Агент ФБР, преследовавший «Волка с Уолл-стрит», объяснил, как лучше всего засудить Бэнкмана-Фрида

FinboldPublicado a 2022-12-22Actualizado a 2022-12-22

Resumen

Грегори Коулман, агент Федерального бюро расследований (ФБР) в отставке, участвовавший в делах против финансовой пирамиды Берни Мэдоффа и Джордана Белфорта, которого судили за мошенничество с ценными бумагами и отмывание денег, известного также как «Волк с Уолл-стрит», подробно описал лучший способ, которым прокуроры могут справиться с ситуацией с криптобиржей FTX.

Грегори Коулман, агент Федерального бюро расследований (ФБР) в отставке, участвовавший в делах против финансовой пирамиды Берни Мэдоффа и Джордана Белфорта, которого судили за мошенничество с ценными бумагами и отмывание денег, известного также как «Волк с Уолл-стрит», подробно описал лучший способ, которым прокуроры могут справиться с ситуацией с криптобиржей FTX.

По словам Коулмана, преследование основателя FTX Сэма Бэнкмана-Фрида (SBF) очень просто, и следователям нужно лишь следовать за денежными потоками и рассматривать ситуацию как неудачную торговую ситуацию, сказал он в интервью Fortune 21 декабря.

«В деле о финансовых преступлениях деньги всегда приведут вас к плохим парням», — сказал он.

В данном случае бывший агент поделился гипотезой и отметил, что следователям необходимо обратить внимание на Alameda Research как на организацию, которая, вероятно, не зарабатывала деньги и получала активы от FTX для финансирования своих торгов на бирже. Примечательно, что Alameda Research является дочерней компанией FTX, обе основаны Бэнкманом-Фридом.

Поскольку Бэнкман-Фрид экстрадирован в США, Коулман также отметил, что бывший босс FTX невиновен, пока его вина не доказана.

«SBF только начинает осознавать всю серьезность того, с чем он столкнулся, и возможные последствия. Все считаются невиновными, пока их вина не доказана, но факты выглядят не лучшим образом для него», — сказал Коулман.

Бывший агент ФБР предупредил, что держатели FTX могут не получить часть своих денег, даже если кредиторы будут работать над возвратом активов. Он заявил, что большая часть денег, скорее всего, поступит от ликвидации активов, приобретенных на средства FTX.

По его словам, если имущество было приобретено с помощью цифровых активов, его можно отследить. Однако он признал, что отследить цифровые активы довольно сложно.

В своё время, Коулман помог арестовать активы, вовлеченные в скандал с Берни Мэдоффом, создателем крупнейшей финансовой пирамиды. В то же время он способствовал привлечению Белфорта к ответственности, поскольку отслеживание его махинаций с акциями показало, что «Волк с Уолл-стрит» участвовал в схемах по типу «накачать и сбросить», вследствие которых цена акций искусственно завышалась брокером и затем продавалась в ущерб держателей данных акций.

Кроме того, Коулман также сравнил три дела, отметив, что Мэдофф, Белфорт и SBF, вероятно, отмывали доходы от своих преступлений.

Однако он отметил, что дело Мэдоффа было финансовой пирамидой, в то время как дело Бэнкмана-Фрида можно приравнять к присвоению и растрате клиентских средств, в случае Белфорта имело место быть мошенничество и махинации с ценными бумагами.

Ожидается, что SBF столкнется с судебным преследованием в США, при этом сообщается, что бывшие руководители FTX уже сотрудничают со следствием.

Автор: Paul L. Источник: Finbold.

Lecturas Relacionadas

Tras tres años de retraso, el último artículo de la exalumna de la Universidad de Pekín, Lilian Weng, se viraliza

"Tras tres años sin actualizar su blog, la ex vicepresidenta de OpenAI y cofundadora de Thinking Machines, Lilian Weng, publica un extenso análisis que cuestiona la fiabilidad de las 'Scaling Laws', las leyes de escalamiento que han guiado inversiones billonarias en IA. El artículo desmonta que la mejora del rendimiento de los modelos de lenguaje (LLM) al aumentar parámetros, datos y computación sea tan predecible como se creía. Expone divergencias clave: en 2020, OpenAI concluyó que el tamaño del modelo debía crecer más rápido que los datos, mientras que DeepMind (2022) defendió un crecimiento proporcional, un desacuerdo atribuido a diferencias metodológicas y al tamaño limitado de los experimentos iniciales. Más críticamente, Weng revela que la metodología del influyente estudio 'Chinchilla' de DeepMind contenía errores, como una función de pérdida que no convergía correctamente, lo que significa que la 'fórmula óptima' utilizada durante años por la industria podría no serlo. El análisis subraya un problema fundamental: las leyes clásicas asumen datos únicos e infinitos, pero los textos de alta calidad se agotan. La repetición de datos en el entrenamiento degrada el rendimiento, especialmente en modelos grandes. Esto explica el cambio de la industria hacia el aprendizaje por refuerzo, el cómputo en tiempo de prueba y los datos sintéticos. En resumen, el artículo argumenta que la era de la escalabilidad simple ('scale is all you need') toca a su fin, y que el progreso futuro de la IA dependerá de refinamientos metodológicos precisos y de nuevas vías para superar la limitación de datos."

marsbitHace 46 min(s)

Tras tres años de retraso, el último artículo de la exalumna de la Universidad de Pekín, Lilian Weng, se viraliza

marsbitHace 46 min(s)

Trading

Spot
Futuros
活动图片