Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "pranie pieniędzy" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
FinTech
Autorzy:
Gradzi, Dariusz.
Powiązania:
Przegląd Bezpieczeństwa Wewnętrznego 2020, nr 22(12), s. 11-38
Data publikacji:
2019
Tematy:
Cyberprzestępczość
Internet
Pranie pieniędzy
Terroryzm
Finansowanie
Artykuł z czasopisma naukowego
Opis:
Artykuł przybliża wyzwania na rynku płatności elektronicznych wobec prania brudnych pieniędzy i finansowaniem terroryzmu. Dostosowania do nowych trendów i wyzwań wymaga obszar walut wirtualnych. Wymagana jest wymiana informacji pomiędzy instytucjami finansowymi a organami nadzorczymi oraz przeciwdziałanie praktykom de-risku. W najbliższym czasie wyzwania w tym obszarze będą związane z rozwojem FinTech oraz RegTech.
Bibliografia, wykaz aktów prawnych na stronach 34-37.
Dostawca treści:
Bibliografia CBW
Artykuł
Tytuł:
Banks obligations related to prevention of money laundering and terrorist financing in the light of amended regulations
Obowiązki banków związane z przeciwdziałaniem praniu pieniędzy oraz finansowaniem terroryzmu w świetle znowelizowanych przepisów
Autorzy:
Golonka, Anna
Powiązania:
https://bibliotekanauki.pl/articles/1360801.pdf
Data publikacji:
2019-06-30
Wydawca:
Uczelnia Łazarskiego. Oficyna Wydawnicza
Tematy:
pranie pieniędzy
finansowanie terroryzmu
banki
podmioty obowiązane
money laundering
terrorist financing
banks
obliged entities
Opis:
The Act of 1 March 2018 on preventing money laundering and terrorist financing entered into force on 13 July 2018 and repealed the Act of 16 November 2000, substituting for it and introducing a series of changes in the system of preventing those negative phenomena. They consist in the need for obliged entities to assess the level of risk of money laundering or terrorist financing and, as a result, to take adequate financial security measures. A deeper analysis of the Act results in a conclusion that many of the newly enacted regulations, in fact, refer to terminology that is quite often not clear and unambiguous enough. Such a state may cause difficulties with the application of its provisions, which in particular concerns obliged entities, i.e. entities on which the Act imposes obligations connected with the protection of the financial system against the use of those entities to launder money or finance terrorism. On the other hand, banks hold a leading position in this system both in the sphere of regulations and actual, active involvement in preventing those phenomena. It results, inter alia, from prevention mechanisms that have been worked out for many years as well as internal regulations that can really contribute to the elimination of those financial institutions’ participation in money laundering or terrorist financing. Therefore, it can be assumed that they constitute a kind of “model” obliged institutions for which the Act of 1 March 2018 is of fundamental importance. It seems to be especially significant that the presented expectations are not always supported by adequate norms, which concerns not just the idea of preventing money laundering but the requirements and methods of determining them in the Act of 1 March 2018. The present article is devoted to those issues.
W dniu 13 lipca 2018 r. weszła w życie ustawa z dnia 1 marca 2018 r. o przeciwdziałaniu praniu pieniędzy oraz finansowaniu terroryzmu, która uchyliła obowiązującą do tej daty ustawę z dnia 16 listopada 2000 r., zastępując ją i wprowadzając szereg zmian w systemie prewencji przed tymi negatywnymi zjawiskami. Sprowadzają się one do potrzeby przeprowadzania przez instytucje obowiązane oceny poziomu ryzyka prania pieniędzy oraz finansowania terroryzmu, a w ślad za tym podejmowania stosownych środków bezpieczeństwa finansowego. Bardziej dogłębna analiza przedmiotowej ustawy nasuwa jednak spostrzeżenie, że wiele z nowowprowadzonych regulacji odwołuje się w istocie do terminologii, która nierzadko jest niewystarczająco klarowna i jednoznaczna. Taki stan rzeczy może powodować trudności w stosowaniu jej postanowień, co odnosi się w szczególności do instytucji obowiązanych, czyli podmiotów, na które przedmiotowy akt prawny nakłada obowiązki związane z ochroną systemu finansowego przed wykorzystaniem tych instytucji w celu prania pieniędzy lub finansowania terroryzmu. W systemie tym zaś banki od lat zajmują pozycję lidera zarówno w sferze regulacji, jak i faktycznego, aktywnego zaangażowania w zapobieganie tym procederom. Wynika to m.in. z wypracowanych mechanizmów prewencyjnych, a także wewnętrznych regulacji, które realnie mogą przyczynić się do wyeliminowania przypadków udziału tych instytucji finansowych w praniu pieniędzy lub finansowaniu terroryzmu. Można więc uznać, że stanowią one rodzaj „modelowych” instytucji obowiązanych, dla których zarazem ustawa z 1 marca 2018 r. ma kardynalne znaczenie. Wydaje się ono tym bardziej istotne, że tak nakreślone oczekiwania nie w każdym przypadku znajdują poparcie w stosownych unormowaniach, co dotyczy nie tyle samej idei zapobiegania praniu pieniędzy, ale raczej wymagań i sposobu ich określenia w ustawie z dnia 1 marca 2018 r. Tym zagadnieniom poświęcone jest niniejsze opracowanie.
Źródło:
Ius Novum; 2019, 13, 2; 124-145
1897-5577
Pojawia się w:
Ius Novum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Money laundering as a major risk to the stability of the banking industry
Pranie pieniędzy jako istotne zagrożenie stabilności sektora bankowego
Autorzy:
Kot, Marek
Powiązania:
https://bibliotekanauki.pl/articles/1930418.pdf
Data publikacji:
2021
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
money laundering
stability
banking industry
economy
financial crime
pranie pieniędzy
stabilność
sektor bankowy
gospodarka
przestępstwa finansowe
Opis:
This paper presents important and pending risks to the stability of the banking industry arising from the impact of money-laundering practices. The major focus is placed upon the proper organization of the terms typically employed in relation to the issue under study, supported by critical literature analyses and complete with an attempted evaluation of the potential effects of money-laundering processes. The paper provides an overview of the issue at hand without aspiring to form any exhaustive judgements. The marked dynamics of changes, both in the banking segment and its immediate environment, requires constant evaluation and observation, and this postulate applies also to processes associated with money-laundering. The wealth of the presented data may serve as the basis for further research of analytical approaches to the study of money-laundering practices.
Artykuł przedstawia ważną i aktualną problematykę wpływu procesów prania brudnych pieniędzy na stabilność systemu bankowego. Celem artykułu było uporządkowanie terminologii omawianego zagadnienia, krytyczna analiza literatury oraz próba identyfikacji potencjalnych skutków prania brudnych pieniędzy. Artykuł ma charakter przeglądowy i nie wyczerpuje omawianego problemu. Dynamika zmian zarówno w systemie bankowym, jak i w jego otoczeniu wymaga stałej obserwacji procesów w nim zachodzących, w tym także procesów związanych z praniem brudnych pieniędzy. Zebrane przez autora dane stanowią podstawę do prowadzenia dalszych badań w zakresie opracowywania sposobów analizowania tych procesów.
Źródło:
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2021, 65, 4; 77-93
1899-3192
Pojawia się w:
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Analysis of Novel Money Laundering Data Using Heterogeneous Graph Isomorphism Networks. FinCEN Files Case Study
Wykorzystanie heterogenicznych grafowych sieci izomorficznych w analizie danych związanych z praniem brudnych pieniędzy. Studium przypadku FinCEN
Autorzy:
Wójcik, Filip
Powiązania:
https://bibliotekanauki.pl/articles/38890419.pdf
Data publikacji:
2024
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
money laundering
deep learning
machine learning
network analysis
graphs
pranie brudnych pieniędzy
uczenie głębokie
analiza sieci
grafy
Opis:
Aim: This study aimed to develop and apply the novel HexGIN (Heterogeneous extension for Graph Isomorphism Network) model to the FinCEN Files case data and compare its performance with existing solutions, such as the SAGE-based graph neural network and Multi-Layer Perceptron (MLP), to demonstrate its potential advantages in the field of anti-money laundering systems (AML). Methodology: The research employed the FinCEN Files case data to develop and apply the HexGIN model in a beneficiary prediction task for a suspicious transactions graph. The model's performance was compared with the existing solutions in a series of cross-validation experiments. Results: The experimental results on the cross-validation data and test dataset indicate the potential advantages of HexGIN over the existing solutions, such as MLP and Graph SAGE. The proposed model outperformed other algorithms in terms of F1 score, precision, and ROC AUC in both training and testing phases. Implications and recommendations: The findings demonstrate the potential of heterogeneous graph neural networks and their highly expressive architectures, such as GIN, in AML. Further research is needed, in particular to combine the proposed model with other existing algorithms and test the solution on various money-laundering datasets. Originality/value: Unlike many AML studies that rely on synthetic or undisclosed data sources, this research was based on a publicly available, real, heterogeneous transaction dataset, being part of a larger investigation. The results indicate a promising direction for the development of modern hybrid AML tools for analysing suspicious transactions; based on heterogeneous graph networks capable of handling various types of entities and their connections.
Cel: Celem niniejszej analizy jest opracowanie i zastosowanie nowego modelu HexGIN (heterogeniczne rozszerzenie dla izomorfizmu sieci grafowych) do danych z dochodzenia dziennikarskiego FinCEN oraz porównanie jego jakości predykcji z istniejącymi rozwiązaniami, takimi jak sieć SAGE i wielowarstwowa sieć neuronowa (MLP). Metodyka: W badaniach wykorzystano dane ze śledztwa FinCEN do opracowania i zastosowania modelu HexGIN w zadaniu przewidywania beneficjenta sieci powiązanych transakcji finansowych. Skuteczność modelu porównano z istniejącymi rozwiązaniami wykorzystującymi sieci neuronowe grafu w serii eksperymentów z walidacją krzyżową. Wyniki: Eksperymentalne wyniki na danych walidacji krzyżowej i zestawie testowym potwierdzają potencjalne zalety HexGIN w porównaniu z istniejącymi rozwiązaniami, takimi jak MLP i SAGE. Proponowany model przewyższa inne algorytmy pod względem wyniku miary F1, precyzji i ROC AUC, w fazie zarówno treningowej, jak i testowej. Implikacje i rekomendacje: Wyniki pokazują potencjał heterogenicznych grafowych sieci i ich wysoce ekspresyjnych implementacji, takich jak GIN, w analizie transakcji finansowych. Potrzebne są dalsze badania, zwłaszcza w celu połączenia proponowanego modelu z innymi istniejącymi algorytmami i przetestowania rozwiązania na różnych zestawach danych dotyczących problemu prania brudnych pieniędzy. Oryginalność/wartość: W przeciwieństwie do wielu badań, które opierają się na syntetycznych lub nieujawnionych źródłach danych związanych z praniem brudnych pieniędzy, to studium przypadku opiera się na publicznie dostępnych, rzeczywistych, heterogenicznych danych transakcyjnych, będących częścią większego śledztwa dziennikarskiego. Wyniki wskazują obiecujący kierunek dla rozwoju nowoczesnych hybrydowych narzędzi do analizy podejrzanych transakcji, opartych na heterogenicznych sieciach grafowych.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2024, 28, 2; 32-49
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies