کنترل فاصله بین کشورهای همسایه ، از یک ساختگی مرزی استفاده می کنیم. سرانجام ، ارزش سالانه تجارت دو جانبه را اضافه می کنیم (همبستگی جنگ 2016). در جدول 1 آمار خلاصه مجموعه داده ارائه شده است.

نتایج اقتصاد سنجی برای مدل گرانش پولشویی

ما مدل گرانش پولشویی را با استفاده از متغیرهای توضیح داده شده در بالا برای دو متغیر وابسته ، ارزش کل STR ها و تعداد STR تخمین می زنیم. انتخاب متغیرهای مستقل مبتنی بر برنامه های قبلی مدل گرانش به پولشویی 7،8،12،14 است ، حتی اگر این برنامه ها هرگز مدل گرانش را برای پولشویی تخمین زده اند (به جداول A3 ، A4 در پیوست تکمیلی 3 برای این برنامه مراجعه کنید. همبستگی این متغیرها). از آنجا که ما در نهایت می خواهیم جریان پولشویی را در سراسر جهان شبیه سازی کنیم ، ما فقط متغیرهایی را انتخاب می کنیم که تقریباً برای همه کشورها در دسترس هستند و متغیرهای بالقوه جالب مانند رازداری بانکی/رازداری مالی را کنار می گذاریم. احتمالاً بهترین داده های مربوط به رازداری (بخش هایی از) شاخص رازداری مالی شبکه عدالت مالیاتی است. متأسفانه ، نسخه 2013 ، جدیدترین نسخه در دوره داده ما ، فقط برای 82 حوزه قضایی در دسترس است. این بدان معنی است که ما باید بیش از نیمی از کشورها را از تحلیل خود کنار بگذاریم. تحقیقات بیشتر با تمرکز صرفاً در مورد درک رفتار پولشویی ها می تواند شامل چنین عوامل تعیین کننده بالقوه باشد ، اما برای این مقاله ، ما خود را به متغیرهایی که تقریباً برای همه کشورهای جهان داده ایم ، محدود می کنیم. ما لگاریتم طبیعی همه متغیرها را می گیریم تا مدل چند برابر با 20:

جدول 2 نتایج تخمین و ضرایب مدل گرانش را با استفاده از ارزش معاملات مشکوک (ستون 1) و تعداد معاملات مشکوک (ستون 2) در سمت چپ مدل گرانش به عنوان یک پروکسی برای پولشویی نشان می دهد. وادنتایج به طور کلی مطابق با انتظارات ما است. به عنوان مثال ، تولید ناخالص داخلی ، که به عنوان توده اقتصادی در مدل های ما عمل می کند ، ضریب مثبت و معناداری برای منشا و کشور مقصد در هر دو مدل دارد. این بدان معناست که کشورهایی که تولید ناخالص داخلی بالاتری دارند هم پول جنایی بیشتری را به هلند و از هلند ارسال می کنند و دریافت می کنند. علاوه بر این ، فاصله فیزیکی دارای علامت منفی مورد انتظار است ، نشان می دهد که فاصله جسمی جریان پول جنایتکار را کاهش می دهد. این نتیجه مطابق با ادبیات تجارت است ، جایی که فاصله به عنوان هزینه معامله 46 دیده می شود. تجزیه و تحلیل استحکام ما نشان داد که استفاده از سایر اقدامات از راه دور استاندارد (مانند فاصله فیزیکی در کیلومتر بین کشورها بر اساس مهمترین شهرها/آگلومره ها و فاصله بین پایتخت ها) نتایج بسیار مشابهی می دهد.

جدول 3 تخمین های پولشویی برای کشورهای OECD برای سال 2014 پس از پنج دور جریان بین المللی.

مدل سازی جریان های بین المللی

در نهایت شبیه سازی پولشویی در سراسر جهان ، ما الگویی را برای جریان بین المللی پول جنایتکار بین همه کشورها و همچنین جریان های مختلف از طریق همه کشورها تهیه می کنیم. برای کشورهای (n ) در مدل ما ، فهرست بندی شده (i = 1،2 ، ldots ، n ) (وقتی کشور است که پول از آن می آید) و (j = 1،2 ، ldots ،n ) (وقتی کشوری است که پول به آن جریان می یابد). ما با مقدار پولی که توسط جرم در هر کشور ایجاد می شود (i ) شروع می کنیم و باید شستشو شود ، (c_ ). برخی از این پول در داخل کشور شسته شده است ، بقیه در سطح بین المللی شسته می شوند. کسری از شستشوی داخلی برای هر کشور متفاوت خواهد بود. ما ( widehat را تعریف می کنیم<>) به بخشی از پولشویی داخلی برای کشور (i ). با تعریف ، ( widehat<> در سمت چپ [ راست] epsilon forall i ). مبلغ پولی که در کشوری که در آن تولید می شود ، شستشو می دهد ، (d_ ) ، محصول (c_ ) و ( widehat است<> ) :

با ساخت و ساز ، مقدار باقیمانده ، (C_ - D_ ) به خارج از کشور ارسال می شود.

یک ماتریس مجاور ، اهمیت نسبی هر کشور را برای همه جریان ها توصیف می کند و تعیین می کند که پول کشورها از هر کشور کدام جریان می یابد. از آنجا که همه کشورها (به طور بالقوه) هر دو فرستنده و گیرنده های جنایی هستند ، ماتریس مجاورت یک ماتریس مربع (n ) است:

In matrix (A) , the rows represent the sending countries and the columns the receiving countries, so that each element (a_) is the percentage of total outflowing money from country (i) that flows to country (j) . As such, (a_) represents the relative importance of country (j) for criminal money sent abroad by country (i) . By definition, the sums of the rows must all equal 1 (100%), because all outflowing money from each country needs to go somewhere. The diagonal elements of (A) are zero because this matrix only describes the relative importance between different countries. The importance of domestic money laundering for a country’s criminals is captured by ( widehat>>) ، تعریف شده در بالا.

در هر دور ، در هر کشور مبلغ پول وجود دارد که باید به خارج از کشور ارسال شود. در دور اول ، این مقدار (C_ - D_ ) است. پولشویی بین المللی به طور کلی شامل چندین مرحله است که پول از طریق چندین کشور برای پنهان کردن منشأ جنایتکار خود ارسال می شود. ما فرض می کنیم که چندین دور وجود دارد که پول فقط در کشورها جریان می یابد تا منشأ آن را پنهان کند اما هنوز پارک نشده یا سرمایه گذاری نشده است. بنابراین ، در دورهای بعدی ، مبلغی که توسط هر کشور به خارج از کشور ارسال شده است با مبلغ دریافت شده در دور قبلی برابر است.

در هر دور (k = 1،2 ، ldots ، k ) ، مبلغ پول ارسال شده از کشور (i ) به کشور (j ) به صورت محاسبه می شود