سیاستگذاری مبارزه با پول‌شویی در نظام بانکی ایران: تحلیل تعاملات بین‌ ذی‌نفعان از طریق نظریه بازی‌ها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مالی بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

2 استادیار اقتصاد، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران

3 دکتری حسابداری، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران

چکیده

در مبارزه با پول‌شویی، نظام بانکی به همکاری با ذی‌نفعان متعدد با اهداف مختلف از جمله نهادهای نظارتی و قانون‌گذاران، بانک‌ها، سازمان‌های بین‌المللی، شرکت‌های فناوری و مشتریان نیاز دارد. این ذی‌نفعان در ایران از طریق تحلیل محتوا و مصاحبه با خبرگان صنعت بانکداری به کمک نمونه‌گیری اشباع نظری شناسایی شده‌ است. با استفاده از نظریه بازی‌ها و مدل گراف، تعاملات بین این گروه‌ها به‌منظور رسیدن به تعادل در حال حاضر و آینده تجزیه‌وتحلیل شده است. تحلیل مسیر تکاملی، مسیرهای دستیابی به تعادل را با تأکید بر نقش شرکت‌های فناوری در ابتکارات نظارتی و کوشش‌های سازمان‌های بین‌المللی برای پیاده‌سازی استانداردهای جهانی روشن کرده است. بررسی‌ها نشان می‌دهند که وضعیت تعادلی فعلی با مطلوب سیاستگذاران سازگار نیست؛ بنابراین، با تحلیل بازی معکوس، استراتژی‌های مداخله‌ای سیاستگذاران باهدف تعدیل ترجیحات ذی‌نفعان مورد بررسی قرار گرفته‌ است. وضعیت مطلوب شامل اعمال قوانین سخت‌گیرانه توسط نهادهای نظارتی، تقویت سیستم‌های داخلی بانک‌ها و همکاری فعال مشتریان با محدودیت‌ها است.

کلیدواژه‌ها

مراجع

  1. Abdoli, Gahraman (2007). Game Theory and Its Applications (Static and Dynamic Games with Complete Information). Tehran, Tehran University Jihad Academic Publications. {In Persian}.
  2. Alnasser Mohammed, S. A. S. (2021). Money laundering in selected emerging economies: is there a role for banks?. Journal of Money Laundering Control, 24(1), 102-110.‏
  3. Bayram Pakravan, (2019). Investigating the impact of anti-money laundering policies on risk management in credit institutions and banks with an emphasis on the role of the mediation of the internal control system, Islamic Economics & Banking, 8(27), 175-198. {In Persian}.
  4. Bryson, J. M. (2004). What to do when stakeholders matter: stakeholder identification and analysis techniques. Public management review, 6(1), 21-53.‏
  5. Carroll,Archie B. (1996). Business and Society: Ethics and Stakeholder Management. 3rd Edition. Southwestern: Cincinnati.
  6. Clarkson, Max B. E. (1995). A Stakeholder Framework for Analyzing and Evaluating Corporate Social Performance. Academy of Management Review,1(20),92-117.
  7. Dr Ghahraman Abdoli, Dr Vahid Majed, (2012). Analyzing OPEC Members Behavior: A Cooperation Game Approach, Journal of Economic Modeling Research, 2(7), 27. {In Persian}.
  8. Fang, L., Hipel, K. W., Kilgour, D. M., & Peng, X (2003). A decision support system for interactive decision making-part II: analysis and output interpretation. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 33(1), 56-66.
  9. Freeman, R. Edward. (1984). Strategic Management: A Stakeholder Approach.Pitman Publishing Inc. Massachusetts, Publishing Ine,276.
  10. Friedman, A., & Miles, S. (2006). Stakeholder: Theory and practice. UK: Oxford University Press.
  11. Glaser, B., & Strauss, A. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Mill Valley, CA: Sociology Press.
  12. Hamid Mahdavi Khokhsarai, Mohammadreza Shahriari , Fereydon Rahnema Rudpashti, Syed Abdullah Sajjadi Jaghargh, (2022). Presenting a methodology based on the self-organizing maps and multi-layer neural networks for suspected money laundering events at bank branches, New research in Mathematics, 8(35), 83-99. {In Persian}.
  13. Hoseinali Haghi, Mohammadreza Bagherzade , Mojtaba Tabari, Zabihollah Gholami Rudi, (2022). Infrastructural Factors for Managing Anti-Money Laundering Challenges in the Iran Banking System and a Model based on International Guidelines, Iranian Journal of Economic Research, 26(89), 197-236. {In Persian}.
  14. Jahangir Moeini Alamdari, (2016). The Contribution in philosophy of public policy, Iranian Journal of Public Policy, 1(3), 139-150. {In Persian}.
  15. Jayasree, V., & Balan, R. S. (2017). Money laundering regulatory risk evaluation using bitmap index-based decision tree. Journal of the Association of Arab Universities for Basic and Applied Sciences, 23, 96-102.‏
  16. Kilgour, D.M. , Hipel, K.W. (2010). Conflict Analysis Methods: The Graph Model for Conflict Resolution. , In Kilgour, D.M. and Eden, C. (Editors), Handbook of Group Decision and Negotiation, Springer, Dordrecht, The Netherlands, pp. 203-222
  17. Kinsara, Rami A., D. Marc Kilgour, and KeithW. Hipel. (2015). Inverse approach to the graph model for conflict resolution. IEEE Transactions on Systems, Man, and Cybernetics: Systems 45(5), 734-742.
  18. Mainardes, E., Alves, H., & Raposo, M. (2011). Stakeholder Theory: Issue to Resolve. Management Decision, 49(2), 226-252.
  19. Masoud Heidari , (2018). A Comparative Study of Crime of Money Laundering under Islamic Jurisprudence, Iranian Law and International Instruments, Journal of Comparative Study of Islamic and Western Law, 5(3), 65-90. {In Persian}.
  20. McCarthy, K. J., van Santen, P., & Fiedler, I. (2015). Modeling the money launderer: Microtheoretical arguments on anti-money laundering policy. International Review of Law and Economics, 43, 148-155.‏
  21. Mitchell, R. K., Agle, B. R., & Wood, D. J. (1997). Toward a theory of stakeholder identification and salience: Defining the principle of who and what really counts. Academy of management review, 22(4), 853-886.‏
  22. Mohamadhosein Hajilo, Mohamadreza Abdillahpour , Nasrin Emami, (2023). Anti-money laundering innovation "Mechanisms to fight corruption and money laundering in good governance", Journal of Political Research in Islamic World, 13(1), 151-170. {In Persian}.
  23. Mohammad Ali Ansari , Ali Falahati, Sohrab Delangizan, (2017). Modelling and strategic analysis of pension crisis in Iran: A game theory approach, Journal of Improvement Management, 11(35), 61-92. {In Persian}.
  24. MohammadJavad Mohagheghnia, Hossein Seilsepoor, Shima Ahmadi, (2023). Designing Justice Index in Islamic Banking with Content Analysis Approach and Fuzzy Decision Making Method, Islamic Financial Research, 12(2), 266-306. {In Persian}.
  25. Mojtaba Abedini , (2022). Identifying Methods to Combat Money Laundering and Prioritizing it with Hierarchical Analysis Approach, Journal of Hidden Economy, 7(28), 47-70. {In Persian}.
  26. Rosenhead, Jonathan; Mingers, John (1989). Soft Modeling in Management. Translation: Azar, Adel; Anvari, Ali (2013). Tehran: Negah Danesh Publications. {In Persian}.
  27. Samsura, D. A. A., van der Krabben, E., & van Deemen, A. M. A. (2010). a Game Theory Approach to the Analysis of Land and Property Development Processes. Land Use Policy, 27(2), pp. 564-578.
  28. Teichmann, F. (2020). Recent trends in money laundering. Crime, Law and Social Change, 73, 237-247.‏
  29. Thomas R. Dye, Understanding Public Policy, Eight Edition, New Jersy, Prentice Hall, Englewood Cliffs, 1995.
  30. Timm, F., Zasada, A., & Thiede, F. (2016, September). Building a reference model for anti-money laundering in the financial sector. In CEUR Workshop Proceedings (Vol. 1670, pp. 111-120).‏
  31. Vahid Araei , (2022). Analysis and critique of instrumental rationality in public policy with emphasis on Islamic rationality, Soft Power, 12(29), 71-90. {In Persian}.
  32. Wang, J., Hipel, K. W., Fang, L., & Dang, Y. (2018). Matrix representations of the inverse problem in the graph model for conflict resolution. Operational Research, 269(4), pp. 1-12.
  33. Yahya Kamali, (2017). The role of civil society in public policy process: Providing a conceptual framework, Research in Theoretical Politics, 11(20), 117. {In Persian}.
سیاستگذاری عمومی
دوره 10، شماره 2
1403
صفحه 52-66

فایل ها

هم رسانی

ارجاع به این مقاله

آمار