Например, свободный член уравнения имеет реальный смысл, так как эта величина выбирается из фактического массива данных (берется минимальное или максимальное значение результативного признака). В регрессионном же анализе параметр «а» отражает усредненное влияние всех неучтенных факторов. Преимуществом метода уравнений зависимостей является и то, что значения параметров и знаки при них, во время построения однофакторных и многофакторных моделей одинаковы. Поэтому данное обстоятельство позволяет в дальнейшем при углублении анализа выделять факторы, способствующие и увеличению, и уменьшению уровня преступности. Метод статических уравнений зависимости позволяет также проводить как нормативные, так и прогнозные расчеты результативного. Существенным преимуществом рассматриваемого метода является возможность расчетов, проводимых на основе малочисленных совокупностей, в то время как метод наименьших квадратов требует наличия больших совокупностей. Исходя из вышесказанного, для изучения уровня преступности и влияния на него социально-экономических факторов был выбран данный метод, а за фактор, оказывающий влияние на уровень преступности, принят агрегированный показатель — индекс человеческого развития (ИЧР), предложенный и разработанный специалистами Программы развития Организации Объединенных Наций (ПРООН). ИЧР разработан на основе показателей, отражающих уровень жизни общества, и рассчитывается как средняя взвешенная величина из индексов измерений человеческого развития: долголетие, образованность и материальное положение. Каждый из этих показателей определяется по формуле:
где Xi — фактическое значение показателя, Xi min и Xi max — соответственно минимальное и максимальное значение i-го показателя.
Для расчета индекса ожидаемой продолжительности жизни при рождении берется Xmin = 25 лет и Xmax = 85 лет, тогда он принимает вид: Ii = (Xi-25)/(85−25). Например, если принять продолжительность жизни населения в Санкт-Петербурге за 2008 г. равной Xi = 65,3 года, 1 то показатель Ii составляет 0,6717.
Уровень образования считается как средняя арифметическая, взвешенная из двух субиндексов: индекс грамотности взрослого населения (возраст от 15 лет и старше) и индекс совокупной доли учащихся начальной, средней и высшей школы. Причем первый субиндекс берется весом 2/9, а второй 1/9, поэтому I2 = I21· 2/9 + I22· 1/9. I2 определяется при предельных значениях, т. е. Xmin = 0, Xmax = 100%.
Индекс реального объема ВВП, приходящегося на душу населения, рассчитывается сложнее. В начале определяется реальный объем ВВП в долларах на основе паритета покупательской способности (ППС) валют, а далее проводится корректировка, исходя из предположения, что для достойного уровня жизни необязательно иметь слишком высокий доход достаточным для разумно высокого уровня благосостояния в мире считается объем реального ВВП на душу населения — 5120 долл. Для расчета этого индекса с 1999 г. берется десятичный логарифм реального ВВП на душу населения, изменяющийся от 100 до 40 000 долл. по ППС. ППС для стран с высоким уровнем благосостояния находится в пределах 0,804−0,950, т. е. не превышает 1, а для развивающихся стран и стран с переходной экономикой превышает 1. На основе этих трех индексов строится индекс человеческого развития
Далее строится уравнение регрессии, в которое включается необходимое количество факторов.
В долгосрочном прогнозировании используется метод экспертных оценок. Суть его заключается в том, выясняются мнения опытных ученых и практических работников о будущем преступности, отдельных ее видах. Мнения этих людей систематизируются, обрабатываются по специальным шкалам, а полученные данные служат исходным материалом для составления прогноза.
Работа экспертов организуется в виде опроса по соответствующей программе. Полезно также провести соответствующую дискуссию экспертов, обменяться мнениями. Важен правильный подбор экспертов, их научный потенциал и практический опыт. Определенное значение имеет и количественный состав.
Оценка деятельности ОВД по противодействию легализации преступных доходов (нейронные сети)
Легализация (отмывание) денежных средств или иного имущества, приобретенного незаконным путем, представляет собой процесс, при котором наличные денежные средства, полученные в ходе каких-либо противоправных действий, посредством различных финансовых операций включаются в коммерческий оборот, с целью придания видимости законного получения указанных средств.
Процесс легализации незаконных денежных средств можно условно разделить на три основных способа:
1. Вывоз физической массы денег из страны (или дробление большой денежной суммы незаконных доходов на более мелкие суммы).
Приобретение движимого или недвижимого имущества либо вложение незаконно приобретенных доходов в легальную сферу экономики.
Интеграция, (процесс придания легитимности) денежных средств или иного имущества, приобретенных незаконным путем.
Наиболее благоприятным для изобличения преступников является второй этап — преобразование наличной денежной массы в недвижимость, имущественные ценности, банковские депозиты и т. п.
При заведении дел оперативного учета оперативный работник совместно с непосредственным руководителем, должны оценить возможность проверки достоверности информации, использования негласного аппарата, оперативно-технических мероприятий и т. п. При оценке информации, для детального уяснения предполагаемой схемы проведения операций по легализации незаконных доходов, рекомендуется отражать информацию графически с составлением соответствующей оперативной документации, поясняющей каждый этап совершения преступления.
В ходе работы по делам оперативного учета раскрывается механизм совершения преступления, устанавливаются причастные к нему лица, выявляются документы и предметы, которые в дальнейшем могут стать доказательствами по уголовному делу, тем самым создаются предпосылки для документирования преступной деятельности и реализации оперативных материалов, с последующим привлечением лица, совершившего преступление к уголовной ответственности, возмещением ущерба.
Наиболее характерной является следующая схема пресечения рассматриваемых незаконных финансовых операций:
а) установление круга лиц, подозреваемых в связях с организованной преступностью, осуществляющей операции по легализации незаконных доходов;
б) установление связей, с субъектами предпринимательской деятельности имеющими сомнительных (в том числе подставных) учредителей либо чрезмерно высокие прибыли;
в) установление лиц и предприятий, осуществляющих внешнеэкономическую деятельность с фирмами и банками, расположенными в оффшорных зонах иностранных государств и получающих из зарубежных банков многомиллионные валютные переводы за выполненные контракты;
г) установление банковских операций по продаже валюты за рубли иностранным банкам по цене значительно ниже установленного Центральным банком РФ курса;
д) выявление финансовых операций, связанных с крупными капиталовложениями наличными денежными средствами;
е) выборочная проверка субъектов предпринимательской деятельности, получивших за короткое время набольшую валовую прибыль или имеющих изначально большой уставный капитал;
ж) получение предварительной информации о местонахождении, выявление, изъятие и изучение финансовых документов (платежные требования и поручения, карточки бухгалтерского учета, договоры, протоколы, акты, переписка и т. п.), свидетельствующих об использовании незаконных доходов в предпринимательской или экономической деятельности;
з) наложение ареста на имущество и денежные средства, добытые в результате преступной деятельности.
Нейронная сеть принимает входную информацию и анализирует ее способом, аналогичным тому, что использует наш мозг. Во время анализа сеть обучается (приобретает опыт и знания) и выдает выходную информацию на основе приобретенного ранее опыта.
Основная задача аналитика, использующего нейронные сети для решения какой-либо проблемы, — создать наиболее эффективную архитектуру нейронной сети, т. е. правильно выбрать вид нейронной сети, алгоритм ее обучения, количество нейронов и виды связей между ними. Эта работа не имеет формализованных процедур, она требует глубокого понимания различных видов архитектур нейронных сетей, включает в себя много исследовательской и аналитической работы, и может занять достаточно много времени.
Для неформализованных задач нейросетевые модели могут на порядок превосходить традиционные методы решения. Но применение нейронных сетей целесообразно, если:
накоплены достаточные объемы данных о предыдущем поведении системы не существует традиционных методов или алгоритмов, которые удовлетворительно решают проблему данные частично искажены, частично противоречивы или не полны и поэтому традиционные методы выдают неудовлетворительный результат Нейронные сети наилучшим образом проявляют себя там, где имеется большое количество входных данных, между которыми существуют неявные взаимосвязи и закономерности. В этом случае нейросети помогут автоматически учесть различные нелинейные зависимости, скрытые в данных. Это особенно важно в системах поддержки принятия решений и системах прогнозирования.
Нейросети являются незаменимыми при анализе данных, в частности, для предварительного анализа или отбора, выявления «выпадающих фактов» или грубых ошибок человека, принимающего решения. Целесообразно использовать нейросетевые методы в задачах с неполной или «зашумленной» информацией, особенно в задачах, где решение можно найти интуитивно, и при этом традиционные математические модели не дают желаемого результата.
Методы нейронных сетей могут использоваться независимо или же служить прекрасным дополнением к традиционным методам статистического анализа, большинство из которых связаны с построением моделей, основанных на тех или иных предположениях и теоретических выводах (например, что искомая зависимость является линейной или что некоторая переменная имеет нормальное распределение). Нейросетевой подход не связан с такими предположениями — он одинаково пригоден для линейных и сложных нелинейных зависимостей, особенно же эффективен в разведочном анализе данных, когда ставится цель выяснить, имеются ли зависимости между переменными. При этом данные могут быть неполными, противоречивыми и даже заведомо искаженными. Если между входными и выходными данными существует какая-то связь, даже не обнаруживаемая традиционными корреляционными методами, то нейронная сеть способна автоматически настроиться на нее с заданной степенью точности. Кроме того, современные нейронные сети обладают дополнительными возможностями: они позволяют оценивать сравнительную важность различных видов входной информации, уменьшать ее объем без потери существенных данных, распознавать симптомы приближения критических ситуаций и т. д.
Обозначим на момент времени количество преступлений, относительное изменение уровня, а в качестве выхода сети возьмем степень уверенности сети в знаке изменения уровня преступности. Такая сеть с выходной нелинейностью вида обучается предсказывать знак изменения и выдает прогноз знака с амплитудой пропорциональной его вероятности. Тогда возрастание количества преступлений на шаге запишется в виде:
где — выигрыш за все время игры:
предстоит максимизировать, выбрав оптимальный размер. Пусть в среднем сеть угадывает долю знаков и, соответственно, ошибается с вероятностью. Тогда логарифм уровня преступлений,
а, следовательно, и сама сам уровень, будет максимальным при значении и составит в среднем:
.
Введем коэффициент. Например, для Гауссова распределения. Степень предсказуемости знака напрямую связана с кросс-энтропией, которую можно оценить a priory методом box-counting. Для бинарного выхода (см. Рисунок 1):
Рисунок 1.
В итоге получаем следующую оценку при заданной величине предсказуемости знака, выраженной в битах:
.
Предложения по совершенствованию деятельности ОВД по противодействию легализации преступных доходов
В основе методологии анализа эффективности правоохранительной деятельности должен лежать деятельностный подход, причем понятие «эффективность» должно охватывать всю структуру деятельности, т. е. не только ее результат, но и целевое предназначение, процесс и личностный стиль осуществления, используемые при этом средства.
Критерии эффективности по отношению к социальной деятельности выполняют оценочные, конструирующие и регулирующие функции. Оценочная функция критериев выступает как средство отбора вариантов решений (управленческих и индивидуальных) с точки зрения их юридической, моральной, этической, экономической, организационной целесообразности для данных условий и места. Конструирующая функция критериев выступает как эталон деятельности, цели, содержание, средства, формы, методы и личностный стиль осуществления которой оптимальны с точки зрения юридическых, моральных, этических, экономических, организационных принципов. Регулирующая функция критериев выступает как средство контроля за соответствием идеальной деятельности (эталонной, сконструированной в решениях, нормах права, морали, этики) деятельности реальной (осуществляемой исполнителями).
Теоретическим основанием оценки эффективности деятельности органов внутренних дел и преодоления внутренних противоречий социальных норм, выступающих ее критериями, являются: а) иерархия и взаимосвязь социальных норм, в которой право является главенствующей категорией, вбирающей в себя наиболее существенное из социальных норм, устанавливая легитимные пределы отступления от ряда из них в ходе осуществления оперативно-служебной деятельности; 6) отражение и реализация стереотипов и стандартов поведения, закрепленных в социальных нормах, не только на индивидуальном уровне, но и на уровне общественного сознания как массовых явлений.
Теоретическим основанием измерения эффективности деятельности органов внутренних дел является то, что субстанцию социальных норм образуют общественные отношения, следовательно, степень, мера соблюдения социальных норм в деятельности и поведении отдельных людей и социальных организаций в целом могут быть достаточно точно измерены с помощью количественных методов.
Оценка и измерение эффективности осуществляется с помощью системы качественных и количественных показателей, характеризующих содержание, формы, методы и личностный стиль осуществления деятельности. Источниками показателей являются данные социологических, криминологических и иных специальных исследований, отчетные и аналитические документы органов внутренних дел и иных ведомств, государственная и ведомственная статистическая отчетность.
Критериями отбора показателей, используемых для измерения эффективности деятельности органов внутренних дел, является их способность:
а) отражать реальные результаты, полученные на основных направлениях деятельности органов внутренних дел;
б) отражать причинно-следственные зависимости между деятельностью органа внутренних дел и явлениями, принимаемыми в качестве результатов этой деятельности;
в) стимулировать творческую и деловую активность личного состава;
г) характеризовать вклад служб и отдельных сотрудников в решение общесистемных задач;
д) обеспечивать сравнение соответствующих показателей между собой как в пространстве, так и во времени;
е) отражать в измеряемой форме качественные характеристики функционирования органа внутренних дел в целом, его служб, подразделений и отдельных сотрудников.
Повышение эффективности деятельности органов внутренних дел должно представлять собой быть постоянный процесс, общая целевая ориентация которого заключается з превращении функционирования системы МВД в социально одобряемую, осуществляемую в соответствии с нормами права, морали и нравственности деятельность, обеспечивающую надежную защиту личности, общества и государства от преступных и иных противоправных посягательств. Сутью этого процесса является проектирование эффективности, т. е. сознательное и повседневное формирование таких параметров системы МВД, которые бы могли оцениваться как эффективные с точки зрения юридическых, социальных, экономических, организационных критериев.
Реализация криминалистических прогнозов в судебно-следственной и оперативно-розыскной деятельности направлена на оптимизацию процесса планирования и организации расследования, дознания, судебного разбирательства, повышение эффективности следственных действий и оперативно-розыскных мероприятий (выдвижение и проверку версий, оценку следственных, судебных и оперативных ситуаций и принятие тактических решений, определение оптимальной системы тактических приемов, как основных средств воздействия на ситуацию и отдельные ее компоненты, а также обеспечивающих оптимальность проведения того или иного следственного действия и содействующих решению задач по снижению уровня тактического риска).
Заключение
Противодействие легализации доходов, полученных преступным путем, имеет приоритетное значение для обеспечения экономической безопасности и развития экономики не только Российской Федерации, но и всего мирового сообщества и стоит во главе угла работы большинства правоохранительных органов и правительств многих государств.
Работа МВД России сегодня направлена на реализацию положений Концепции национальной стратегии по противодействию легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма, утвержденной экс-Президентом Российской Федерации В. В. Путиным 11 июня 2005 года, которая определила важнейшие принципы государственной политики в данной сфере и основные направления дальнейшего развития национальной «антиотмывочной» системы.
В целом организация работы подразделений МВД России по противодействию легализации преступных доходов и подрыву основ финансирования терроризма находится в центре внимания Президента Российской Федерации Д. А. Медведева.
По инициативе Росфинмониторинга создана и действует Межведомственная комиссия по противодействию легализации доходов, полученных преступным путем, в состав которой наряду с другими министерствами и ведомствами входят представители МВД России, разработан и утвержден План по реализации Концепции, ведется активная работа по выполнению запланированных мероприятий.
Дальнейшее развитие теории и практики криминологического прогнозирования будет, несомненно, совершенствовать применение всех названных методов, будут разработаны и новые методы. Каждый из них, однако, будет иметь значение не сам по себе, а только во взаимосвязи с другими.
Аванесов Г. А. Криминология. Прогностика. Управление. Горьковская высшая школа, МВД СССР. Горький, 1975, с.254−265.
Аванесов Г. А., Вицин С. Е. Прогнозирование и организация борьбы с преступностью. — М., 1972. — С.
12.
Аванесов Г. А., Рутгайзер В. М., Брушлинский Н. Н. Количественный анализ в исследованиях по исправительно-трудовому праву. М.: Высшая школа МВД СССР, 1969, С43−76.
Айвазян С. А. Прикладная статистика. М.: Финансы и статистика, 1985; Гатаулин А. М. Основы математической статики. М., 2001.
АНАЛИТИЧЕСКАЯ СПРАВКА по итогам работы за 2008 год, подразделений по борьбе с экономическими и по налоговым преступлениям МВД, ГУВД, УВД по субъектам Российской Федерации по линии борьбы с легализацией (отмыванием) доходов, полученных преступным путем.
Анохин А. Н. Методы экспертных оценок. Учебное пособие. — Обнинск: ИАТЭ, 1996. — 144 с. (20 экз.)
Антонов А. В. Системный анализ. Учебник (гриф УМО). — М.: Высшая школа, 2004. — 454 с. (20 экз.)
Антонян Ю.М., Блувштейн Ю. Д. Методы моделирования в изучении преступника и преступного поведения. М.: Академия МВД СССР, 1974.
Бааль Е.Г., Ревин В. П. Профилактика правонарушений в молодёжных общежитиях. М., Академия МВД РФ, 1989.
Базаров Р.А., Демидов Ю. Н. Уголовно-юридическая профилактика групповых нарушений общественного порядка несовершеннолетними. Учебное пособие, Челябинск, 1993.
Блувштейн Ю. Д. Криминология и математика. Юрид. лит., М., 1974, с.125−167.
Блувштейн Ю. Д. Методологические проблемы изучения преступности и личности преступника (логико-математический аспект): Автореф. дис. … д-ра юрид. наук. М., 1975, с.
26.
В.А.Головко. Нейронные сети: обучение, организация и применение. М., ИПРЖР, 2001.
Вицин С. Е. Моделирование в криминологии. М: Высшая школа МВД СССР, 1973, с.
59.
Волженкин Б. В. Коррупция. СПб, 1998.
Г. Э.Яхъяева. Основы теории нейронных сетей. Интернет-университет информационных технологий, изд-во «Открытые системы» .
Гаврилов О.А., Колемаев В. А. Математические модели в криминологии. — В кн: Юридическая кибернетика, с.85−104.
Драйпер Н., Смит Г. «Прикладной регрессионный анализ: в 2 — х книгах» — М., 1987
Дубровицкая Л.П., Лузгин И. М. Планирование расследования: Учебное пособие. — М.: Высшая школа МВД СССР, 1972. — С.
3.
Елисеева И. И. Социальная статистика. М: МГУ им. Ломоносова, 2003 год, 345 стр.
Замков О. О., Толстопятенко А. В., Черемных Ю. Н. «Математические методы в экономике» — М., 1997
Криминалистика. Криминалистическая тактика и методика расследования преступлений: Учебник для студентов юридических вузов и факультетов. Под ред. Проф. В. Ю. Шепитько. — Х.: ООО «Одиссей», 2001. — С.
43.
Криминология / Учебник по ред. Н. Ф. Кузнецовой и Г. М. Миньковского. — М., МГУ, 1994.
Криминология. Учебник под ред. В. Н. Кудрявцева и В. Е. Эминова. — М., Юристъ, 1999.
Криминология: основные понятия в схемах. Словарь терминов. Биографический и библиографический словари / Учебное пособие (коллектив авторов: И. М. Мацкевич, С. В. Максимов, В. С. Овчинский, В. Е. Эминов. — М.: Инфра-М — Норма, 1996).
Кристи Н. Пределы наказания. М., 1985.
Кудрявцев В. Н. Причинность криминологии. — М., 1968. — С.
154.
Ларичев О. И. Теория и методы принятия решений (гриф УМО). — М.: Логос, 2006. — 392 с. (2 экз.)
Лунеев В. В. Юридическая статистика. 2-е изд. Юрист, 2004 г, 392 стр.
Максимов С. В. Краткий криминологический словарь. — М.: Юристъ, 1995.
Максимов С. В. Предупреждение коррупции. М., Московский институт МВД РФ, 1994.
МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ «Противодействие деятельности организованных преступных формирований, занимающихся легализацией (отмыванием) денежных средств или иного имущества, приобретенных незаконным путем»
Мишин Г. К. Коррупция: понятие, сущность, меры ограничения. М., 1991.
Основы противодействия коррупции. Под ред. С. В. Максимова и др. М., Спарк, 2000.
Побегайло Э. Ф. Тенденции современной преступности и совершенствование уголовно-юридической борьбы с ней: Лекция. М., 1990.
Попов Л. А. Анализ временных рядов и прогнозирование.
М.: РЭА им. Г. В. Плеханова, 2004
Савюк Л. К. Юридическая статистика, Юрист, 2007 г, 637 стр.
Там Х. Преступность и уровень жизни. М., 1982.
Тархов Д. А. Нейронные сети. Модели и алгоритмы. (Справочник.) М., Радиотехника, 2005.
Твердая И. Н. Курс лекций по юридической статистике, Владивосток: Издательство Дальневост. ун-та, 1997. с. 120−125.
Фокс В.
Введение
в криминологию. М., 1985.
Хан-Магомедов Д. О. Математические методы изучения преступности и практики применения наказания при разработке проблем уголовной политики. — В кн.: Основные направления борьбы с преступностью. М.: Юрид. лит., 1975, с.151−152.
Четыркин Е. М. Статистические методы прогнозирования. Изд. 2 — М.: Статистика, 1977
Шмерлинг Д.С., Дубровский С. А., Аржанова Т. Д., Френкел А. А. Экспертные оценки. Методы и применения (Обзор) // Уч. Зап. по Статистике, т.29 Статистические методы анализа экспертных оценок. — М.: Наука, 1977, с.290−382
Шнайдер Г. Й. Криминология (пер. с нем.). М., 1994
Юридическая статистика. Учебник для ВУЗОВ. ЮНИТИ-ДАНА, 2008 г, 255 стр.
Юридическая статистика. Учебник под редакцией Яковлевой З. Г. М.: Юрид. лит., 1986, 245 стр.
Юридическые и организационные проблемы борьбы с коррупцией. Материалы научно-практической конференции. М., 1993.
АНАЛИТИЧЕСКАЯ СПРАВКА по итогам работы за 2008 год, подразделений по борьбе с экономическими и по налоговым преступлениям МВД, ГУВД, УВД по субъектам Российской Федерации по линии борьбы с легализацией (отмыванием) доходов, полученных преступным путем
Юридическая статистика. Учебник для ВУЗОВ. ЮНИТИ-ДАНА, 2008 г, 255 стр.
Юридическая статистика. Учебник под редакцией Яковлевой З. Г. М.: Юрид. лит., 1986, 245 стр.
Савюк Л. К. Юридическая статистика, Юрист, 2007 г, 637 стр.
Лунеев В. В. Юридическая статистика. 2-е изд. Юрист, 2004 г, 392 стр.
Елисеева И. И. Социальная статистика. М: МГУ им. Ломоносова, 2003 год, 345 стр.
Лунеев В. В. Юридическая статистика. 2-е изд. Юрист, 2004 г, 392 стр.
Юридическая статистика. Учебник под редакцией Яковлевой З. Г. М.: Юрид. лит., 1986, 245 стр.
Елисеева И. И. Социальная статистика. М: МГУ им. Ломоносова, 2003 год, 345 стр.
Аванесов Г. А., Вицин С. Е. Прогнозирование и организация борьбы с преступностью. — М., 1972. — С.
12.
Аванесов Г. А. Криминология. Прогностика. Управление. Горьковская высшая школа, МВД СССР. Горький, 1975, с.254−265.
Антонян Ю.М., Блувштейн Ю. Д. Методы моделирования в изучении преступника и преступного поведения. М.: Академия МВД СССР, 1974.
Аванесов Г. А., Рутгайзер В. М., Брушлинский Н. Н. Количественный анализ в исследованиях по исправительно-трудовому праву. М.: Высшая школа МВД СССР, 1969, С43−76
Базаров Р.А., Демидов Ю. Н. Уголовно-юридическая профилактика групповых нарушений общественного порядка несовершеннолетними. Учебное пособие, Челябинск, 1993.
Елисеева И. И. Общая теория статистики: Учебник для ВУЗов. — М.: Финансы и статистика, 2004.
Драйпер Н., Смит Г. «Прикладной регрессионный анализ: в 2 — х книгах» — М., 1987
Замков О. О., Толстопятенко А. В., Черемных Ю. Н. «Математические методы в экономике» — М., 1997
Драйпер Н., Смит Г. «Прикладной регрессионный анализ: в 2 — х книгах» — М., 1987
Блувштейн Ю. Д. Криминология и математика. Юрид. лит., М., 1974, с.125−167.
Криминалистика. Криминалистическая тактика и методика расследования преступлений: Учебник для студентов юридических вузов и факультетов. Под ред. Проф. В. Ю. Шепитько. — Х.: ООО «Одиссей», 2001. — С.
43.
Там Х. Преступность и уровень жизни. М., 1982.
МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ «Противодействие деятельности организованных преступных формирований, занимающихся легализацией (отмыванием) денежных средств или иного имущества, приобретенных незаконным путем»
