Artículos

IA una necesidad para lidiar con los datos actuales, acaso

Publicado el mayo 27, 2022 por Editor

Disfrutamos de la reflexión ofrecida en un reciente artículo de opinión de Jo Ann Barefoot sobre el caso de colocar la inteligencia artificial (IA) en el corazón de una regulación financiera digitalmente robusta. Ella postula que «hasta hace poco, no había suficientes datos en forma digitalizada, formateados como código legible por computadora, para justificar el uso de la IA. Hoy en día, hay tantos datos que no solo podemos usar la IA, sino que en muchos campos, como la regulación financiera, tenemos que usar la IA simplemente para mantenernos al día».

El artículo analiza los casos de uso en los que los reguladores podrían obtener más de los datos subutilizados, como la lucha contra el lavado de dinero, la prevención del fraude, la discriminación crediticia y los préstamos predatorios, y la comprensión de los riesgos relacionados con el clima. También examina algunos de los desafíos, incluidos el sesgo, la protección de datos y la calidad de los datos, señalando que los datos estructurados (como los creados al etiquetar documentos utilizando XBRL) son más fáciles de usar para la IA para obtener resultados significativos y de alta calidad.

«La digitalización de los datos puede resolver algunos problemas y causar otros», concluye. «La clave para lograr resultados óptimos es utilizar tanto los datos como la IA de manera reflexiva, diseñando cuidadosamente nuevos sistemas para evitar daños, al tiempo que aprovecha la capacidad de la IA para analizar volúmenes de información que abrumarían los métodos tradicionales de análisis».

Lea más aquí.

REGULACIÓN DE DIGITALIZACIÓN DE ANÁLISIS de IA

Nota del editor:

Este es un informe de política del Brookings Center on Regulation and Markets.

«Los datos son el nuevo petróleo». Originalmente acuñado En 2006 por el matemático británico Clive Humby, esta frase es posiblemente más adecuada hoy de lo que era entonces, ya que los teléfonos inteligentes rivalizan con los automóviles por relevancia y los gigantes de la tecnología saben más sobre nosotros de lo que nos gustaría admitir.

Jo Ann Descalza

CEO, Cofundador – Alliance for Innovative Regulation

JoAnnBarefoot

Al igual que lo hace para la industria de servicios financieros, la hiperdimitación de la economía presenta tanto oportunidades como peligros potenciales para los reguladores financieros. En el lado positivo, resmas de información están recientemente a su alcance, llenas de señales sobre los riesgos del sistema financiero que los reguladores pasan sus días tratando de entender. La explosión de datos arroja luz sobre el movimiento global de dinero, las tendencias económicas, las decisiones de incorporación de clientes, la calidad de la suscripción de préstamos, el incumplimiento de las regulaciones, los esfuerzos de las instituciones financieras para llegar a los desatendidos y mucho más. Es importante destacar que también contiene las respuestas a las preguntas de los reguladores sobre los riesgos de la nueva tecnología en sí. La digitalización de las finanzas genera nuevos tipos de peligros y acelera su desarrollo. Los problemas pueden estallar entre los exámenes reglamentarios programados y pueden acumularse imperceptiblemente debajo de la superficie de la información reflejada en los informes tradicionales. Gracias a la digitalización, los reguladores de hoy tienen la oportunidad de recopilar y analizar muchos más datos y ver gran parte de ellos en algo cercano al tiempo real.

El potencial de peligro surge de la preocupación de que el marco tecnológico actual de los reguladores carece de la capacidad de sintetizar los datos. La ironía es que esta avalancha de información es demasiado para que ellos la manejen. Sin mejoras digitales, el combustible de datos que los reguladores financieros necesitan para supervisar el sistema simplemente los hará sobrecalentarse.

Entra la inteligencia artificial.

En 2019, el entonces gobernador del Banco de Inglaterra, Mark Carney, argumentó que los reguladores financieros tendrán que adoptar técnicas de IA para mantenerse al día con los crecientes volúmenes de datos que fluyen hacia sus sistemas. Para dramatizar el punto, él dijo el banco recibe 65 mil millones de datos anuales de las empresas que supervisa y que revisarlo todo sería como «cada supervisor leyendo las obras completas de Shakespeare dos veces por semana, todas las semanas del año».

Eso fue hace tres años. Es casi seguro que el número es más alto hoy en día. Además, las cifras que citó solo cubrían información reportada por empresas reguladas. Omitió los volúmenes masivos de «Big Data» externos generados a partir de otras fuentes como registros públicos, medios de comunicación y redes sociales que los reguladores también deberían extraer para obtener información sobre los riesgos y otras tendencias.

Se desarrolló la IA hace más de 70 años. Durante décadas, los entusiastas predijeron que cambiaría nuestras vidas profundamente, pero pasó un tiempo antes de que la IA tuviera mucho impacto en la vida cotidiana. [1] La IA ocasionalmente fue noticia al realizar hazañas inteligentes, como watson de IBM superando a campeones humanos en Jeopardy en 2011, o AIs venciendo a maestros de juegos complejos como el ajedrez (en 1996) y Ir (en 2017). Sin embargo, fue solo recientemente que tales máquinas mostraron signos de ser capaces de resolver problemas del mundo real. ¿Por qué?

Una respuesta clave es que, hasta hace poco, no había suficientes datos en forma digitalizada, formateados como código legible por computadora, para justificar el uso de IA. [2] Hoy en día, hay tantos datos que no solo podemos usar la IA, sino que en muchos campos, como la regulación financiera, tenemos que usar la IA simplemente para mantenernos al día.

Como se discute más adelante, los reguladores financieros de todo el mundo se encuentran en las primeras etapas de exploración de cómo la IA y sus subramas de Aprendizaje Automático (ML), Procesamiento del Lenguaje Natural (PNL) y redes neuronales pueden mejorar su trabajo. Están sopesando cada vez más la adopción de la «tecnología de supervisión» (o «suptech») para monitorear a las empresas de manera más eficiente de lo que pueden con herramientas analógicas. Este cambio se está reflejando en la industria financiera por un movimiento para mejorar los sistemas de cumplimiento con técnicas similares de «tecnología regulatoria» («regtech»). Ambos procesos se ejecutan en una doble vía, con un objetivo que es convertir los datos en una forma digitalizada y el otro analizarlos algorítmicamente. Cumplir cualquiera de estos objetivos sin el otro tiene poco valor. Juntos, transformarán tanto la regulación financiera como el cumplimiento. Ofrecen la promesa de que la regulación, como todo lo demás que se digitaliza, puede ser mejor, más barata y más rápida, todo a la vez.

IMAGÍNESE SI LA IA YA FUERA EL MECANISMO PREDETERMINADO

Los reguladores financieros de todo el mundo generalmente han sido más activos en regular el uso de la IA por parte de la industria que adoptarlo para su propio beneficio. Sin embargo, abundan las oportunidades para las tácticas regulatorias y de aplicación de la ley impulsadas por la IA para combatir los problemas del mundo real en el sistema financiero. En una sección posterior, este documento analizará los principales casos de uso emergentes. Antes de hacerlo, vale la pena echar un vistazo a algunas áreas de bajo rendimiento regulatorio, tanto en el pasado como en el presente, y preguntarse si la IA podría haberlo hecho mejor.

Un ejemplo es el Programa de Protección de Cheques de Pago de $ 800 mil millones que el Congreso estableció en 2020 para proporcionar préstamos respaldados por el gobierno para pequeñas empresas que se recuperan de la pandemia. Más del 15% de los «préstamos» PPP, que representan $ 76 mil millones, contenían pruebas de fraude, según un estudio publicado el año pasado. Muchos casos involucraron a solicitantes de préstamos que usaban identidades falsas. Imagínese si los prestamistas que presentan solicitudes de garantía de préstamos o los sistemas de la Administración de Pequeñas Empresas que los estaban revisando hubieran tenido sistemas maduros basados en IA que podrían haber marcado un comportamiento sospechoso. Podrían haber detectado declaraciones falsas y evitado préstamos fraudulentos, protegiendo así el dinero de los contribuyentes y asegurando que sus valiosos fondos ayudaran a las pequeñas empresas necesitadas en lugar de financiar a los ladrones.

Se pueden encontrar dos ejemplos de la guerra en Ucrania. La invasión rusa ha provocado un toda una nueva gama de sanciones contra los oligarcas rusos que esconden riquezas en empresas fantasma y están luchando por mover su dinero sin ser detectados. Las instituciones financieras están obligadas a examinar cuentas y transacciones para identificar las transacciones de las entidades sancionadas. ¿Qué pasaría si ellos y las agencias de aplicación de la ley como la Red de Aplicación de Delitos Financieros (FinCEN) tuvieran análisis impulsados por IA para extraer y agrupar datos de todo el espectro de transacciones globales y encontrar los patrones que revelan la actividad de las partes sancionadas? Desafortunadamente, la mayoría de las instituciones financieras y agencias gubernamentales no tienen estas herramientas en la mano hoy en día.

El segundo ejemplo proviene de la rápida huida de millones de refugiados. atraer a los traficantes de personas a las fronteras del país buscando atrapar a mujeres y niños desesperados y venderlos como esclavos por trabajo y sexo. Los bancos están obligados por ley a mantener sistemas contra el lavado de dinero (AML) para detectar y reportar el movimiento de dinero que puede indicar trata de personas y otros delitos, pero estos sistemas son en su mayoría análogos y notoriamente ineficaz. La Oficina de las Naciones Unidas contra la Droga y el Delito estima que menos del 1% de los delitos financieros es atrapado. Los sistemas de cumplimiento impulsados por IA tendrían muchas más posibilidades de señalar las redes criminales dirigidas a Ucrania. Además, si esos sistemas hubieran estado en vigor en los últimos años, el comercio de la trata de personas podría no estar floreciendo. Tal como está hoy, se estima que 40 millones de personas están cautivas en la esclavitud humana moderna, y uno de cada cuatro de ellos es un niño.

En otro experimento mental, ¿qué pasaría si los reguladores bancarios en 2007 hubieran podido ver el alcance total de las interrelaciones entre los prestamistas hipotecarios de alto riesgo y las empresas de Wall Street como Bear Stearns, Lehman Brothers y AIG? Si los reguladores hubieran estado armados con datos digitales en tiempo real y análisis de IA, habrían estado monitoreando el riesgo de contagio en tiempo real. Podrían haber sido capaces de evitar la crisis financiera y con ella, la Gran Recesión.

Finalmente, ¿qué pasa con los préstamos justos? En 1968, los Estados Unidos prohibieron la discriminación por motivos de raza, religión y otros factores en los préstamos hipotecarios a través de la aprobación de la Ley de Vivienda Justa.[3] Con la posterior aprobación de la Ley de Igualdad de Oportunidades de Crédito y la Ley de Vivienda y Desarrollo Comunitario, ambas en 1974, el Congreso agregó la discriminación sexual a esa lista y amplió la aplicación de préstamos justos a todos los tipos de crédito. no solo hipotecas. [4] Eso fue hace casi 50 años.

Estas leyes han recorrido un largo camino hacia la lucha contra la discriminación directa y abierta, pero han sido mucho menos efectivas para erradicar otras formas de sesgo. Las decisiones de préstamo todavía producen «impactos dispares» en diferentes grupos de prestatarios, generalmente de maneras que perjudican desproporcionadamente a las clases protegidas como personas de color. Parte de esto surge del hecho de que la toma de decisiones crediticias de alto volumen debe basarse en medidas eficientes de solvencia, como los puntajes de crédito, que a su vez se basan en fuentes estrechas de datos. [5] ¿Qué pasaría si, hace 40 años, tanto los reguladores como la industria hubieran podido recopilar muchos más datos de riesgo y analizarlos con IA? ¿Cuántas personas más habrían sido consideradas solventes en lugar de que se les negara su préstamo? Durante cuatro décadas, ¿podrían las herramientas de IA haber cambiado la trayectoria de las oportunidades raciales en los Estados Unidos, que actualmente incluye una brecha de riqueza racial de $ 10 billones y la tasa de propiedad de vivienda afroamericana rezagada con respecto a la de los blancos? en 30 puntos porcentuales?

CÓMO LOS REGULADORES PRETENDEN SEGUIR EL RITMO DE LA TECNOLOGÍA QUE CAMBIA EXPONENCIALMENTE

En su 2018 libro titulado «Sin escalar«, el capitalista de riesgo Hemant Taneja argumentó que la explosión de cantidades de datos e IA continuará produciendo una aceleración sin precedentes de nuestra realidad digital. «En otros diez años, cualquier cosa que la IA no potencie parecerá sin vida y anticuada. Será como una nevera después de que se inventaron los refrigeradores eléctricos», escribió.

El horizonte temporal estimado de Taneja está ahora a solo seis años de distancia. En el sector financiero, esto plantea un desafío desalentador para que los reguladores diseñen y construyan suptech lo suficientemente potentes antes de que la tecnología cambiante de la industria pueda abrumar su capacidad de supervisión. Afortunadamente, los reguladores en los Estados Unidos y en todo el mundo están tomando medidas para reducir la brecha.

Podría decirse que el líder mundial en innovación regulatoria es la Autoridad de Conducta Financiera (FCA) del Reino Unido. En 2015, el FCA estableció la iniciativa Project Innovate, que incluyó la creación de un «sandbox regulatorio» para que las empresas del sector privado prueben nuevos productos por su impacto regulatorio. Un año más tarde, la FCA lanzó una unidad de regtech que desarrolló lo que la agencia llamó «techsprints», una competencia abierta que se asemeja a un hackathon tecnológico en el que expertos en regulación, industria y temas trabajan codo a codo con ingenieros y diseñadores de software para desarrollar y presentar prototipos tecnológicos para resolver un problema regulatorio en particular. Desde entonces, el programa de innovación se ha expandido a una división importante dentro de la FCA. [6]

La FCA ha sido capaz de traducir este enfoque relativamente temprano en la innovación digital en la resolución de problemas del mundo real. En 2020, un alto funcionario de la agencia dio un discurso sobre cómo el FCA utiliza el aprendizaje automático y el procesamiento del lenguaje natural para monitorear los comportamientos de la empresa y «detectar empresas atípicas» como parte de un enfoque «holístico» para el análisis de datos. Se han logrado avances similares en otros países, incluyendo Singapur y Australia.

Los reguladores estadounidenses en su mayor parte han progresado más lentamente incorporando tecnologías de IA en su monitoreo de las empresas financieras. Todos los organismos reguladores financieros federales tienen programas de innovación de alguna forma. La mayoría de ellos, sin embargo, se han centrado más en la innovación de la industria que en la suya propia. Las agencias bancarias de los Estados Unidos:Oficina de Protección Financiera del Consumidor, Corporación Federal de Seguros de Depósitos, Junta de la Reserva Federal y Contraloría de la Moneda—todos tienen iniciativas de innovación orientadas en gran medida hacia el exterior, destinadas a comprender las nuevas tecnologías bancarias y ofrecer un punto de contacto sobre cuestiones regulatorias novedosas. Todos ellos también expandieron sus actividades tecnológicas durante la pandemia de COVID-19, estimulados por los repentinos cambios digitales en curso en la industria y su propia necesidad de expandir el monitoreo fuera del sitio. Varias agencias también tienen proyectos de suptech en marcha. Estos, sin embargo, generalmente tienen un alcance limitado y no abordan la necesidad de que las agencias revisen su arquitectura de información fundamental de la era analógica.

Esto está empezando a cambiar. La Reserva Federal en 2021 creó el nuevo puesto de Directora de Innovación y contrató a Sunayna Tuteja del sector privado, encargándole que emprendiera una modernización radical de la infraestructura de datos de la Fed. La FDIC también ha examinado de cerca sus propias estructuras de datos, y la OCC ha trabajado en la consolidación de sus plataformas de examen. Estos son pasos productivos, pero aún están rezagados con respecto al pensamiento avanzado en curso en otras partes del mundo. Los reguladores estadounidenses aún tienen que reducir la brecha entre la innovación acelerada en el sector privado y sus propios sistemas de monitoreo.

Otras agencias reguladoras de Estados Unidos han adoptado las tecnologías de IA más rápidamente. En 2017, Scott Bauguess, ex economista jefe adjunto de la Comisión de Bolsa y Valores (SEC), describió su uso de la IA por parte de la agencia supervisar los mercados de valores. Poco después de la crisis financiera, dijo, la SEC comenzó «métodos analíticos de texto simples» para determinar si la agencia podría haber predicho los riesgos derivados de los swaps de incumplimiento crediticio antes de la crisis. El personal de la SEC también aplica algoritmos de aprendizaje automático para identificar valores atípicos de informes en las presentaciones regulatorias.

Del mismo modo, la Autoridad Reguladora de la Industria Financiera (FINRA), el organismo autorregulador que supervisa a los corredores de bolsa en los Estados Unidos, utiliza una IA robusta para detectar posibles conductas indebidas. [7] Mientras tanto, la Comisión de Comercio de Futuros de Productos Básicos (CFTC, por sus siglas en inglés) ha sido líder a través de su programa LabCFTC, que aborda soluciones fintech y regtech. El ex presidente de la CFTC, Christopher Giancarlo, ha dicho que la principal prioridad de cada organismo regulador debería ser «digitalizar el libro de reglas». [8] Por último, la Red de Aplicación de Delitos Financieros (FinCEN) del Departamento del Tesoro lanzó un programa de innovación en 2019 para explorar métodos regtech para mejorar la detección de lavado de dinero. [9] La agencia ahora está en el proceso de implementar amplios mandatos tecnológicos que recibió bajo la Ley contra el Lavado de Dinero de 2020, una gran oportunidad para implementar la IA para detectar mejor algunos de los delitos financieros discutidos anteriormente.

CASOS CLAVE DE USO DE LA REGULACIÓN FINANCIERA

Si las agencias gubernamentales suplantaran sus sistemas analógicos con un diseño nativo digital, optimizaría el análisis de datos que ahora están siendo subutilizados. Las agujas podrían encontrarse en el pajar, los estafadores y lavadores de dinero tendrían más dificultades para ocultar su actividad, y los reguladores cumplirían más plenamente su misión de mantener un sistema financiero más seguro y justo.

A continuación, se presentan casos de uso específicos para incorporar la IA en el proceso regulatorio:

Detección de AML y sanciones

Podría decirse que el caso de uso de regtech más avanzado a nivel mundial es la lucha contra el lavado de dinero (AML). El cumplimiento de AML le cuesta a la industria más de $ 50 mil millones por año en los Estados Unidos, ya que la mayoría de los bancos dependen de sistemas de monitoreo de transacciones basados en reglas. [10] Estos métodos les ayudan a determinar qué actividad reportar a FinCEN como sospechosa, pero actualmente producen un tasa de falsos positivos de más del 90%. Esto sugiere que los bancos, los reguladores y las autoridades policiales están gastando tiempo y dinero persiguiendo posibles pistas, pero no frenando realmente los delitos financieros ilícitos. Los datos de AML que las agencias de aplicación de la ley reciben actualmente contienen demasiada información sin importancia y no se almacenan en formatos para ayudar a identificar patrones de delincuencia. [11]

Los reguladores financieros de todo el mundo generalmente han sido más activos en la regulación del uso de la IA por parte de la industria que en adoptarla para su propio beneficio.

Además de los desafíos asociados con la localización de delitos financieros entre la red masivamente compleja de transacciones globales, los bancos también deben realizar verificaciones de verificación de identidad de nuevos clientes y enviar datos de «beneficiarios reales» a FinCEN para evitar que los lavadores se escondan detrás de compañías ficticias falsas. La guerra en Ucrania y el endurecimiento de las sanciones contra los oligarcas rusos han puesto de relieve la necesidad de mejores mecanismos de control para restringir la actividad financiera de las personas que aparecen en las listas de sanciones. Mientras que una industria en crecimiento de empresas de regtech está tratando de ayudar a las instituciones financieras a cumplir de manera más eficiente con las reglas de Conozca a su cliente (KYC), FinCEN se encuentra en medio de la implementación de reformas legislativas que requieren que las corporaciones envíen datos a una nueva base de datos de beneficiarios reales.

En 2018 y 2019, la FCA celebró dos sprints tecnológicos internacionales destinados a abordar los desafíos de AML. El primer sprint trató sobre permitir que los reguladores y las fuerzas del orden compartan información sobre amenazas de manera más segura y efectiva. El segundo se centró en las «tecnologías de mejora de la privacidad», o PET, de varios tipos. Por ejemplo, el cifrado homomórfico es una técnica que se muestra prometedora para permitir que los datos compartidos a través de procesos AML se cifren a lo largo del proceso analítico, de modo que la información subyacente se oculte a otras partes y se preserve la privacidad. Otra técnica de PET conocida como prueba de conocimiento cero permite a una parte hacer a otra esencialmente una pregunta de sí o no sin la necesidad de compartir los detalles subyacentes que estimularon la investigación. Por ejemplo, un banco podría preguntar a otro si una determinada persona es un cliente, o si esa persona participó en una determinada transacción. Técnicas como esta se pueden utilizar para permitir el análisis de aprendizaje automático de los patrones de lavado sin comprometer la privacidad o socavar potencialmente el secreto de una investigación en curso.

Prevención del fraude

La SBA hizo esfuerzos para evaluar las herramientas de IA para detectar el fraude en los préstamos PPP, buscando ciertos Prestamistas fintech impulsados por IA. Sin embargo, el programa de préstamos para pequeñas empresas todavía estaba plagado de fraude. (De hecho, parte de la atención con respecto a las preocupaciones de fraude se ha centrado en los préstamos procesados por las empresas de tecnología financiera. [12]) Varios estudios demostrar que el uso efectivo del aprendizaje automático en la toma de decisiones de crédito puede detectar más fácilmente cuándo, por ejemplo, las solicitudes de préstamo son presentadas por entidades falsas.

Una de las mayores amenazas de fraude que enfrentan las instituciones financieras es el uso de identidades sintéticas por parte de los malos actores. Estos se crean combinando información real del cliente con datos falsos en una serie de pasos que pueden engañar a los sistemas de detección normales, pero a menudo pueden ser atrapados por el análisis regtech utilizando más datos y aprendizaje automático.

Muchas soluciones regtech para combatir el lavado de dinero surgieron de la tecnología para identificar el fraude, que generalmente ha sido más avanzada. Esto puede deberse a que la industria tiene un enorme interés financiero en prevenir pérdidas por fraude. También puede reflejar el hecho de que, en el fraude, las empresas generalmente están lidiando con la certeza de un problema, mientras que en AML, generalmente nunca saben si los «Informes de actividad sospechosa» que presentan con FinCEN conducen a algo útil. Estos factores hacen que sea aún más importante equipar a los bancos y sus reguladores con herramientas que puedan detectar más fácilmente, y de manera menos costosa, los patrones de delincuencia.

Protección del consumidor e inclusión financiera

La ley de protección al consumidor de los Estados Unidos prohíbe las leyes y prácticas injustas y engañosas (UDAP), tanto en el sector financiero como en general, y agrega el criterio de actividad «abusiva» a los efectos de la aplicación por parte de la Oficina de Protección Financiera del Consumidor (UDAAP). Sin embargo, la aplicación de estándares subjetivos como la «injusticia» y el «engaño» es un desafío, a menudo obstaculizado por la dificultad de detectar y analizar patrones de comportamiento potencialmente ilegal. Al igual que con la discriminación, la aplicación de la UDAAP se basa en un juicio subjetivo considerable para distinguir las actividades que están en contra de la ley de los patrones más benignos. Esto también dificulta el cumplimiento. La regtech basada en IA puede aprovechar el poder de más datos y herramientas analíticas de IA para resolver estos desafíos, lo que permite a los reguladores detectar y probar violaciones más fácilmente. También podría permitirles emitir una guía más clara y concreta, incluidos estándares más sofisticados sobre modelos estadísticos, para ayudar a la industria a evitar la discriminación y ser responsable de los UDAAP.

Existe un creciente reconocimiento entre los defensores de que la plena inclusión financiera, especialmente para los mercados emergentes, requiere un uso muy ampliado de la tecnología digital. El acceso a los teléfonos celulares, en efecto, ha puesto una sucursal bancaria en manos de dos tercios de los adultos del mundo. Este progreso sin precedentes, a su vez, ha puesto de relieve las barreras para un mayor éxito, la mayoría de las cuales podrían resolverse o mejorarse con mejores datos e IA.

Uno es el problema de la «reducción del riesgo» de AML. Como se señaló anteriormente, los bancos deben seguir las reglas de Conozca a su cliente (KYC) antes de aceptar nuevos clientes, un proceso que incluye verificar la identidad de la persona. En muchos países en desarrollo, las personas pobres, y en particular las mujeres, carecen de documentos de identidad formales como certificados de nacimiento y licencias de conducir, lo que las excluye efectivamente del acceso al sistema financiero formal. [13] En algunas partes del mundo, la presión regulatoria sobre los bancos para gestionar el riesgo asociado con la contratación de nuevos clientes ha dado lugar a que sectores enteros y, en algunos países, toda la población, se vean aislados de los servicios bancarios. [14] En realidad, estos mercados incluyen millones de consumidores que serían adecuados para abrir una cuenta y no presentan mucho riesgo en absoluto. Los bancos y los reguladores luchan con la forma de distinguir a las personas de alto riesgo de las que son de bajo riesgo. Se está trabajando mucho en varios países para resolver este problema más plenamente con la IA, mediante el uso de mecanismos de «identidad digital» que pueden autenticar la identidad de una persona a través de sus «huellas digitales».

Un desafío relacionado es que la ampliación de la inclusión financiera ha producido una mayor necesidad de una mejor protección del consumidor. Esto es especialmente importante para las personas que son introducidas en el sistema financiero por estrategias de «inclusión» y que pueden carecer de antecedentes financieros y conocimientos previos, lo que los hace vulnerables a prácticas depredadoras, estafas cibernéticas y otros riesgos. Los reguladores están utilizando chatbots de IA equipados con PNL para incorporar y analizar las quejas de los consumidores a escala y para rastrear la web en busca de signos de actividad fraudulenta.

Un ejemplo es el Acelerador RegTech for Regulators (R2A) lanzado en 2016 con el respaldo de la Fundación Bill y Melinda Gates, la Red Omidyar y USAID. [15] Se centra en el diseño de infraestructura regulatoria en dos países, Filipinas y México. Haciendo hincapié en la necesidad de que los consumidores accedan a los servicios a través de su teléfono celular, el proyecto introdujo procedimientos de informes AML y chatbots a través de los cuales los consumidores podrían informar quejas sobre productos financieros digitales directamente a los reguladores.

Es importante destacar que la innovación regtech en el mundo en desarrollo a menudo supera a la de las principales economías avanzadas. Una razón es que muchos países emergentes nunca construyeron la compleja infraestructura regulatoria que es común hoy en día en regiones como Estados Unidos, Canadá y Europa. Esto crea una oportunidad para comenzar con una pizarra limpia, utilizando la mejor tecnología de hoy en día en lugar de superponer nuevos requisitos sobre los sistemas de ayer.

Discriminación crediticia y préstamos predatorios

Quizás la mayor promesa de inclusión financiera de ai radica en la aparición de técnicas de suscripción de crédito centradas en los datos que evalúan las solicitudes de préstamos. La suscripción de crédito tradicional se ha basado en gran medida en un conjunto limitado de datos, especialmente los ingresos y el historial crediticio del individuo, según lo informado a las principales agencias de informes de crédito, porque esta información está fácilmente disponible para los prestamistas. Los puntajes de crédito son precisos para predecir el riesgo de incumplimiento entre las personas con buenos puntajes FICO (y bajos riesgos de incumplimiento). Sin embargo, esas técnicas de suscripción tradicionales se inclinan hacia la exclusión de algunas personas que podrían pagar un préstamo, pero tienen un archivo de crédito delgado (y por lo tanto un puntaje de crédito más bajo o nulo) o una situación financiera complicada que es más difícil de suscribir.

La suscripción de IA está comenzando a ser utilizada por los prestamistas, especialmente las fintech. La IA también está siendo utilizada cada vez más por las empresas financieras como una herramienta de regtech para verificar que el proceso principal de suscripción cumpla con los requisitos de préstamos justos. Un tercer proceso, mucho menos desarrollado, es la posibilidad de que los reguladores utilicen las mismas tecnologías para verificar la discriminación por parte de los prestamistas, incluido el sesgo estructural y la exclusión involuntaria de personas que realmente podrían pagar un préstamo. Los sesgos estructurales a menudo conducen a resultados de «impacto dispar». En estos casos, los reguladores afirman que una política de préstamos fue discriminatoria por motivos de raza, género u otros factores prohibidos, no por intención, sino porque una clase específica de consumidores sufrió resultados negativos. Debido a que el impacto dispar es un estándar legal[16] y las violaciones de estas leyes crean responsabilidad para los prestamistas, estos reclamos también pueden ser hechos por demandantes que representan a personas que argumentan que han sido perjudicados.

Investigación realizada por FinRegLab y otros están explorando el potencial de la suscripción basada en IA para hacer que las decisiones de crédito sean más inclusivas con poca o ninguna pérdida de calidad crediticia, y posiblemente incluso con ganancias en el rendimiento del préstamo. Al mismo tiempo, existe un claro riesgo de que las nuevas tecnologías puedan exacerbar los sesgos y las prácticas desleales si no se diseñan adecuadamente, lo que se analizará a continuación.

Cambio climático

En marzo de 2022, la Comisión de Bolsa y Valores propuso reglas para exigir a las empresas públicas que divulguen los riesgos relacionados con el cambio climático. [17] La eficacia de dicho mandato se verá inevitablemente limitada por el hecho de que los impactos climáticos son notoriamente difíciles de rastrear y medir. La única forma factible de resolver esto será recopilando más información y analizándola con técnicas de IA que puedan combinar vastos conjuntos de datos sobre emisiones y métricas de carbono, interrelaciones entre entidades comerciales y mucho más.

DESAFÍOS

Los beneficios potenciales de la IA son enormes, pero también lo son los riesgos. Si los reguladores diseñan mal sus propias herramientas de IA, y / o si permiten que la industria lo haga, estas tecnologías empeorarán el mundo en lugar de mejorarlo. Algunos de los desafíos clave son:

Explicabilidad: Los reguladores existen para cumplir con los mandatos de que supervisan el riesgo y el cumplimiento en el sector financiero. No pueden, no quieren y no deben entregar su papel a las máquinas sin tener la certeza de que las herramientas tecnológicas lo están haciendo bien. Necesitarán métodos para hacer que las decisiones de las IA sean comprensibles para los humanos o para tener plena confianza en el diseño de sistemas basados en tecnología. Estos sistemas deberán ser totalmente auditables.

Predisposición: Hay muy buenas razones para temer que las máquinas aumenten en lugar de disminuir el sesgo. La tecnología es amoral. La IA «aprende» sin las limitaciones de consideraciones éticas o legales, a menos que tales restricciones estén programadas en ella con gran sofisticación. En 2016, Microsoft introdujo un chatbot impulsado por IA llamado Tay en las redes sociales. La compañía retiró la iniciativa en menos de 24 horas porque al interactuar con los usuarios de Twitter se les había hecho. convirtió al bot en un «imbécil racista».» La gente a veces señala la analogía de un vehículo autónomo. Si su IA está diseñada para minimizar el tiempo transcurrido para viajar del punto A al punto B, el automóvil o camión irá a su destino lo más rápido posible. Sin embargo, también podría pasar semáforos, viajar en sentido contrario en calles de un solo sentido y golpear vehículos o atropellar a peatones sin reparos. Por lo tanto, debe programarse para lograr su objetivo dentro de las reglas de la carretera.

En el crédito, existe una alta probabilidad de que las IA mal diseñadas, con su poder de búsqueda y aprendizaje masivo, puedan aprovechar los proxies de factores como la raza y el género, incluso cuando esos criterios están explícitamente prohibidos de considerar. También existe una gran preocupación de que las IA se enseñen a sí mismas a penalizar a los solicitantes por factores que los responsables de la formulación de políticas no quieren que se consideren. Alguno punto de ejemplo a las IA que calculan la «resiliencia financiera» de un solicitante de préstamo utilizando factores que existen porque el solicitante estuvo sujeto a sesgos en otros aspectos de su vida. Tal tratamiento puede agravar en lugar de reducir el sesgo sobre la base de la raza, el género y otros factores protegidos. Los responsables de la formulación de políticas tendrán que decidir qué tipos de datos o análisis están fuera de los límites.

Una solución al problema del sesgo puede ser el uso de «IA adversarias». Con este concepto, la empresa o el regulador utilizarían una IA optimizada para un objetivo o función subyacente, como combatir el riesgo de crédito, el fraude o el lavado de dinero, y utilizarían otra IA separada optimizada para detectar sesgos en las decisiones en la primera. Los humanos podrían resolver los conflictos y podrían, con el tiempo, obtener el conocimiento y la confianza para desarrollar una IA de desempate.

Calidad de los datos: Como se señaló anteriormente, la IA y la gestión de datos están inextricablemente entrelazadas, por lo que el uso aceptable de la IA no surgirá a menos que los reguladores y otros resuelvan los muchos desafíos relacionados con el uso de datos. Al igual que con cualquier tipo de toma de decisiones, las elecciones basadas en IA son tan buenas como la información en la que se basan.

Integrar la IA en la regulación es un gran desafío que conlleva riesgos sustanciales, pero el costo de seguir con sistemas en gran parte analógicos es mayor.

En consecuencia, los reguladores enfrentan enormes desafíos con respecto a cómo recibir y limpiar los datos. La IA puede tratar más fácilmente con «datos estructurados», que llegan en formatos y campos organizados que el algoritmo reconoce y utiliza fácilmente. Con las herramientas de PNL, la IA también puede dar sentido a los «datos no estructurados». Sin embargo, estar seguro de que la IA está utilizando datos precisos y comprenderlos requiere una gran cantidad de trabajo. Los usos de la IA en las finanzas requerirán métodos férreos para garantizar que los datos se recopilen y «limpien» adecuadamente antes de que se sometan a un análisis algorítmico. La vieja máxima estadística «basura adentro, basura afuera» se vuelve aún más urgente cuando el análisis estadístico será realizado por máquinas que utilizan métodos que sus cuidadores humanos no pueden comprender completamente.

Es fundamental que los responsables de la formulación de políticas se centren en lo que está en juego. La IA que podría ser buena para, por ejemplo, recomendar una película para ver en Netflix no será suficiente para decidir si aprobar a alguien para una hipoteca o un préstamo para pequeñas empresas o permitirle abrir una cuenta bancaria.

Protección de datos y privacidad: El uso generalizado de la IA también requerirá un profundo trabajo de políticas sobre la ética y los aspectos prácticos del uso de datos. ¿Qué tipo de información debe usarse y qué debe estar fuera de los límites? ¿Cómo se protegerá de los riesgos de seguridad y el uso indebido del gobierno? ¿Deberían las personas tener el derecho de eliminar por la fuerza los datos en línea del pasado, y las técnicas de cifrado de las empresas deberían ser impenetrables incluso por el gobierno?

Las tecnologías que mejoran la privacidad pueden mitigar estos riesgos, pero los peligros requerirán una vigilancia permanente. El desafío aumentará aún más con el enfoque de la computación cuántica que tiene el poder de romper las técnicas de cifrado utilizadas para mantener los datos seguros.

Modelo de Gestión de Riesgos (MRM): Los modelos matemáticos ya son ampliamente utilizados en los servicios financieros y la regulación financiera. Plantean desafíos que solo crecerán a medida que la IA se emplee más ampliamente. Esto es particularmente cierto ya que la IA se pone en manos de personas que no entienden cómo toma decisiones. Tanto los reguladores como la industria necesitarán protocolos de gobernanza claros para garantizar que estas herramientas de IA se vuelvan a probar con frecuencia, se basen en datos suficientemente robustos y precisos, y se mantengan actualizadas tanto en sus datos como en sus fundamentos técnicos.

HOJA DE RUTA DE IA PARA LOS REGULADORES

Rediseñar la regulación financiera para ponerse al día con la aceleración de la IA y otras innovaciones de la industria es algo análogo al cambio de cámaras de analógico a digital en el cambio de milenio. Una cámara analógica produce una imagen en una forma que es engorrosa, lo que requiere una manipulación experta (y costosa) para editar fotos. Mejorar el proceso de tomar fotografías con película de 35 milímetros golpea un techo en un punto determinado. En comparación, la cámara digital o de teléfono inteligente era un paradigma completamente nuevo, convirtiendo imágenes en información digital que podía copiarse, imprimirse, someterse a inteligencia artificial para archivar y otros métodos, e incorporarse a otros medios. La cámara digital no fue una evolución de la versión analógica que la precedió. Era una tecnología completamente diferente.

Del mismo modo, las tecnologías regulatorias actuales se construyen sobre un sistema subyacente de información y procesos que fueron diseñados originalmente en papel. Como resultado, se construyen en torno a los supuestos restrictivos de la era analógica, a saber, que la información es escasa y costosa de obtener, y también lo es la potencia de cálculo.

Para llevar a cabo un cambio más dramático hacia un diseño nativo digital, los reguladores deberían crear nuevas «taxonomías» de sus requisitos (que algunas agencias ya están desarrollando) que puedan asignarse a máquinas impulsadas por IA. También deben desarrollar programas educativos integrales para capacitar a su personal en conocimientos y habilidades tecnológicas, incluida la capacitación básica en temas básicos, de los cuales la IA es una parte única e integral. Otros temas clave de «big data» incluyen el Internet de las cosas, la computación en la nube, el código fuente abierto, las cadenas de bloques y la tecnología de contabilidad distribuida, la criptografía, la computación cuántica, las interfaces de programas de aplicaciones (API), la automatización de procesos robóticos (RPI), las tecnologías de mejora de la privacidad (PET), el software como servicio (Saas), el flujo de trabajo ágil y el diseño centrado en el ser humano.

Estos son grandes desafíos que traen riesgos sustanciales, pero el costo de seguir con sistemas en gran parte analógicos es mayor. El personal puede temer que tal revisión pueda resultar en que las máquinas tomen sus trabajos, o que las máquinas cometan errores catastróficos, lo que resultará en percances financieros. En el primer temor, la robótica y la IA pueden, de hecho, capacitar a los seres humanos para que hagan mejor su trabajo, al disminuir grandes cantidades de tareas laborales rutinarias y liberar a las personas para que usen sus habilidades humanas únicas en objetivos de alto valor. Sobre el segundo temor, las agencias deben construir culturas basadas en el entendimiento de que los humanos no deben ceder la toma de decisiones significativa a las máquinas. Más bien, los expertos deben usar la tecnología para ayudar a priorizar sus propios esfuerzos y mejorar su trabajo.

Los datos son el nuevo petróleo no solo en su valor sino en su impacto: al igual que el petróleo, la digitalización de los datos puede resolver algunos problemas y causar otros. La clave para lograr resultados óptimos es utilizar tanto los datos como la IA de manera reflexiva, diseñando cuidadosamente nuevos sistemas para evitar daños, al tiempo que aprovecha la capacidad de la IA para analizar volúmenes de información que abrumarían los métodos tradicionales de análisis. Un sistema regulatorio digitalmente robusto con IA en su núcleo puede equipar a los reguladores para resolver problemas del mundo real, al tiempo que muestra cómo la tecnología se puede utilizar para el bien en el sistema financiero y más allá.

El autor es miembro de la junta directiva de FinRegLab, una organización sin fines de lucro cuya investigación incluye un enfoque en el uso de la IA en asuntos regulatorios financieros. Ella no recibió apoyo financiero de ninguna empresa o persona para este artículo o de ninguna empresa o persona con un interés financiero o político en este artículo. Aparte de lo anterior, el autor no es actualmente un funcionario, director o miembro de la junta de ninguna organización con un interés financiero o político en este artículo.

NOTAS

  1. 1

Anyoha, Rockwell. «La historia de la inteligencia artificial», Universidad de Harvard, 8 de agosto de 2017. https://sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/.

  1. 2

McKendrick, Joe. «La adopción de ia se disparó en los últimos 18 meses». Harvard Business Review, 27 de septiembre de 2021. https://hbr.org/2021/09/ai-adoption-skyrocketed-over-the-last-18-months; McKendrick, Joe. «La paradoja de los datos: la inteligencia artificial necesita datos; Los datos necesitan IA». Forbes, 27 de septiembre de 2021. https://www.forbes.com/sites/joemckendrick/2021/06/27/the-data-paradox-artificial-intelligence-needs-data-data-needs-ai/?sh=6cd30dbe71a5.

  1. 3

Reserva Federal. «Resumen de la Ley de Vivienda Justa». Último acceso: 20 de mayo de 2022. https://www.federalreserve.gov/boarddocs/supmanual/cch/fair_lend_fhact.pdf.

  1. 4

Una voz. «Cronograma de Vivienda Justa». Último acceso: 20 de mayo de 2022. http://www.avoiceonline.org/fair-housing/timeline.html.

  1. 5

Klein, Aarón. «Reducir el sesgo en los servicios financieros basados en IA». Brookings Institution, 10 de julio de 2020. https://www.brookings.edu/research/reducing-bias-in-ai-based-financial-services/.

  1. 6

Autoridad de Conducta Financiera. «FCA Innovation Hub». Último acceso: 20 de mayo de 2022. https://www.fca.org.uk/firms/innovation.

  1. 7

Finra. «Cómo la nube ha revolucionado la tecnología FINRA». 30 de julio de 2018. https://www.finra.org/media-center/finra-unscripted/how-cloud-has-revolutionized-finra-technology.

  1. 8

J. Christopher Giancarlo. «Quantitative Regulation: Effective Market Regulation in a Digital Era» (Regulación cuantitativa: regulación efectiva del mercado en una era digital). Comisión de Comercio de Futuros de Productos Básicos. https://www.cftc.gov/PressRoom/SpeechesTestimony/opagiancarlo59.

  1. 9

Red de Aplicación de Delitos Financieros. «Programa de Horas de Innovación: Temas Emergentes y Papel Futuro en la Implementación de la Ley AML». Mayo 2019-Febrero 2021. https://www.fincen.gov/sites/default/files/2021-03/FinCEN%20IH%20Prgm%20Public%20Report%20508C.pdf.

  1. 10

Soluciones de riesgo de LexisNexis. «Crear una estrategia de cumplimiento de delitos financieros impulsada digitalmente» 2021. https://risk.lexisnexis.com/insights-resources/research/true-cost-of-financial-crime-compliance-study-for-the-united-states-and-canada.

  1. 11

Nicodemo, Aarón. «Análisis: Mejorar la efectividad de los SAR requiere más que un acto del Congreso». Semana de cumplimiento, 19 de enero de 2021. https://www.complianceweek.com/aml/analysis-improving-sars-effectiveness-takes-more-than-act-of-congress/29948.article.

  1. 12

Chiglinsky, Katherine. «Se descubrió que las fintechs son mucho más propensas a aceptar préstamos PPP sospechosos». Bloomberg News, 17 de agosto de 2021. https://www.bloomberg.com/news/articles/2021-08-17/fintechs-found-to-be-much-more-likely-to-ok-suspicious-ppp-loans.

  1. 13

Banco Mundial. «La identificación digital inclusiva y confiable puede desbloquear oportunidades para los más vulnerables del mundo». 14 de agosto de 2019. https://www.worldbank.org/en/news/immersive-story/2019/08/14/inclusive-and-trusted-digital-id-can-unlock-opportunities-for-the-worlds-most-vulnerable.

  1. 14

Banco Mundial. «De-risking in the Financial Sector», 7 de octubre de 2016. https://www.worldbank.org/en/topic/financialsector/brief/de-risking-in-the-financial-sector.

  1. 15

Grupo Pasarela Audiovisual. Último acceso: 20 de mayo de 2022. https://www.r2accelerator.org/.

  1. 16

Corte Suprema de los Estados Unidos. Departamento de Vivienda y Asuntos Comunitarios de Texas et al. v. Inclusive Communities Project, Inc. 2014. https://www.supremecourt.gov/opinions/14pdf/13-1371_8m58.pdf.

  1. 17Comisión de Bolsa y Valores. «La SEC propone reglas para mejorar y estandarizar las divulgaciones relacionadas con el clima para los inversores». 2022. https://www.sec.gov/news/press-release/2022-46.

Publicado originalmente: https://www.xbrl.org/news/is-ai-a-must-to-deal-with-todays-data/

IA-una-necesidad-para-lidiar-con-los-datos-actuales-acasoDescarga

Evolución o revolución – El impacto de un euro digital en el sistema financiero

¿Evolución o revolución? El impacto de un euro digital en el sistema financiero

Discurso de Fabio Panetta, miembro del Comité Ejecutivo del BCE, en un seminario en línea de Bruegel

Fráncfort del Meno, 10 de febrero de 2021

A lo largo de la historia, las innovaciones en el dinero han desafiado y alterado la estructura del sistema financiero. Una y otra vez, las innovaciones han dado lugar a debates sobre los riesgos que plantean y las recompensas que aportan, así como el papel de los bancos centrales en el fomento de la confianza en el dinero.

Los billetes de papel son un ejemplo de ello. Como eran fáciles de transportar, hicieron que el comercio fuera más sencillo. Pero su éxito no fue fácil. Los intentos de los bancos centrales de emitir billetes en el siglo 17 resultaron en la emisión de demasiados e incluso incumplimientos, lo que plantea preguntas sobre sus efectos en la estabilidad y, en última instancia, en la credibilidad del soberano. Sin embargo, los billetes modernos finalmente mejoraron los beneficios de la banca central para la sociedad en general. [1]

Debates similares surgieron con el aumento de los depósitos bancarios en el siglo 19. Los avances en las tecnologías de registro y comunicación ayudaron a que los depósitos se hicieran populares, consolidando el papel de los bancos en la creación de dinero. Pero esto también aumentó la conciencia de que la confianza en el dinero depende de la estabilidad de los depósitos bancarios, lo que llevó a los bancos centrales a asumir el papel de prestamista de último recurso.

En el debate de hoy sobre la digitalización de los pagos, estos debates suenan familiares. Algunos temen que la digitalización, si no se gobierna adecuadamente, podría desplazar el efectivo con el tiempo, crear inestabilidad e incluso amenazar la soberanía monetaria. Por lo tanto, los bancos centrales están considerando si deben innovar ellos mismos, ofreciendo dinero soberano en forma digital al público en general.

En el BCE estamos considerando si emitir, junto con los billetes en euros, un euro digital: una forma digital de dinero que, al igual que el efectivo y a diferencia de otros medios de pago, sería un reclamo del banco central en lugar de un reclamo sobre un intermediario privado.

Pero debemos comprender plenamente las implicaciones económicas, financieras y sociales de la emisión de un euro digital: debemos considerar cómo podemos lograr los beneficios preservando al mismo tiempo la estabilidad del sistema financiero y satisfaciendo las necesidades de los europeos.

Hoy analizaré los principales efectos que un euro digital podría tener en la intermediación bancaria, la estabilidad financiera y el sistema financiero internacional. Y consideraré algunas opciones de diseño clave que podrían abordar los riesgos involucrados.

Beneficios en el contexto de la digitalización de los servicios financieros

El aumento del uso de Internet, respaldado por el rápido crecimiento de la potencia informática, ha afectado a toda la economía. En el campo de los pagos y los servicios financieros, la última década ha visto un número creciente de proveedores y tecnologías y productos innovadores. [2]

Al mismo tiempo, hemos visto un cambio profundo en las preferencias de pago, con la disminución del uso de efectivo en los pagos minoristas.[3] Incluso antes de la pandemia, uno de cada dos europeos dijo que preferiría pagar digitalmente en una tienda.[4] La pandemia ha acelerado esta tendencia.[5] Esta es la primera razón por la que estamos trabajando en un euro digital: combinar la seguridad del dinero del banco central y la conveniencia de un medio de pago digital para satisfacer las preferencias de los consumidores.

Otra razón es que, si bien la digitalización genera una mayor eficiencia y menores costes, también puede plantear riesgos para los consumidores y el sector financiero.

Los gigantes tecnológicos globales, o grandes tecnológicas, están marcando el ritmo del cambio en la prestación de servicios financieros de varias maneras. Están tratando de eludir las redes de distribución tradicionales, incluidos los sistemas de pago, a través de su control de las redes sociales, los mercados en línea y las tecnologías móviles.[6] Esto podría conducir a la adopción rápida y a gran escala de los servicios financieros ofrecidos por las grandes tecnológicas, tanto a nivel nacional como transfronterizo.[7] Las grandes tecnológicas también buscan expandir el alcance y mejorar la calidad de la intermediación financiera a través del procesamiento a gran escala de datos de consumidores patentados generados por sus actividades principales.[8] Podrían utilizar esos datos para reducir la asimetría de la información que se encuentra en el corazón de la intermediación financiera.[9]

Los modelos basados en datos podrían poner en peligro la privacidad y plantear el riesgo de que la información personal se utilice indebidamente. Además, la integración con otros servicios proporcionados por las grandes empresas tecnológicas puede amenazar la competencia a través de la vinculación, la agrupación, la subvención cruzada y la dinámica de que el ganador se lo lleva todo.[10] Esto podría desplazar a los intermediarios tradicionales y reducir la competencia en los mercados financieros, limitando la elección de los consumidores. En Europa, la expansión de las grandes empresas tecnológicas podría hacernos dependientes de las tecnologías gobernadas en otros lugares.[11] Finalmente, las grandes tecnológicas pueden contribuir a una rápida adopción de las monedas estables tanto a nivel nacional como transfronterizo, lo que podría crear riesgos sistémicos e incluso poner en peligro la soberanía monetaria.[12]

Una posible respuesta a estas tendencias (una mayor demanda de pagos digitales y un posible papel dominante de los grandes proveedores de servicios extranjeros) es que los propios bancos centrales se vuelvan digitales para preservar el dinero como un bien público. [13]

Un euro digital tendría como objetivo apoyar la digitalización al tiempo que seguiría dando a las personas la posibilidad de elegir cómo pagar y garantizar que sus pagos sigan siendo competitivos y seguros. Estaría diseñado para ser seguro, sin costo, de fácil acceso y fácil de usar, apoyando así la inclusión financiera. Tendría la protección de la privacidad como una prioridad clave, ayudando así a mantener la confianza en los pagos. De hecho, ya hemos analizado las técnicas de mejora de la privacidad, y continuaremos haciéndolo en los próximos meses. [14]

Un euro digital estaría disponible para los hogares, las empresas, los comerciantes y los intermediarios financieros para pagos en toda la zona del euro, ayudando así a unificar el mercado europeo. Y aumentaría las opciones de los consumidores, reduciría los costos de transacción y apoyaría la digitalización de la economía, al tiempo que garantizaría que el dinero del banco central permanezca en el centro del sistema financiero, apuntalando la estabilidad.

Nuestro objetivo sería hacer que un euro digital sea interoperable con soluciones de pago privadas, de modo que se pueda acceder a él a través de ellas. Por lo tanto, nivelaría el campo de juego al hacer posible que todos los participantes del mercado (intermediarios bancarios y no bancarios y fintechs) ofrezcan, a un costo menor, productos que permitan a las personas pagar al instante.

Un euro digital también podría actuar como catalizador a nivel internacional. Al garantizar la interoperabilidad con las monedas digitales extranjeras, incluidas otras monedas digitales del banco central (CBDC), podría crear ganancias de eficiencia muy necesarias en los pagos transfronterizos. [15], reduciendo sus costos.

Posibles efectos injustificados en el sistema financiero

En el debate más amplio y en algunas respuestas a nuestra consulta pública [16], se han planteado una serie de preocupaciones sobre el impacto potencial de un euro digital en el sistema financiero.

Paradójicamente, un euro digital puede resultar demasiado exitoso.[17] Si no se diseña adecuadamente, sus principales fortalezas -seguridad y liquidez- podrían afectar a la estabilidad monetaria y financiera en tres frentes: en primer lugar, la intermediación financiera y la asignación de capital en tiempos normales; en segundo lugar, la estabilidad financiera en tiempos de crisis; y tercero, el funcionamiento del sistema financiero internacional. Permítanme considerar cada uno de ellos a su vez.

Efectos sobre la intermediación financiera y la asignación de capital en tiempos normales

Un euro digital podría afectar a la intermediación financiera de varias maneras. Podría atraer la actividad de pagos de los bancos y reducir sus ingresos relacionados con los pagos y la información de los clientes. También podría atraer depósitos, especialmente si se ofreciera sin límites a las tenencias individuales y en condiciones tan atractivas que el público trasladara grandes cantidades de depósitos de los bancos comerciales a los bancos centrales.

La preocupación es que esto podría conducir a una financiación menos estable y más costosa, una menor rentabilidad bancaria y, en última instancia, a una menor concesión de préstamos, lo que limitaría la financiación de la economía real. Quisiera hacer dos observaciones al respecto.

En primer lugar, el riesgo de desintermediación bancaria depende de las características de diseño de un euro digital. Podemos y debemos diseñarlo de manera que prevenga este riesgo. Volveré sobre esta cuestión crucial con más detalle.

En segundo lugar, el BCE no planea interactuar directamente con potencialmente cientos de millones de usuarios de un euro digital. Simplemente no tendríamos la capacidad ni los recursos para hacerlo. Los intermediarios financieros, en particular los bancos, proporcionarían los servicios front-end, como lo hacen hoy en día para las operaciones relacionadas con el efectivo. Proporcionaríamos dinero seguro, mientras que los intermediarios financieros continuarían ofreciendo servicios adicionales a los usuarios.

Además, más allá de tales adaptaciones de diseño, el pensamiento económico sobre el posible impacto de un euro digital en la intermediación financiera no está claro. De hecho, los análisis recientes enfatizan que debemos considerar las implicaciones económicas más amplias de adoptar una CBDC.

Una consideración es que la introducción de una CBDC es por sí misma neutral en términos de la asignación de capital en la economía.[18] De hecho, un cambio de los depósitos bancarios a cbdc simplemente cambiaría la composición de las fuentes de financiamiento de los bancos, con menos depósitos del sector privado y más fondos del banco central.[19]

Otra consideración es que un euro digital podría mejorar la asignación de capital al facilitar el acceso a los pagos y reducir los costos de transacción, ayudando así a desbloquear oportunidades de negocio. [20] También podría mejorar la competencia en los mercados de financiación de los bancos. En la medida en que los mercados de financiación no sean perfectamente competitivos, una moneda digital del banco central podría reducir el poder de mercado de los bancos comerciales y mejorar las condiciones contractuales para los clientes, con poco efecto en el volumen de depósitos y préstamos pendientes. [21]

Posibles efectos en tiempos de crisis

Los riesgos para la intermediación financiera de la emisión de un euro digital son potencialmente más pronunciados en tiempos de crisis. Esta es la segunda forma en que un euro digital podría afectar al sistema financiero.

Un euro digital daría acceso a un activo líquido seguro que, a diferencia del efectivo y en ausencia de restricciones relacionadas con el diseño, podría mantenerse en grandes volúmenes y sin costo alguno. De hecho, si no se diseña adecuadamente, en tiempos de crisis un euro digital podría acelerar las «huidas digitales» de los bancos comerciales hacia el banco central. Este riesgo podría incluso ser autocumplido, lo que llevaría a los ahorradores a reducir sus depósitos bancarios y amplificaría la volatilidad en tiempos normales también. [22]

Para que este riesgo se materialice, una serie de líneas de defensa, como el seguro de depósitos, la supervisión y el prestamista de último recurso, tendrían que quebrar o percibirse como insuficientes a la luz de lo fácil que sería convertir los depósitos en dinero seguro del banco central. Además, un euro digital podría proporcionar herramientas adicionales para contrarrestar estos riesgos para la estabilidad financiera. Por ejemplo, podría proporcionar al banco central información en tiempo real sobre los flujos de depósitos, lo que permitiría una reacción rápida si fuera necesario.

Pero, en general, no se puede descartar el riesgo de que un euro digital pueda tener efectos adversos en tiempos de crisis. Por lo tanto, un euro digital debe diseñarse de manera que permita controlar estrictamente este riesgo, como discutiré con más detalle en breve.

Impacto en el sistema monetario internacional

La tercera forma en que un euro digital podría tener un impacto en el sistema financiero es a nivel transfronterizo. Dependiendo de si sería accesible para los no residentes e interoperable con sistemas de pago distintos del euro, un euro digital también podría tener implicaciones de gran alcance para el resto del mundo.

Un euro digital accesible a los no residentes podría hacer que la moneda única sea más atractiva como medio de pago seguro para las transacciones minoristas a través de las fronteras. Podría ayudar a abordar las ineficiencias en las infraestructuras de pago transfronterizas y facilitar la transferencia de remesas.

Pero si un euro digital no se diseñara de una manera que impidiera que se utilizara como una forma de inversión, estos beneficios conllevarían el riesgo de amplificar los shocks internacionales. El hecho de que un euro digital sea muy líquido puede llevar a que los inversores extranjeros lo utilicen de manera desproporcionada y se reequilibren con mucha más fuerza dentro o fuera de él en respuesta a los shocks. De hecho, investigaciones recientes sugieren que, en presencia de una CBDC, los shocks podrían resultar en mayores fluctuaciones del tipo de cambio y tener un efecto más fuerte en las condiciones financieras extranjeras. Esto, a su vez, podría obligar a los bancos centrales extranjeros a ser más receptivos a los efectos de contagio internacionales. [23]

Por el contrario, estas dinámicas significan que la ausencia de un euro digital podría hacer que Europa sea más vulnerable a los desarrollos internacionales: la adopción generalizada de monedas digitales por parte de los bancos centrales extranjeros podría hacer que la economía y el sistema financiero europeos sean más sensibles a los shocks del extranjero.

Opciones de diseño y políticas

Para obtener los beneficios de un euro digital, como la capacidad de garantizar la privacidad en los pagos digitales, la inclusión financiera y el acceso universal, tendría que diseñarse cuidadosamente. Las posibles características de diseño se revisaron en el informe del Eurosistema [24] y será evaluado en profundidad por el Grupo de Trabajo que está estudiando el lanzamiento de un euro digital. Solo cuando se hayan abordado todas las cuestiones tomaremos una decisión sobre si emitir o no un euro digital.

Un análisis exhaustivo de tales características de diseño va más allá del alcance de este seminario. Por lo tanto, limitaré mis comentarios de hoy a las características que son necesarias para preservar la estabilidad del sistema financiero, dejando los comentarios sobre otras cuestiones cruciales para otro momento.

Un euro digital debe ser un medio de pago eficiente, tanto a nivel nacional como internacional. Pero lo más importante es que, para preservar la estabilidad, debe diseñarse de manera que impida que se utilice como una forma de inversión. Una serie de posibles características de diseño podrían satisfacer estos principios.

Una opción sería limitar la cantidad de euros digitales que los usuarios individuales pueden tener. [25] Esto evitaría grandes entradas de depósitos bancarios, así como entradas de cartera volátiles desde el extranjero, en el banco central. Una forma de hacerlo, al tiempo que permite que el euro digital se utilice para grandes transacciones, sería exigir que los fondos entrantes que excedan el límite de un usuario se redirijan a una cuenta bancaria. El vínculo entre el dinero privado y las cuentas digitales en euros evitaría la fragmentación de la liquidez de un usuario y también sería útil para los pagos salientes. Las grandes transacciones salientes podrían llevarse a cabo mediante la transferencia de una combinación de euro digital y dinero privado.

Otra opción sería establecer una remuneración penalizadora sobre las tenencias digitales en euros de los usuarios individuales por encima de un determinado umbral.[26] Hasta ese umbral, los importes mantenidos en euros digitales nunca estarían sujetos a tipos de interés negativos y, por lo tanto, nunca recibirían un trato menos favorable que el efectivo. Por encima de ese umbral, la remuneración se establecería de modo que las tenencias de euros digitales más grandes solo valgan la pena para realizar pagos más grandes y no de forma continua como forma de inversión.

Al identificar el umbral adecuado, habría que encontrar el equilibrio adecuado entre desbloquear los beneficios de un euro digital como medio de pago y mitigar los riesgos de desintermediación o incluso de corridas bancarias. Como criterio, un umbral de 3.000 euros sería más que la cantidad de efectivo que la mayoría de los ciudadanos tienen hoy en día. [27] y sería superior al salario medio mensual en la mayoría de los países de la zona del euro.

La remuneración escalonada podría proporcionar una forma menos distorsionadora de desincentivar las grandes tenencias digitales en euros. Al mismo tiempo, podría plantear problemas de aplicación. Por ejemplo, en tiempos de crisis podría ser necesario ajustar la remuneración de la moneda digital, pero esto podría indicar que el banco central está anticipando tensiones financieras, lo que lleva a una inestabilidad autocumplida.

Características de diseño similares tendrían que aplicarse al uso de un euro digital por parte de los no residentes. Esto impediría que un euro digital sustituyera a otras formas de inversión y facilitara la sustitución de divisas en países fuera de la zona del euro. En cualquier caso, la cooperación internacional en materia de diseño, uso transfronterizo e interoperabilidad sería clave para cosechar los beneficios potenciales de las CBDC para los pagos transfronterizos, al tiempo que se abordan los riesgos para el sistema financiero internacional.

Conclusión

Permítanme concluir. Así como los billetes fueron una innovación importante para los bancos centrales y los depósitos bancarios dieron a los bancos comerciales un mayor papel en la intermediación, la digitalización en curso del dinero y los pagos está desafiando la estructura establecida del sistema financiero.

Un euro digital representa una evolución natural en respuesta a esta transformación, no solo para apuntalar la eficiencia y la innovación, sino también para preservar el papel del banco central en la oferta de medios de pago seguros. A lo largo de la historia, esta seguridad ha demostrado ser crucial para mantener la confianza pública en el dinero y, en última instancia, en el Estado. Por lo tanto, un objetivo clave de un euro digital debe ser preservar un buen equilibrio entre el dinero soberano y el privado para garantizar que los pagos se mantengan estables y eficientes.

Pero como el pasado nos ha enseñado, si las innovaciones en el dinero del banco central no están bien diseñadas, pueden convertirse en una fuente de disrupción financiera. Para evitar cualquier efecto no deseado y cosechar todos los beneficios de una forma digital de dinero del banco central, consideraremos cuidadosamente todos los aspectos de su diseño.

Nuestra reciente consulta pública sobre un euro digital forma parte de este ejercicio. En la primavera publicaremos un análisis de las respuestas que recibimos. Este análisis proporcionará una contribución importante a nuestra decisión, hacia mediados de año, sobre si lanzar o no formalmente un proyecto para prepararse para la emisión de un euro digital.

A medida que avance nuestro trabajo sobre un euro digital, las opiniones de los ciudadanos, las empresas, los bancos y todas las partes interesadas seguirán siendo de suma importancia para garantizar que un euro digital se diseñe de manera óptima y, en última instancia, sirva bien a los europeos.

  1. Bindseil, U. (2019), Central Banking before 1800: A Rehabilitation, Oxford University Press, Oxford.
  2. Boot, A. et al. (2020), «Intermediación financiera y tecnología: ¿Qué es viejo, qué es nuevo?«, Working Paper Series, nº 2438, BCE, julio; y Panetta, F. (2018), «Fintech y banca: hoy y mañana«, discurso pronunciado en la Reunión Anual del Bicentenario de la Asociación de Europa de la Facultad de Derecho de Harvard, Roma, 12 de mayo.
  3. Panetta, F. (2020), «Al borde de una nueva frontera: los pagos europeos en la era digital«, discurso pronunciado en la Conferencia del BCE «Un nuevo horizonte para los pagos paneuropeos y el euro digital», el 22 de octubre.
  4. BCE (2020), Estudio sobre las actitudes de pago de los consumidores en la zona del euro (SPACE)Diciembre.
  5. Alrededor del 41% de los encuestados en una encuesta reciente dicen que han reducido su uso de efectivo durante la pandemia. La gran mayoría de ellos espera seguir pagando menos con efectivo después de que termine la pandemia. Véase el recuadro titulado «Encuesta sobre el impacto de la pandemia en las tendencias de efectivo» en BCE (2020), ibíd.
  6. Brunnermeier, M.K., James, H. y Landau, J.-P. (2019), «La digitalización del dinero«, NBER Working Paper Series, No 26300, Oficina Nacional de Investigación Económica, septiembre.
  7. Panetta, F. (2020), «Las dos caras de la moneda (estable)«, discurso pronunciado en Il Salone dei Pagamenti 2020, 4 de noviembre.
  8. Panetta, F. (2018), op. cit.; Panetta, F. (2020), «De la revolución de los pagos a la reinvención del dinero«, discurso pronunciado en la conferencia del Deutsche Bundesbank sobre el «Futuro de los pagos en Europa», el 27 de noviembre.
  9. Frost, J. et al. (2019), «BigTech y la estructura cambiante de la intermediación financiera«, BIS Working Papers, No 779, Banco de Pagos Internacionales, abril. Un trabajo reciente muestra que, al usar más de 1,000 series de datos por solicitante de crédito, la calificación crediticia de las grandes tecnológicas es mejor para predecir los incumplimientos que las calificaciones tradicionales. Esto podría reducir el papel de las garantías y proporcionar una alternativa a los préstamos basados en relaciones, especialmente para las pequeñas y medianas empresas, que representan una parte significativa del PIB y el empleo (Haldane, A. (2020), «Aprovechar las oportunidades de las finanzas digitales«, discurso pronunciado en la Conferencia del 10º Aniversario de TheCityUK, 18 de noviembre).
  10. Petralia, K., Philippon, T., Rice, T. y Véron, N. (2019), ¿La banca interrumpida? Intermediación financiera en una era de tecnología transformacional, Geneva Reports on the World Economy 22, Centro Internacional de Estudios Monetarios y Bancarios y Centro de Investigaciones de Política Económica.
  11. Véase la nota 7.
  12. Véase la nota 7.
  13. Panetta, F. (2020), «De la revolución de los pagos a la reinvención del dinero«, en. cit.
  14. Dentro del Eurosistema hemos experimentado con lo que llamamos «vales de anonimato», que permiten pagos de pequeñas cantidades dentro de un período determinado y con un alto nivel de privacidad. Véase BCE (2019), »Explorando el anonimato en las monedas digitales del banco central«, In Focus, nº 4, diciembre. La confidencialidad y la auditabilidad se han investigado en la cuarta fase del Proyecto Stella. Véase BCE y Banco de Japón (2020), «Equilibrio entre confidencialidad y auditabilidad en un entorno de contabilidad distribuida«, Proyecto Stella, febrero.
  15. Comisión de Pagos e Infraestructuras de Mercado (2020), Mejorar los pagos transfronterizos: elementos básicos de una hoja de ruta mundial, Banco de Pagos Internacionales, julio.
  16. La consulta pública se inició el 12 de octubre de 2020, tras la publicación de la informe sobre un euro digital, y concluyó el 12 de enero de 2021. El BCE publicará un análisis exhaustivo de la consulta pública en la primavera. Véase BCE (2021), »La consulta digital del BCE sobre el euro finaliza con un nivel récord de comentarios del público«, comunicado de prensa, 13 de enero.
  17. Por supuesto, el riesgo opuesto también existe y debería tenerse en cuenta para garantizar que el euro digital sea visto como un medio de pago atractivo por los usuarios finales.
  18. Brunnermeier, M.K. y Niepelt, D. (2019), «On the equivalence of private and public money», Journal of Monetary Economics, Vol. 106, pp. 27-41; Comité de Pagos e Infraestructuras de Mercado – Comité de Mercados (2018), Monedas digitales del banco centralMarzo.
  19. Esto puede dar lugar a problemas de escasez de activos de garantía, lo que podría tener un impacto en los tipos de interés del mercado para activos seguros, aunque el banco central podría abordar este riesgo (véase el informe sobre un euro digital).
  20. Keister, T. y Sanches, D. (2019), «¿Deberían los bancos centrales emitir moneda digital?«, Documentos de trabajo, Nº 19-26, Banco de la Reserva Federal de Filadelfia; Assenmacher, K. et al. (2021), «A Unified Framework for CBDC Design: Remuneration, Collateral Haircuts and Quantity Constraints», mimeo.
  21. Andolfatto, D. (2020), «Assessing the Impact of Central Bank Digital Currency on Private Banks», The Economic Journal, septiembre; Chiu, J. et al. (2020), «Poder de mercado bancario y moneda digital del banco central: teoría y evaluación cuantitativa«, documentos de trabajo de los servicios de la Comisión, n.º 2019-20, Banco de Canadá, mayo.
  22. Véase Kumhof, M. y Noone, C. (2018), «Monedas digitales del banco central: principios de diseño e implicaciones en el balance«, documentos de trabajo de los servicios de la Comisión, nº 725, Banco de Inglaterra, mayo.
  23. Ferrari, M.M., Mehl, A. y Stracca, L. (2020), «Moneda digital del banco central en una economía abierta«, Serie de documentos de trabajo, nº 2488, BCE, noviembre.
  24. Véase el informe sobre un euro digital.
  25. El límite tendría que establecerse para los usuarios individuales a fin de evitar la posibilidad de mantener cantidades adicionales de euros digitales a través de hombres de paja.
  26. Panetta, F. y Bindseil, U. (2020), «Remuneración de la moneda digital del banco central en un mundo con tasas de interés nominales bajas o negativas«, VoxEU, 5 de octubre.
  27. Si bien las estimaciones internas de las reservas de efectivo por adulto (de los ciudadanos de la zona del euro, así como de los bancos y las empresas) sugieren que oscilan entre 1.270 y 2.310 euros, el 95 % de los encuestados en una encuesta reciente (véase BCE (2020), ibíd.) indicaron que no almacenan efectivo superior a 1.000 euros (el 66 % no reserva efectivo y el 29 % almacena efectivo, pero no más de 1.000 euros).

Temas relacionados

Publicado originalmente: https://www.ecb.europa.eu/press/key/date/2021/html/ecb.sp210210~a1665d3188.es.html

Evolucion-o-revolucion-El-impacto-de-un-euro-digital-en-el-sistema-financieroDescarga

Aclaración de taxonomía para los solicitantes del Reino Unido

Publicado el mayo 27, 2022 por Editor

Escuchamos que los solicitantes de empresas públicas ante la Autoridad de Conducta Financiera del Reino Unido (FCA) continuarán pudiendo utilizar las taxonomías del Formato Electrónico Único Europeo (ESEF) y del Formato Electrónico Único del Reino Unido (UKSEF). No es el caso, como informamos hace dos semanas, que a partir del próximo año los preparadores se limiten solo a la taxonomía UKSEF 2022.

Entendemos que la FCA está en el proceso de actualizar su guía sobre taxonomías permitidas, pero el debido proceso para ese esfuerzo lleva un poco de tiempo. Actualmente hay una aclaración en el sitio web de la FCA que dice:

«Somos conscientes de que la taxonomía ESEF 2021 se ha omitido de nuestra regla que establece las taxonomías permitidas para los ejercicios financieros que comienzan a partir del 1 de enero de 2022 … Planeamos rectificar esto en breve».

Lea más aquí.

FCA REPORTING TAXONOMY UKSEF

Informes financieros anuales de la empresa en formato electrónico

Primera publicación: 20/11/2020 Última actualización: 26/05/2022 Ver todas las actualizaciones

Todos los emisores que deben preparar informes financieros anuales bajo nuestras Reglas de Divulgación, Orientación y Transparencia (DTR) deben estar listos para cumplir con nuestros nuevos requisitos para preparar, publicar y presentar esos informes en el nuevo formato único de informes electrónicos.

Antecedentes

Nuestros requisitos, que se originan en la legislación de la UE para el formato único europeo de presentación de informes electrónicos (ESEF) que entró en vigor en el Reino Unido antes del final del período de retirada de la UE el 31 de diciembre de 2020, introducen un formato estructurado para los informes financieros anuales. Esto incluye la capacidad de «etiquetar» (es decir, etiquetar) las divulgaciones individuales en el informe de acuerdo con una taxonomía publicada. En comparación con un formato no estructurado (como *.pdf), los archivos estructurados permiten que el contenido del informe sea legible por máquina utilizando herramientas de software especializadas con el objetivo de mejorar la accesibilidad, el análisis y la comparabilidad de la información.

Preparación de informes financieros anuales en el nuevo formato electrónico

En general, las empresas con valores mobiliarios admitidos a negociación en los mercados regulados del Reino Unido deben preparar sus informes financieros anuales en un formato de navegador web XHTML, en sustitución del formato PDF actual, para los ejercicios que comiencen a partir del 1 de enero de 2021, para su publicación a partir del 1 de enero de 2022. También deben presentarlos ante el Mecanismo Nacional de Almacenamiento (NSM) de la FCA.

También requerimos que los emisores dentro del alcance que preparan cuentas consolidadas anuales de acuerdo con las Normas Internacionales de Información Financiera (NIIF), ya sean NIIF del Reino Unido, de la UE o internacionales, marquen esos estados financieros con etiquetas seleccionadas de una de las taxonomías permitidas.

Obtenga más información sobre las taxonomías permitidas en nuestro Aviso del Manual de diciembre de 2021 y nuestro Aviso del Manual de abril de 2022 para los ejercicios financieros que comienzan a partir del 1 de enero de 2021 y el 1 de enero de 2022.

Somos conscientes de que la taxonomía ESEF 2021 se ha omitido de nuestra norma que establece las taxonomías permitidas para los ejercicios financieros que comienzan a partir del 1 de enero de 2022 (artículo 4, apartado 5, letra b), del Reglamento TD ESEF). Planeamos rectificar esto en breve.

Los emisores pueden encontrar más información sobre estos requisitos en la sección Manual de nuestro sitio web en las Normas de divulgación, orientación y transparencia (DTR) (véanse DTR4.1.1R y DTR4.1.14R) y las Normas técnicas para la Directiva de transparencia, que incluyen la versión del Reino Unido del Reglamento ESEF, según enmendada.

Sin embargo, algunos emisores de valores en mercados regulados están exentos de estos requisitos (véase DTR 4.4), entre ellos:

  • Emisores del sector público (DTR 4.4.1).
  • Emisores que emitan exclusivamente títulos de deuda admitidos a negociación, cuya denominación por unidad sea de al menos 100.000 euros (o importe equivalente) (DTR 4.4.2).

Implementación escalonada

En nuestras reglas, hemos mantenido una introducción gradual a las obligaciones de etiquetado obligatorio como se establece en la siguiente tabla:

Aplicación de las Normas de Orientación y Transparencia en materia de Divulgación (DTR)

DTR 6.2.2R requiere que los emisores en el alcance presenten sus AFR con nosotros para su publicación en nuestro NSM.

DTR 6.2.3G, que permite a los emisores cumplir con su obligación de presentación DTR 6.2.2R mediante el uso de un Proveedor de Información Primaria (PIP) para difundir información, no se aplica a la presentación de AFR preparados por ESEF.

Orientación sobre cómo presentar informes financieros en formato electrónico con la FCA

Las empresas, asesores y otras partes que ayudan con la presentación de informes financieros anuales pueden encontrar un resumen paso a paso del proceso en nuestro sitio web aquí.

Publicado originalmente: https://www.xbrl.org/news/taxonomy-clarification-for-uk-filers/

Aclaracion-de-taxonomia-para-los-solicitantes-del-Reino-UnidoDescarga

Revisiones de Cálculos 1.1 garantizan la utilidad global

Publicado el mayo 27, 2022 por Editor

La Junta de Estándares XBRL ha aprobado una segunda Recomendación Candidata de la especificación Cálculos 1.1, con mejoras para garantizar la plena aplicabilidad internacional.

La especificación Cálculos está diseñada para desempeñar un papel de apoyo, proporcionando una funcionalidad de cálculo mejorada para los informes XBRL. Cálculos 1.1 ofrece un mejor manejo de hechos redondeados y duplicados, con la última actualización ahora disponible en nuestro sitio de especificaciones. El principal cambio con respecto a la versión anterior es que incorpora comentarios de XBRL Japón y permite situaciones en las que se utiliza el truncamiento en lugar del redondeo para abreviar las cifras en los informes XBRL. Este enfoque se utiliza comúnmente en la presentación de informes financieros en Japón, pero no se apoyó en el borrador anterior.

Para nosotros en XBRL International, una enmienda como esta subraya los beneficios de ser un consorcio verdaderamente global con miembros de todo el mundo, y de tener períodos de revisión incorporados a lo largo de nuestro proceso de desarrollo de especificaciones.

Agradecemos cualquier comentario adicional sobre los Cálculos 1.1 Si no se realizan más modificaciones, avanzará al estado de Recomendación Propuesta antes de convertirse en una Recomendación final. También alentamos a cualquier miembro interesado en la especificación a unirse al Grupo de Trabajo de Especificación Base XBRL. ¡Su participación y retroalimentación son esenciales para producir los estándares de informes digitales de la más alta calidad!

Lea más aquí.

CÁLCULOS ESPECIFICACIÓN XBRL XII NOTICIAS

Cálculos 1.1

Recomendación del candidato 25 de mayo de 2022

Esta versión

https://www.xbrl.org/Specification/calculation-1.1/CR-2022-05-25/calculation-1.1-CR-2022-05-25.html

Editor

Paul Warren, < Internacional XBRL pdw@xbrl.org>

Colaboradores

Mark Goodhand <mrg@corefiling.com>

Brett Kail <brett.kail@workiva.com>

Tabla de contenidos

Definiciones

Códigos de error

1. Resumen

XBRL v2.1 proporciona un mecanismo para definir las relaciones de cálculo que existen entre los conceptos XBRL y un proceso para comprobar si los hechos de un informe XBRL son coherentes con esas relaciones. El proceso de comprobación de coherencia tiene una serie de deficiencias, que pueden causar fallos de coherencia erróneos en los valores redondeados y fallos de coherencia omitidos cuando hay hechos duplicados.

Esta especificación define una funcionalidad de cálculo alternativa destinada a abordar estas deficiencias.

2. Visión general

Esta especificación define un proceso para comprobar la coherencia del cálculo de los hechos en un informe XBRL con las relaciones definidas en una taxonomía XBRL, y prescribe códigos de error que deben generarse si se determina que un informe es incoherente (consulte la Sección 4.2).

La especificación define un nuevo arco que se utiliza para definir las relaciones de cálculo a las que se aplica la semántica definida en esta especificación. Los procesadores que implementan esta especificación pueden aplicar opcionalmente la semántica descrita en esta especificación a las relaciones definidas mediante el arco de arco «summation-item» de la especificación XBRL v2.1 (consulte la Sección 3.1).

2.1 Espacios de nombres y prefijos de espacio de nombres

2.2 Códigos de error

QNames en texto rojo entre paréntesis después de una instrucción «MUST» o «MUST NOT» prescriben códigos de error estandarizados que se deben usar si se viola la condición anterior. Las declaraciones «MUST» o «MUST NOT» que no tienen un código de error prescrito no se pueden aplicar automáticamente, y los procesadores no están obligados a detectar infracciones.

2.3 Estado de validación

Esta especificación define los códigos de error que DEBE ser generado por un procesador conforme cuando se detectan inconsistencias en el cálculo. Los errores de inconsistencia de cálculo no invalidan un informe XBRL, y los procesadores PUEDEN continuar procesando documentos que contengan dichos errores.

3. Definición del cálculo

3.1 Relaciones suma-elemento

Una relación suma-elemento es una relación efectiva definida por un elemento calculationArc con un arco de http://www.xbrl.org/2003/arcrole/summation-item o https://xbrl.org/CR/2022-05-25/arcrole/summation-item .

Una relación de cálculo XBRL v2.1 es una relación suma-elemento con un arco de http://www.xbrl.org/2003/arcrole/summation-item.

Una relación Cálculos v1.1 es una relación suma-elemento con un arco de https://xbrl.org/CR/2022-05-25/arcrole/summation-item.

Una relación efectiva es una relación XLink que no ha sido prohibida o anulada por un arco con una prioridad más alta, como se describe en XBRL v2.1 sección 3.5.3.9.7.

La validación de cálculos v1.1 es el proceso de aplicación de la comprobación de cálculo descrita en la Sección 4.

La comprobación de la coherencia del cálculo de XBRL v2.1 es el proceso del comportamiento descrito en XBRL v2.1, sección 5.2.5.2 y las inconsistencias de señalización entre un informe XBRL y las relaciones de cálculo de XBRL v2.1.

Un procesador que implemente esta especificación DEBE aplicar la validación de Cálculos v1.1 a las relaciones de Cálculos v1.1.

Los procesadores PUEDEN proporcionar un modo de operación que permita que la validación de Cálculos v1.1 se aplique a las relaciones de cálculo XBRL v2.1. Procesadores que hacen esto:

XBRL v2.1 no prescribe ningún comportamiento para las relaciones de Cálculos v1.1 y la comprobación de consistencia del cálculo XBRL v2.1 NO DEBE aplicarse a ellos.

Las relaciones de cálculos v1.1 y las relaciones de cálculo XBRL v2.1 forman dos redes completamente independientes, y en el caso de que ambas estén presentes en la misma taxonomía, la validación DEBE aplicarse a cada red por separado.

3.2 Estructura de cálculo

Los cálculos se definen en una taxonomía utilizando relaciones suma-elemento.

Un cálculo es el conjunto de todas las relaciones suma-elemento que comparten un concepto total común, un rol de enlace extendido común y un arco común (consulte la Sección 3.1).

4. Aplicación de cálculo

Se puede comprobar la coherencia de un informe con un conjunto de cálculos, y se genera un error siempre que los hechos notificados sean incompatibles con los cálculos definidos. Cada cálculo se comprueba siempre que haya suficientes hechos alineados dimensionalmente para que se «vincule», como se describe en la Sección 4.1.

4.1 Enlace de cálculo

Un punto de datos informado es un conjunto de valores de dimensión para el que existe al menos un hecho con ese conjunto de valores de dimensión como su propiedad {dimensions} y que tiene un valor no nulo. La definición de la OIM de valor de dimensión igual se utiliza al comparar valores de dimensión.

Un cálculo enlaza siempre que se cumplan las siguientes condiciones:

Dos puntos de datos informados, a y b, están alineados dimensionalmente si para cada dimensión que no sea la dimensión central del concepto en la propiedad {dimensiones} de a, la misma dimensión está presente en b con un valor de dimensión igual.

4.2 Comprobación de la coherencia

Cuando un cálculo se vincula, la coherencia del cálculo se determina de la siguiente manera:

Si el modo de redondeo es «redondear a más cercano», el código de error calc11e:inconsistentCalculationUsingRounding DEBE elevarse para cada enlace de un cálculo que no sea coherente.

Si el modo de redondeo es «truncamiento», el código de error calc11e:inconsistentCalculationUsingTruncation DEBE elevarse para cada enlace de un cálculo que no sea consistente.

4.2.1 Modo de redondeo

Para establecer la coherencia de un cálculo, es necesario conocer el conjunto de valores posibles a partir de los cuales se puede haber redondeado un valor notificado. Esto dependerá del método de redondeo que se haya utilizado. Esta especificación define dos posibles modos de redondeo.

El modo de redondeo define cómo se han obtenido los valores que se han reportado con una precisión finita, y es uno de:

Los procesadores que implementan esta especificación deben admitir ambos modos de redondeo. Un único modo de redondeo DEBE utilizarse de forma coherente para todos los cálculos de un informe. El modo de redondeo utilizado DEBERÍA ser una opción de configuración en tiempo de ejecución.

4.2.2 Intervalo de valor de hecho

El intervalo de valor de hecho para un hecho es el rango de valores posibles desde los que el valor de hecho informado es consistente con haber sido redondeado o truncado, dependiendo del modo de redondeo.

4.2.3 Intervalo de valor de hecho redondeado

El intervalo de valor de hecho redondeado para un hecho es el rango de valores posibles desde los que el valor de hecho informado es consistente con haber sido redondeado, lo que permite que un valor de «mitad» se haya redondeado hacia arriba o hacia abajo. Para un hecho con {valor}, y propiedad finita {decimales}, se define como:vd

[v-0.5*10^(0-d), v+0.5*10^(0-d)]

Para un hecho con una propiedad {decimals} de «infinito», se define como el intervalo de un solo punto:

[v, v]

4.2.4 Intervalo de valor de hecho truncado

El intervalo de valor de hecho truncado para un hecho es el rango de valores posibles desde los que el valor de hecho informado es consistente con haber sido truncado. Para un hecho con {valor}, y propiedad finita {decimales}, el intervalo se obtiene de la siguiente manera:vd

El valor reportado se trunca primero a su precisión declarada, reemplazando cualquier dígito distinto de cero a la derecha del decimal con cero.vd

El intervalo es entonces:

Si v > 0:

[v, v+10^(0-d))

Si v < 0:

(v-10^(0-d), v]

Si v == 0:

(v-10^(0-d), v+10^(0-d))

Para un hecho con una propiedad {decimals} de «infinito», se define como el intervalo de un solo punto:

[v, v]

4.3 Dígitos superiores a la precisión declarada

Un hecho tiene dígitos superiores a la precisión declarada si hay dígitos distintos de cero a la derecha de la posición identificada por el valor de la propiedad {decimals}. Un hecho con una propiedad {decimals} de «infinito» no puede tener dígitos que excedan la precisión declarada.

Más formalmente, un hecho tiene dígitos superiores a la precisión declarada si la propiedad {decimals} no es «infinito» y el valor reportado no es un múltiplo entero de 10^(-d) donde d es el valor de la propiedad {decimals}.

4.4 Duplicados consistentes e inconsistentes

Cuando en un informe se presentan hechos duplicados, los valores pueden o no ser coherentes con haber sido redondeados o truncados a partir de un único valor subyacente. El modo de información abierta proporciona definiciones de duplicados coherentes y duplicados incoherentes. Estas definiciones asumen que se utiliza «redondo a más cercano» y no son compatibles con el modo de redondeo «truncamiento». Por lo tanto, esta especificación proporciona una definición modificada denominada duplicados coherentes de cálculo 1.1.

Dos hechos son los duplicados consistentes del cálculo 1.1 si cumplen con la especificación para los hechos duplicados de OIM, con la modificación de que el intervalo utilizado para establecer la consistencia del valor numérico es el intervalo del valor del hecho, como se define en esta especificación.

Dos hechos son los duplicados incompatibles del cálculo 1.1 si cumplen la especificación para los duplicados incompatibles de la OIM, con la modificación de que la referencia a los hechos duplicados se sustituye por duplicados coherentes del cálculo 1.1.

Cuando esta especificación requiera que se genere un error por duplicados incoherentes, se deben utilizar los siguientes códigos de error:

  • Si el modo de redondeo es «round-to-nearest», eleve oime:disallowedDuplicateFacts.
  • Si el modo de redondeo es «truncamiento», eleve calc11e:disallowedDuplicateFactsUsingTruncation.

Apéndice A Situación de la propiedad intelectual (no normativa)

Este documento y sus traducciones pueden copiarse y proporcionarse a terceros, y los trabajos derivados que lo comenten o lo expliquen de otra manera o ayuden a su implementación pueden prepararse, copiarse, publicarse y distribuirse, en su totalidad o en parte, sin restricción de ningún tipo, siempre que el aviso de derechos de autor anterior y este párrafo se incluyan en todas esas copias y trabajos derivados. Sin embargo, este documento en sí no puede ser modificado de ninguna manera, como eliminar el aviso de derechos de autor o las referencias a XBRL International u organizaciones XBRL, excepto cuando sea necesario traducirlo a idiomas distintos del inglés. Los miembros de XBRL International acuerdan otorgar ciertas licencias bajo la Política Internacional de Propiedad Intelectual de XBRL (https://www.xbrl.org/legal).

Este documento y la información contenida en este documento se proporcionan «TAL CUAL» y XBRL INTERNATIONAL RENUNCIA A TODAS LAS GARANTÍAS, EXPRESAS O IMPLÍCITAS, INCLUIDAS, ENTRE OTRAS, CUALQUIER GARANTÍA DE QUE EL USO DE LA INFORMACIÓN AQUÍ CONTENIDA NO INFRINGIRÁ NINGÚN DERECHO O GARANTÍA IMPLÍCITA DE COMERCIABILIDAD O IDONEIDAD PARA UN PROPÓSITO PARTICULAR.

La atención de los usuarios de este documento se dirige a la posibilidad de que el cumplimiento o la adopción de las especificaciones de XBRL International pueda requerir el uso de una invención cubierta por derechos de patente. XBRL International no será responsable de identificar patentes para las cuales una licencia pueda ser requerida por cualquier especificación de XBRL International, o de realizar investigaciones legales sobre la validez legal o el alcance de las patentes que se pongan en su conocimiento. Las especificaciones de XBRL International son prospectivas y de asesoramiento solamente. Los posibles usuarios son responsables de protegerse contra la responsabilidad por infracción de patentes. XBRL International no toma ninguna posición con respecto a la validez o el alcance de cualquier propiedad intelectual u otros derechos que puedan reclamarse relacionados con la implementación o el uso de la tecnología descrita en este documento o la medida en que cualquier licencia bajo dichos derechos podría o no estar disponible; tampoco declara que haya hecho ningún esfuerzo por identificar tales derechos. Los miembros de XBRL International acuerdan otorgar ciertas licencias bajo la Política Internacional de Propiedad Intelectual de XBRL (https://www.xbrl.org/legal).

Requisitos para los cálculos 1.1

Documento de requisitos 25 de mayo de 2022

Esta versión

https://www.xbrl.org/REQ/calculation-requirements-1.1/REQ-2022-05-25/calculation-requirements-1.1-2022-05-25.html

Editor

Paul Warren, < Internacional XBRL pdw@xbrl.org>

Tabla de contenidos

Definiciones

1. Introducción

La especificación XBRL 2.1 define una sintaxis estándar basada en XML para los informes empresariales XBRL. Proporciona una sintaxis para definir relaciones de cálculo (en adelante, XBRL 2.1 summation-item) entre elementos numéricos en un informe XBRL.

Las relaciones suma-elemento XBRL 2.1 han definido el comportamiento de validación, y se requiere que los procesadores conformes señalen una «inconsistencia» si los hechos en un informe XBRL no se ajustan a las relaciones prescritas.

Las cifras en los informes financieros a menudo se presentan después del redondeo y la escala para mejorar la legibilidad del informe. XBRL 2.1 permite que los hechos declaren la precisión con la que se informan. XBRL 2.1 summation-item prescribe cómo los procesadores deben tratar esta información de precisión, pero desafortunadamente, el enfoque no maneja correctamente los escenarios de informes comunes, lo que lleva a que se señalen inconsistencias de cálculo para valores que de hecho son consistentes.

En este documento se describen los requisitos para una nueva especificación mínima que solucione este problema.

Las relaciones suma-elemento XBRL 2.1 tienen una serie de otras limitaciones. Por ejemplo, se limitan a describir relaciones de suma entre hechos numéricos que son c-iguales, es decir, que comparten el mismo período, dimensiones y otra información contextual.

Abordar estas limitaciones es objeto de un documento de requisitos de Cálculos 2.0 separado y se considera fuera del alcance de la solución de Cálculos 1.1 definida en este documento.

2. Problemas con XBRL v2.1 summation-item

2.1 Redondeo

Considere un informe basado en los siguientes valores reales en un balance general:

Tenga en cuenta que las cifras presentadas no se suman exactamente, a pesar de que todas se han redondeado correctamente de los valores reales que sí lo hacen. Este es un resultado común y normal del redondeo.

La especificación XBRL v2.1 establece que «Un cálculo vinculante se define para ser consistente si el valor redondeado del elemento de suma es igual al total redondeado a los decimales o decimales inferidos del elemento de suma».

La especificación describe cómo se debe realizar el redondeo, pero en todos los escenarios comunes, la salida del proceso de redondeo es la misma que la entrada. Por ejemplo, la figura «Deudores» se etiquetaría correctamente como (decimales = -5). El proceso de redondeo prescribe que debemos redondearlo a los 100.000 más cercanos, pero esto ya se ha hecho antes de incluir el valor en el informe. Por lo tanto, la especificación requiere efectivamente que las cifras reportadas (posterior al redondeo) se sumen exactamente, lo que lleva a inconsistencias comunes.12100000

2.2 Duplicados

La especificación XBRL v2.1 prescribe las situaciones en las que se comprueba un cálculo («enlaza»). Un cálculo sólo se vinculará si no hay hechos duplicados presentes para el elemento de suma (total) o cualquiera de los elementos contribuyentes.

Los informes financieros a menudo incluyen el mismo valor más de una vez, y en algunos casos se informan con diferentes niveles de precisión. Por ejemplo, una cifra puede presentarse al millar más cercano en una tabla, pero resumirse al millón más cercano en una declaración textual.

El uso cada vez mayor de XBRL en línea, y la mejor práctica asociada de etiquetar todas las ocurrencias de un hecho, significa que los duplicados en XBRL son comunes, y siempre que todos los valores sean consistentes con su precisión declarada, no representan un problema con el informe.

El comportamiento actual de XBRL v2.1 tiene el efecto secundario de deshabilitar algunas comprobaciones de cálculo que deben realizarse. Este problema se ve agravado por el hecho de que la especificación Inline XBRL permite, pero no requiere, la des duplicación, lo que lleva a la ambigüedad en el comportamiento requerido para las comprobaciones de cálculo.

2.3 Dependencias sintácticas

El XBRL v2.1 prescribe que los cálculos se verifican entre hechos que son «C-Equal» y «U-Equal». Esto requiere efectivamente que todos los hechos tengan las mismas dimensiones, incluidas las dimensiones incorporadas y definidas por taxonomía, y las mismas unidades.

Las definiciones de «C-Equal» y «U-Equal» se refieren a la estructura XML de los elementos y, respectivamente. Esto es problemático para «C-Equal» ya que la comparación prescrita no es consciente del tipo, lo que significa que los elementos equivalentes, pero sintácticamente diferentes, no se considerarán iguales. La especificación posterior de XBRL Dimensions utiliza QNames para identificar nombres de cotas. Los QNames que utilizan diferentes prefijos enlazados al mismo URI de espacio de nombres deben considerarse equivalentes, pero no lo serán a menos que la comparación sea consciente del tipo.<context><unit>context

Del mismo modo, los valores de cota también pueden ser QNames (para dimensiones explícitas) o cualquier tipo de esquema XML para dimensiones con tipo, y deben compararse como valores con tipo.

En términos más generales, la reciente iniciativa Open Information Model define un modelo independiente de la sintaxis, y es deseable que la equivalencia dimensional de los hechos se determine bajo ese modelo, en lugar de comparar los detalles sintácticos XML.

3. Requisitos de alcance

3.1 Consistencia del cálculo

Se debe comprobar la coherencia de los valores de un informe con un conjunto de relaciones de cálculo establecidas. Los valores notificados deben considerarse coherentes con un cálculo si existe un conjunto de valores reales a partir de los cuales se podrían haber redondeado los valores notificados que se ajusten al cálculo especificado.

3.1.1 Aritmética basada en intervalos

La comprobación de la consistencia del cálculo debe determinarse mediante aritmética de intervalos. Cada hecho reportado con precisión finita representa un intervalo de posibles valores subyacentes. Por ejemplo, un valor de 12 (decimales = 0) podría haberse redondeado desde cualquier valor entre 11,5 y 12,5 (la inclusión de los límites se discute en la siguiente sección).

El requisito de coherencia definido en la sección 3.1 se cumple si hay superposición entre el intervalo del total notificado y el intervalo calculado.

3.2 Soporte para diferentes métodos de redondeo

Hay una serie de enfoques diferentes utilizados para redondear los valores para su presentación en un informe.

Los métodos comunes incluyen «redondo a más cercano» y truncamiento («redondo hacia cero»). Hay una serie de variaciones de «redondo a más cercano», con diferentes tratamientos de valores que están exactamente a medio camino entre dos valores más cercanos («empates»). Las variaciones comunes incluyen «lazos a pares» y «lazos lejos de cero».

La solución debe admitir métodos de «redondo a más cercano» y truncamiento.

La solución debe permitir configurar un procesador para comprobar los cálculos asumiendo que los métodos de «redondeo a más cercano» o de trnucación.

Al verificar de acuerdo con «redondo a más cercano», la solución no debe distinguir entre el diferente tratamiento de los lazos. Cuando no pueda determinarse la coherencia de un cálculo sin saber qué variación se ha utilizado, debe tratarse como coherente.

La razón detrás de este enfoque es que la elección entre «redondo a más cercano» y truncado se establece típicamente por convenciones jurisdiccionales, y la diferencia conduce a una diferencia subtantiva entre los valores que se consideran consistentes para un cálculo dado. Por otro lado, la elección entre diferentes variaciones de «redondo a más cercano» puede variar entre los informes dentro de una jurisdicción, pero la diferencia hace una diferencia mínima en los valores que se considerarían consistentes.

3.3 Soporte para hechos duplicados

La presencia de hechos duplicados no debe dar lugar a la desactivación de la comprobación del cálculo. Cuando existan múltiples hechos coherentes, el cálculo debe verificarse utilizando el hecho más preciso disponible. Si hay múltiples hechos inconsistentes presentes, entonces se debe señalar un error.

3.4 Independencia de la sintaxis

La solución debe definirse en términos del modelo de informe definido en el modelo de información abierta y no debe depender de la sintaxis XML definida en XBRL v2.1

4. Requisitos fuera del alcance

4.1 Funcionalidad adicional

Con el fin de mantener el proceso de desarrollo lo más corto posible, la solución debe buscar solo abordar las deficiencias en la funcionalidad que pretende proporcionar XBRL v2.1 summation-item. No debe intentar introducir ninguna funcionalidad nueva, como la capacidad de comprobar el período cruzado u otros cálculos interdimensionales. En su lugar, cualquier requisito de este tipo debe considerarse para su inclusión en los Cálculos 2.0.

Apéndice A Situación de la propiedad intelectual (no normativa)

Este documento y sus traducciones pueden copiarse y proporcionarse a terceros, y los trabajos derivados que lo comenten o lo expliquen de otra manera o ayuden a su implementación pueden prepararse, copiarse, publicarse y distribuirse, en su totalidad o en parte, sin restricción de ningún tipo, siempre que el aviso de derechos de autor anterior y este párrafo se incluyan en todas esas copias y trabajos derivados. Sin embargo, este documento en sí no puede ser modificado de ninguna manera, como eliminar el aviso de derechos de autor o las referencias a XBRL International u organizaciones XBRL, excepto cuando sea necesario traducirlo a idiomas distintos del inglés. Los miembros de XBRL International acuerdan otorgar ciertas licencias bajo la Política Internacional de Propiedad Intelectual de XBRL (https://www.xbrl.org/legal).

Este documento y la información contenida en este documento se proporcionan «TAL CUAL» y XBRL INTERNATIONAL RENUNCIA A TODAS LAS GARANTÍAS, EXPRESAS O IMPLÍCITAS, INCLUIDAS, ENTRE OTRAS, CUALQUIER GARANTÍA DE QUE EL USO DE LA INFORMACIÓN AQUÍ CONTENIDA NO INFRINGIRÁ NINGÚN DERECHO O GARANTÍA IMPLÍCITA DE COMERCIABILIDAD O IDONEIDAD PARA UN PROPÓSITO PARTICULAR.

La atención de los usuarios de este documento se dirige a la posibilidad de que el cumplimiento o la adopción de las especificaciones de XBRL International pueda requerir el uso de una invención cubierta por derechos de patente. XBRL International no será responsable de identificar patentes para las cuales una licencia pueda ser requerida por cualquier especificación de XBRL International, o de realizar investigaciones legales sobre la validez legal o el alcance de las patentes que se pongan en su conocimiento. Las especificaciones de XBRL International son prospectivas y de asesoramiento solamente. Los posibles usuarios son responsables de protegerse contra la responsabilidad por infracción de patentes. XBRL International no toma ninguna posición con respecto a la validez o el alcance de cualquier propiedad intelectual u otros derechos que puedan reclamarse relacionados con la implementación o el uso de la tecnología descrita en este documento o la medida en que cualquier licencia bajo dichos derechos podría o no estar disponible; tampoco declara que haya hecho ningún esfuerzo por identificar tales derechos. Los miembros de XBRL International acuerdan otorgar ciertas licencias bajo la Política Internacional de Propiedad Intelectual de XBRL (https://www.xbrl.org/legal).

Publicado originalmente: https://www.xbrl.org/news/revisions-to-calculations-1-1-ensure-global-utility/

Revisiones-de-Calculos-1.1-garantizan-la-utilidad-globalDescarga

Prepárese para la Directiva de Informes de Sostenibilidad Corporativa (CSRD) de la UE

12 DE MAYO | INSIGHTS

Publicado a las 16:40 por Tina Zhang

El 21 de abril de 2021, la Comisión Europea adoptó la propuesta de Directiva de Información de Sostenibilidad Corporativa (CSRD), que modificaría los requisitos existentes de la Directiva de Información No Financiera (NFRD). La CSRD prevé la adopción de las Normas Europeas de Información de Sostenibilidad (ESRS). Identifica al Grupo Consultivo Europeo de Información Financiera (EFRAG) como asesor técnico para desarrollar las ESRS en paralelo con el proceso legislativo de la CSRD.

El 29 de abril de 2022, el EFRAG publicó los Borradores de Exposición (DE) del ESRS para consulta pública con un período de 100 días previsto para el 8 de agosto de 2022. Estos ED corresponden a la CSRD, cubriendo todos los asuntos ambientales, sociales y de gobernanza (ESG).

Requisitos actuales: NFRD

El NFRD se estableció en 2014. Las grandes entidades de interés público con más de 500 empleados deben informar cinco problemas no financieros en virtud de las disposiciones de NFRD por primera vez en 2018, para obtener información que cubra el año fiscal 2017. Esto cubre aproximadamente 11 600 empresas en toda la UE, incluidas las empresas que cotizan en bolsa, los bancos y las compañías de seguros.

Siguiente paso de las propuestas de CSRD

La propuesta consiste en finalizar un texto legislativo basado en la CSRD. Si el Parlamento Europeo y los Estados miembros pueden llegar a un acuerdo a mediados de 2022, los Estados miembros incorporarán el SSE a su legislación estatal a más tardar en diciembre de 2022. Poco después, el ESRS entrará en vigor a partir del 1 de enero de 2023. Las empresas en el ámbito de la RSC deben publicar su primer informe de sostenibilidad en 2024, que cubra la información en el año fiscal 2023.

Cambios clave en el CSRD

El NFRD puede considerarse un ejemplo destacado de cómo el panorama de la divulgación sostenible de la UE ha cambiado y sigue cambiando. También muestra el esfuerzo de la UE para promover el desarrollo de la responsabilidad ASG. Sin embargo, todavía tiene algunas ineficiencias. Con el fin de actualizar el NFRD, el CSRD ajusta los requisitos en las siguientes áreas:

  • Alcance

Solo 11,600 entidades son elegibles para el informe NFRD. Esto se debe a que el NFRD excluye a las empresas privadas, así como a las pequeñas y medianas empresas (PYME) de las obligaciones de información. Además, las filiales no están obligadas a informar si sus empresas matrices pueden cumplir los requisitos de NFRD sobre una base de consolidación. Como resultado, los inversores y las partes interesadas que deseen hacer referencia a los informes de NFRD a menudo se enfrentan al desafío de la información insuficiente debido al alcance limitado.

La CSRD amplía el alcance a aproximadamente 49.000 empresas de la UE y filiales extranjeras pertinentes, lo que representa el 75 % del volumen de negocios de todas las sociedades de responsabilidad limitada. En comparación con el NFRD, se aplica a las PYME incluidas en la lista, excepto a las microempresas. También incluye a todas las grandes empresas que están gobernadas por la UE o establecidas en un estado miembro de la UE, así como a las que ya están bajo el NFRD. Según la CSRD, las grandes empresas dentro del ámbito de aplicación deben cumplir dos de los siguientes criterios:

1. más de 250 empleados;

2. más de 40 millones de euros de ingresos netos;

3. más de 20 millones de euros de activos totales.

  • Flexibilidad y granularidad de los requisitos

Con la excepción de las directrices de informes climáticos, el NFRD es un marco basado en principios sin ninguna orientación detallada, que proporciona a las empresas una discreción considerable para decidir el contenido y los principios de materialidad. Además, las empresas informantes no están sujetas a ninguna norma de información no financiera, y los marcos nacionales o mundiales pueden aplicarse al informe. Por lo tanto, estas características de la NFRD perjudican la comparabilidad de los informes y, a veces, conducen a la divulgación de información considerada irrelevante por los usuarios de informes de la NFRD. Las directrices vagas en el marco basado en principios influirán en la calidad de los datos y dificultarán la recopilación de datos precisos en el proceso de presentación de informes.

Bajo las propuestas de CSRD, las empresas deben publicar declaraciones de sostenibilidad separadas como parte de sus informes de gestión que contengan divulgaciones independientes del sector, específicas del sector y específicas de la empresa. Esto puede ayudar a los preparadores a conectar información financiera y no financiera en sus informes.

Los recientes 13 ED del SSE se atribuyen a las normas independientes del sector, que abarcan una norma sobre principios generales para la presentación de informes de sostenibilidad, una norma sobre requisitos generales de divulgación y 11 requisitos de divulgación basados en KPI sobre temas ESG. El EFRAG está trabajando en el resto de normas, donde la específica de la entidad está diseñada para las PYME. Las normas basadas en KPI pueden ayudar a los preparadores a divulgar información más completa y precisa para satisfacer las demandas de los usuarios, lo que mejorará aún más la credibilidad del informe.

  • Auditoría y Aseguramiento

En el NFRD, el auditor legal está obligado a verificar la existencia del estado no financiero, pero no está obligado a verificar la exactitud de los datos y el procedimiento de procesamiento de datos. La falta de un trabajo de auditoría profundo impondrá el riesgo de una mala calidad de los datos por parte de las empresas informantes. Sin embargo, el CSRD publicó un requisito de auditoría obligatorio para los informes de sostenibilidad para aumentar su confiabilidad. Las empresas dentro del alcance de la RSC deben buscar una garantía limitada sobre su divulgación de sostenibilidad, lo que avanzará hacia un requisito de garantía razonable en una etapa posterior.

Impactos potenciales de la CSRD

  • Doble materialidad

El término «doble materialidad» se introduce en el NFRD, que será sucedido por las propuestas de CSRD. De acuerdo con las ED de la ESRS 1 y la ESRS 2, la CSRD mejora el concepto y especifica los requisitos de divulgación de la doble materialidad. Englobados en el término hay dos aspectos de la materialidad: la materialidad financiera y la materialidad de impacto.

La materialidad de impacto se refiere a un asunto sostenible que tiene un impacto material real o potencial en las personas o el medio ambiente a corto, mediano o largo plazo. El impacto puede ser cualquier cosa que ocurra en cualquier nivel de relaciones comerciales en la cadena de valor. La materialidad del impacto real está determinada por la gravedad, como la escala y la irremediabilidad del daño. Por otro lado, la materialidad del impacto potencial dependerá de su probabilidad.

Al evaluar la materialidad financiera, las empresas deben centrarse en cuestiones sostenibles que puedan desencadenar efectos financieros en las empresas a corto, medio o largo plazo. Por ejemplo, una empresa que opera fábricas con descarga de efluentes debe considerar que la prevención de la contaminación es un asunto sostenible financieramente material, ya que la mala gestión de la descarga puede conducir a una sanción financiera de los reguladores e impactar negativamente en su capacidad de generación de ingresos debido al daño a la reputación.

  • Interacción con estándares globales

Antes de desarrollar el ESRS, la Global Reporting Initiative (GRI), el creador de normas para un marco de divulgación ESG ampliamente adoptado, firmó un acuerdo de cooperación con el EFRAG para alinear su marco de informes voluntarios con el ESRS. Además, la propuesta de CSRD declaró que seguiría el Grupo de Trabajo sobre Divulgación Financiera Relacionada con el Clima (TCFD) con respecto a los requisitos para la información de sostenibilidad relacionada con el clima. Además, el NFRD requiere que los preparadores informen información relacionada con el clima de acuerdo con el Protocolo de GEI. Como una extensión y enmienda al NFRD, el CSRD también se refiere al Protocolo de GEI como su guía para la divulgación relacionada con el clima. Finalmente, el EFRAG acuerda unirse a un grupo de trabajo a través de iniciativas de establecimiento de normas establecidas por la Junta Internacional de Normas de Sostenibilidad (ISSB) para trabajar en el desarrollo de una línea de base global de divulgación financiera de sostenibilidad. También realiza un análisis comparativo con la propuesta del ISSB, descubriendo que debido a las diferencias entre los estándares, las empresas y los inversores pueden tener que lidiar con varios estándares de informes de sostenibilidad a corto plazo.

Cómo deben prepararse las empresas para la RSC

1. Identifico los riesgos y oportunidades ESG de la empresa. Llevar a cabo evaluaciones de riesgos para encontrar brechas en la gobernanza, las políticas y los procedimientos existentes en relación con los asuntos ESG según lo establecido en las normas ESG relevantes. Esto debe hacerse tanto a nivel de matriz como a nivel de filial, ya que las empresas no pertenecientes a la UE a lo largo de la cadena de valor también se incluyen en los informes de RSC.

2. Realizar una evaluación de la materialidad siguiendo el principio fundamental del doble. Describir los impactos y documentar el proceso, las metodologías y los recursos aplicados en la práctica.

3. Garantizar la cobertura y la calidad de los datos, así como la fiabilidad de la recopilación de datos, ya que la CSRD exige una mayor calidad de los informes y un trabajo de auditoría obligatorio.

4. Esté atento a la evolución de los requisitos de presentación de informes de sostenibilidad, ya que la DSC aún se encuentra en la fase de propuesta y el ESRS está en fase de consulta.

El cumplimiento de los nuevos requisitos de CSRD sigue siendo un desafío para muchas empresas porque este proceso exige un gran conjunto de conocimientos y conjuntos de habilidades diversificadas. Seneca ESG proporciona una plataforma SaaS dirigida a la resolución de problemas durante la presentación de informes y otros aspectos de la gestión sostenible para las empresas. Nuestro experimentado equipo proporcionará servicios profesionales para ayudar a las empresas con el cumplimiento de CSRD, la descarbonización y la inversión sostenible. Póngase en contacto con nosotros en info@senecaesg.com para obtener soluciones personalizadas para usted.

Fuentes:

https://ec.europa.eu/info/business-economy-euro/company-reporting-and-auditing/company-reporting/corporate-sustainability-reporting_en

https://ec.europa.eu/commission/presscorner/detail/en/qanda_21_1806

https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52021PC0189&from=EN

https://www.efrag.org/lab3?AspxAutoDetectCookieSupport=1

https://www.efrag.org/Assets/Download?assetUrl=%2Fsites%2Fwebpublishing%2FSiteAssets%2FED_ESRS_AP2.pdf

https://home.kpmg/xx/en/home/insights/2022/05/european-sustainability-reporting-standards-eu-esrs.html

https://www.pwc.co.uk/services/legal/insights/csrd-are-you-ready-for-esg-reporting-changes-in-europe.html

https://mp.weixin.qq.com/s/UxeOrhdbZOoMWCUWZd3qlw

https://mp.weixin.qq.com/s/8dYnzDadZUGsQ__ycpRD5w

https://www.efrag.org/lab3?AspxAutoDetectCookieSupport=1

ETIQUETAS:

Estrategia de RSC – Informes ESG y transparencia, CSRD, Consejo Europeo, Innovación – Ingresos verdes-I+D- Capex, ISSB, NFRD, Taxonomía

Publicado originalmente: https://www.senecaesg.com/insights/insights-get-ready-for-eus-corporate-sustainability-reporting-directive-csrd/

Preparese-para-la-Directiva-de-Informes-de-Sostenibilidad-Corporativa-CSRD-de-la-UEDescarga

EBA propone información normalizada para las ventas de préstamos dudosos

Publicado el mayo 20, 2022 por Editor

La Autoridad Bancaria Europea (ABE) ha puesto en marcha una consulta sobre las normas propuestas sobre la información facilitada por los vendedores de préstamos dudosos a los posibles compradores. El funcionamiento de los mercados secundarios de préstamos dudosos se ha puesto de relieve por la pandemia de Covid-19 y puede seguir siendo relevante a medida que cambian las mareas económicas.

El objetivo del proyecto de Normas Técnicas de Ejecución (STI) de la ABE es «proporcionar un estándar común para las transacciones de préstamos dudosos en toda la UE que permita la comparación entre países y, por lo tanto, reducir las asimetrías de información entre los vendedores y compradores de préstamos dudosos». Las plantillas para el suministro de información préstamo por préstamo son el núcleo del STI, basadas en plantillas voluntarias anteriores e incorporando comentarios de la industria y prácticas de mercado. La ABE espera que el uso de plantillas estándar con campos definidos facilite las ventas de préstamos dudosos en los mercados secundarios, aumente la eficiencia de esos mercados y reduzca las barreras de entrada para las pequeñas entidades de crédito y los inversores más pequeños.

Observamos con interés que, si bien el proyecto de STI no prescribe un formato específico, sí prevé y fomenta la divulgación digital, afirmando que: «Las entidades de crédito proporcionarán la información especificada en el presente Reglamento en forma electrónica y legible por máquina, a menos que las entidades de crédito y los posibles compradores acuerden otra cosa». Sugiere que cuando las transferencias de préstamos dudosos se produzcan como una transacción bilateral, las dos partes involucradas puedan acordar los protocolos más adecuados para el intercambio de información. Considerando que, cuando las entidades de crédito utilicen plataformas electrónicas de subastas o transferencias para organizar ventas o transferencias de préstamos dudosos, dichas plataformas podrán establecer requisitos adicionales para el formato electrónico y legible por máquina.

Los comentarios sobre la consulta deben presentarse antes del 31 de agosto de 2022.

Lea más aquí y aquí.

INFORMES BANCARIOS DE LA ABE UE

La ABE consulta sobre los requisitos de información normalizados para apoyar las ventas de préstamos dudosos

16 mayo 2022

  • La ABE propone la normalización de la información para aumentar la eficiencia de los mercados secundarios para las ventas de préstamos dudosos y reducir las barreras de entrada para los bancos más pequeños y los inversores más pequeños.
  • Las plantillas de transacción de NPL propuestas se basan en plantillas voluntarias anteriores y consideran la experiencia de los participantes del mercado desde el lado de la venta y compra.
  • Las plantillas de transacciones de préstamos dudosos son el eje de numerosas iniciativas en el marco del plan de acción de la Comisión Europea de diciembre de 2020 para los préstamos dudosos tras la pandemia de COVID-19.

La Autoridad Bancaria Europea (ABE) ha lanzado hoy una consulta pública sobre el proyecto de normas técnicas de ejecución (STI) que especifica los requisitos de información que los vendedores de préstamos dudosos (NPL) proporcionarán a los posibles compradores, con el fin de mejorar el funcionamiento de los mercados secundarios de préstamos dudosos. El objetivo del proyecto de STI es proporcionar una norma común para las transacciones de préstamos dudosos en toda la UE que permita la comparación entre países y, por lo tanto, reducir las asimetrías de información entre los vendedores y compradores de préstamos dudosos.

Las plantillas comunes, incluidos los campos de datos con sus definiciones y características establecidas en el proyecto de STI, facilitarían las ventas de préstamos dudosos en los mercados secundarios, aumentarían la eficiencia de dichos mercados y reducirían los obstáculos a la entrada de las pequeñas entidades de crédito y los inversores más pequeños que deseen concluir las operaciones.

El proyecto de STI se basa en las plantillas que se utilizarán para el suministro de información préstamo por préstamo sobre las contrapartes relacionadas con la morosidad, las características contractuales del préstamo en sí, cualquier garantía y garantía proporcionada con los procedimientos de ejecución asociados y el calendario histórico de cobro y reembolso del préstamo. Las plantillas de transacciones NPL también se complementan con un glosario de datos y las instrucciones para rellenar las plantillas.

El proyecto de STI también tiene en cuenta el principio de proporcionalidad estableciendo diferentes requisitos de información en función del tamaño de la morosidad, especificando los campos de datos obligatorios y no obligatorios, y considerando un ámbito de aplicación diferente de los campos de datos en relación con la naturaleza del prestatario (particular o corporativo) y la del préstamo (garantizado o no).

La ABE ha desarrollado el borrador del STI aprovechando la experiencia adquirida con el uso voluntario de las plantillas de datos de NPL, que había desarrollado en 2017 y reflejando los comentarios de la industria sobre el uso de estas plantillas y las prácticas de mercado más amplias. La ABE recogió estas experiencias mientras desarrollaba el documento de debate que se publicó en mayo de 2021.

Proceso de consulta y próximos pasos

Los comentarios a esta consulta se pueden enviar a la ABE haciendo clic en el botón «enviar sus comentarios» en la página de consulta. Tenga en cuenta que la fecha límite para la presentación de comentarios es el 31 de agosto de 2022. Todas las contribuciones recibidas se publicarán al final de la consulta, a menos que se solicite lo contrario.

Una audiencia pública sobre el borrador de ITS tendrá lugar a través de una reunión en línea el miércoles 15 de junio de 2022 de 10:00 a 12:00 CET. Regístrese para la audiencia aquí antes del 13 de junio de 2022 a las 16:00 CET.

Tras el período de consultas, el proyecto de STI se finalizará y se presentará a la Comisión Europea a finales de 2022.

Fondo

El artículo 16, apartado 1, de la Directiva sobre los administradores y compradores de créditos [Directiva (UE) 2021/2167] encomienda a la ABE que elabore un proyecto de STI para especificar las plantillas que deben utilizar las entidades de crédito para facilitar información a los compradores de créditos al vender o transferir préstamos dudosos (NPL) a efectos de la diligencia debida financiera y la valoración de los préstamos dudosos.

DOCUMENTOS

ENLACES

Contactos de prensa

Franca Rosa Congiu

press@eba.europa.eu | +33 1 86 52 7052 | Seguir @EBA_News

Publicado originalmente: https://www.xbrl.org/news/eba-proposes-standardised-information-for-sales-of-non-performing-loans/

EBA-propone-informacion-normalizada-para-las-ventas-de-prestamos-dudososDescarga