Розширена анотація українською мовою

Стаття узагальнює аргументи та контраргументи в межах наукової дискусії з питання удосконалення системи протидії легалізації кримінальних доходів. Основною метою проведеного дослідження є оцінювання ефективності системи протидії легалізації доходів. Дослідження питання оцінювання ефективності системи протидії легалізації доходів в статті здійснено в наступній логічній послідовності: формування інформаційної бази дослідження; визначення термінальних подій як критеріїв ефективності системи протидії легалізації кримінальних доходів; побудова таблиць «виживання», що передбачають визначення ймовірності настання судового вироку з питань фінансового моніторингу; оцінювання ефективності інституційних змін у системі протидії легалізації кримінальних доходів. Для проведення дослідження використано методи методи аналізу виживання – таблиці виживання, метод Каплана-Мейєра. Апробація розроблено науково-методичного підходу до оцінювання ефективності системи протидії легалізації доходів здійснювалася на основі даних фінансового моніторингу в Україні, періодом дослідження обрано 2009-2022 роки. На основі проведеного аналізу визначені часові інтервали та встановлені ймовірності уникнути покарання за злочин легалізації доходів, одержаних незаконним шляхом. Автори статті емпірично визначили, що зі збільшенням часу між моментом вчинення злочину та моментом винесення обвинувального вироку суду зменшується ймовірність того, що не буде винесено обвинувальний вирок суду. Визначено, якщо після вчинення злочину пройде 3 роки 7 місяців, ймовірність винесення обвинувального вироку буде 50,9%. На основі отриманих розрахунків справедливо стверджувати, що наразі зміни у організаційно-функціональному складі системи протидії легалізації доходів, одержаних незаконним шляхом, які були впроваджені протягом останніх років не призвели до значного ефекту у підвищенні якості протидії легалізації незаконних доходів. Подальші дослідження повинні бути направлені на детальний аналіз структурних елементів інституційної частини системи протидії легалізації незаконних доходів, щоб виокремити слабкі сторони кожного етапу: фінансового моніторингу, слідства та судової системи.

Ключові слова: фінансове шахрайство, ефективність, відмивання грошей, регулювання, аналіз виживання.

Класифікація JEL: C25, G18, O17.

Цитувати як: Juhaszova, Z., Boyko, A., Bozhenko, V., Mynenko, S., Buriak, A., & Vynnychenko, N. (2023). An Innovative Approach to Evaluate the Effectiveness of Combating Money Laundering. Marketing and Management of Innovations, 14(2), 227-235. https://doi.org/10.21272/mmi.2023.2-21

Ця стаття публікуються за ліцензією Creative Commons Attribution International License

Список використаних джерел

1. Aliyeva, Z. (2022). Innovation in healthcare management: drug decriminalization for reducing the health damage from crime. Marketing i menedžment innovacij. [Google Scholar] [CrossRef]
2. Baio, G. (2020). survHE: survival analysis for health economic evaluation and cost-effectiveness modeling. Journal of Statistical Software, 95, 1-47. [Google Scholar] [CrossRef]
3. Bracco, E., & Onnis, L. (2022). Immigration, amnesties, and the shadow economy. Bulletin of Economic Research, 74(4), 1135-1162. [Google Scholar] [CrossRef]
4. Canhoto, A. I. (2021). Leveraging machine learning in the global fight against money laundering and terrorism financing: An affordances perspective. Journal of business research, 131, 441-452. [Google Scholar] [CrossRef]
5. Dmytrov, S., & Medvid, T. (2017). An approach to the use of indices-based analysis subject to money laundering and terrorist financing national risk assessment. [Google Scholar] [CrossRef]
6. Jiroudkova, A., Anna, L., Strielkowski, W., & Slosarcík, I. (2015). EU accession, transition and further integration for the countries of Central and Eastern Europe. Economics & Sociology, 8(2), 11. [Google Scholar] [CrossRef]
7. Kuznietsova, A. Y., Kuznietsova, K. A. Y., Tiutiunyk, I. V., Panimash, Y., Zsolt, Z., & Zsolt, P. (2022). Management of Innovations in Public Administration: Strategies to Prevent the Participation of Financial Intermediaries in Shadow Operations. [Google Scholar] [CrossRef]
8. Lu, J., Ren, L., Qiao, J., Yao, S., Strielkowski, W., & Streimikis, J. (2019). Corporate social responsibility and corruption: Implications for the sustainable energy sector. Sustainability, 11(15), 4128. [Google Scholar] [CrossRef]
9. Lyeonov, S., Kuzmenko, O., Yarovenko, H., & Dotsenko, T. (2019). The innovative approach to increasing cybersecurity of transactions through counteraction to money laundering. Marketing & Management of Innovations, (3). [Google Scholar] [CrossRef]
10. Mazurenko, O., Tiutiunyk, I., & Derkach, L. (2021). The Impact of Tax Morality on Tax Evasion: Evidence of EU Countries. [Google Scholar] [CrossRef]
11. Njoku, K., Barr, C. E., Hotchkies, L., Quille, N., Wan, Y. L., & Crosbie, E. J. (2021). Impact of socio‐economic deprivation on endometrial cancer survival in the North West of England: a prospective database analysis. BJOG: An International Journal of Obstetrics & Gynaecology, 128(7), 1215-1224. [Google Scholar] [CrossRef]
12. Salehi A., Ghazanfari M., Fathian M. Data mining techniques for anti-money laundering. International Journal of Applied Engineering Research, 2017, 12(20). Р. 10084–10094. [CrossRef]
13. State Financial Monitoring Service of Ukraine (2022). Information on the results of the State Financial Monitoring Service for 2022. Retrieved from [Link]
14. Stojanov, R., Strielkowski, W., & Drbohlav, D. (2011). Labour migration and remittances: current trends in times of economic recession. Geografie, 116(4), 375-400. [Google Scholar] [CrossRef]
15. Strielkowski, W., & Höschle, F. (2016). Evidence for economic convergence in the EU: The analysis of past EU enlargements. Technological and Economic Development of Economy, 22(4), 617-630.[Google Scholar] [CrossRef]
16. The Unified State Register of Court Decisions. Retrieved from [Link]
17. Tiutiunyk, I. & Kozhushko, I. (2022). Modelling the Impact of Shadow Financial Transactions on the Country’s Financial Potential. Financial Markets, Institutions and Risks, 6(4), 134-143. [Google Scholar] [CrossRef]
18. Wang, P., Li, Y., & Reddy, C. K. (2019). Machine learning for survival analysis: A survey. ACM Computing Surveys (CSUR), 51(6), 1-36. [Google Scholar] [CrossRef]
19. Yarovenko, H., & Rogkova, M. (2022). Dynamic and bibliometric analysis of terms identifying the combating financial and cyber fraud system. Financial Markets, Institutions and Risks (FMIR), 6(3), 93-104. [Google Scholar] [CrossRef]