Publicado el 9 de julio de 2023 por Editor
La Comisión de Bolsa y Valores (SEC) ha publicado su Informe semestral al Congreso sobre el uso de datos legibles por máquina para divulgaciones corporativas, según lo dispuesto por la Ley de Transparencia de Datos Financieros (FDTA). El informe destaca las ventajas de aprovechar los datos legibles por máquina en la industria financiera, destacando varios beneficios y resultados.
El informe revela que una gran mayoría de las divulgaciones corporativas en los Estados Unidos, aproximadamente las tres cuartas partes, ahora incorporan datos legibles por máquina. Esta implementación generalizada demuestra el compromiso de la industria para adoptar estas tecnologías.
Los estudios citados en el informe indican que las divulgaciones legibles por máquina han contribuido a una disminución de la asimetría de la información al reducir los costos de procesamiento y hacer que los precios de las acciones sean más informativos. Esto ha llevado a una mayor competencia en el mercado, una mejor supervisión de los emisores por parte de los inversores y un impulso para una divulgación más consistente y cuantitativa.
Los emisores también se han beneficiado de los datos legibles por máquina, como una mayor liquidez, menores costos de capital, mayor retorno de la inversión y capacidades mejoradas de evaluación comparativa y análisis de adquisiciones.
Es importante destacar que el uso de datos legibles por máquina ha facilitado los esfuerzos de protección de los inversores de la SEC. La División de Cumplimiento ha podido realizar análisis más eficientes de las prácticas y divulgaciones contables, lo que ha llevado a la detección y búsqueda de infracciones que habrían sido significativamente más desafiantes sin acceso a datos legibles por máquina.
Si bien el informe reconoce los costos de cumplimiento asociados con la implementación de datos legibles por máquina, incluido el etiquetado XBRL, enfatiza los beneficios a largo plazo y la posible reducción de la carga interna con el tiempo.
Dado que la FDTA exige un informe similar cada año, esta es una idea útil de los muchos beneficios de los informes XBRL, ¡sin mencionar una actualización útil sobre la implementación de los EE. UU.! El informe destaca la alineación entre las directivas de la FDTA y los esfuerzos continuos de la SEC para mejorar la gestión y utilización de datos aprovechando los datos legibles por máquina.
Lea el informe aquí.
Introducción
La Ley de Transparencia de Datos Financieros de 2022 (FDTA), que se promulgó el 23 de diciembre de 2022, como Título LVIII de la Ley de Autorización de Defensa Nacional James M. Inhofe para el Año Fiscal 2023,1 requiere que la Comisión informe semestralmente sobre el uso público e interno de datos legibles por máquina para divulgaciones corporativas.2 Este informe es el primero de este tipo. La FDTA requiere que la Comisión presente este informe al Comité de Banca, Vivienda y Asuntos Urbanos del Senado y al Comité de Servicios Financieros de la Cámara de Representantes cada 180 días hasta el 23 de diciembre de 2029, cuando expire la disposición que requiere el informe.3
La Sección 5825(b) de la FDTA requiere que este informe incluya una identificación de qué divulgaciones corporativas requeridas bajo las disposiciones especificadas de las leyes de valores se expresan como datos legibles por máquina y cuáles no; un análisis de los costes y beneficios del uso de datos legibles por máquina en la divulgación de información corporativa a los inversores, los mercados, la Comisión y los emisores; un resumen de las medidas coercitivas que resulten del uso o análisis de datos legibles por máquina recopilados en virtud de las disposiciones legales especificadas; y un análisis de la forma en que la Comisión utiliza los datos legibles por máquina que recopila.4
Identificación de divulgaciones corporativas expresadas como datos legibles por máquina
La Sección 5825(b)(2)(A) de la FDTA requiere una identificación de qué divulgaciones corporativas requeridas bajo la Sección 7 de la Ley de Valores de 1933 (la Ley de Valores),5 la Sección 13 de la Ley de Bolsa de Valores de 1934 (la Ley de Bolsa),6 y la Sección 14 de la Ley de Bolsa7 se expresan como datos legibles por máquina y cuáles no lo son. Actualmente, 38 de 52 (o aproximadamente tres cuartas partes) de los formularios, anexos y declaraciones que contienen las divulgaciones requieren algunos datos legibles por máquina, mientras que 14 (o aproximadamente una cuarta parte)8 no requieren ningún dato legible por máquina. Consulte el Apéndice.
Análisis de los costos y beneficios del uso de datos legibles por máquina
REQUISITOS EXISTENTES DE DATOS ESTRUCTURADOS9
En 2009, la Comisión adoptó normas que obligan a las empresas operadoras a proporcionar la información de los estados financieros en sus estados de registro e informes periódicos y actuales en formato legible por máquina utilizando el lenguaje extensible de información comercial (XBRL),10 que es un lenguaje de datos estructurados utilizado para la presentación estandarizada de información comercial, incluida la información relacionada con el desempeño financiero de las empresas.11 Ese mismo año, la Comisión exigió asimismo a las sociedades de inversión de gestión abierta (fondos mutuales) que facilitaran información resumida sobre el riesgo/rendimiento en sus folletos en formato XBRL.12
Desde entonces, la Comisión ha perfeccionado sus normas exigiendo formatos normalizados abiertos, libremente disponibles y legibles por máquina, promulgados por organizaciones de normalización u órganos de normalización de consenso voluntario. Por ejemplo, en 2018, la Comisión adoptó enmiendas que requieren el uso, de forma gradual, de XBRL en línea para la información de los estados financieros de la empresa operativa y la información resumida de riesgo/rendimiento del fondo.13 Considerando que los declarantes anteriores generaron un documento HTML de la información de sus estados financieros o información resumida de riesgo/rendimiento y luego etiquetaron una copia de los datos para crear una exposición XBRL separada, Inline XBRL permite a los archivadores preparar un único documento que sea legible tanto por humanos como por máquina.14
La Comisión ha adoptado normas que exigen formatos legibles por máquina para las recopilaciones adicionales de información. En 2019, la Comisión introdujo requisitos de etiquetado de datos estructurados para ciertos datos de portada de formularios de presentación de informes.15 En 2021, la Comisión modificó la mayoría de sus formularios y anexos con tasas para exigir el etiquetado de la información relacionada con el cálculo de las tasas de presentación.16 También en 2021, la Comisión agregó requisitos de etiquetado en los Formularios 10-K, 20-F y 40-F relacionados con el auditor y la jurisdicción en el informe de auditoría firmado por la firma de contabilidad pública registrada.17 otras publicaciones de la Comisión han adoptado o propuesto requisitos de etiquetado de datos estructurados para colecciones adicionales de información.18
Además de exigir XBRL y XBRL en línea para ciertas presentaciones, la Comisión exige que algunos informes y divulgaciones se presenten en un lenguaje de datos basado en eXtensibleMarkupLanguage (XML) específico para formularios particulares (XML personalizado y XML específico del formulario).19 Es decir, ciertas presentaciones se envían utilizando lenguajes XML personalizados que son específicos para el formulario particular que se presenta.20 Para tales presentaciones, Por lo general, los solicitantes tienen la opción de presentar la presentación directamente en el lenguaje de datos XML personalizado pertinente o de introducir manualmente la información en un formulario rellenable basado en la Web elaborado por la Comisión que convierte el formulario cumplimentado en un documento XML personalizado.21
BENEFICIOS
Los estudios demuestran que las divulgaciones legibles por máquina benefician a los inversores, los mercados y los emisores. Hacer que las divulgaciones corporativas sean legibles por máquina ha disminuido la asimetría de la información al reducir los costos de procesamiento de la información, hacer que los precios de las acciones sean más informativos (es decir, reflejar mejor la información específica de la empresa) y reducir las ineficiencias y los riesgos del mercado.22 La legibilidad de la máquina ha mejorado la competencia en el mercado, por ejemplo, reduciendo las ventajas internas en relación con las personas con información privilegiada y las ventajas de los inversores locales en relación con las personas no locales.23 La reducción en los costos de procesamiento de la información ha Mayor monitoreo de los emisores por parte de los inversionistas y otras partes externas (por ejemplo, analistas financieros, prensa), lo que a menudo ayuda a informar a los inversionistas y los mercados.24 Un mayor monitoreo ha llevado a las empresas a proporcionar más divulgación cuantitativa y reportar ganancias de una manera más consistente.25
En algunos casos, los emisores se han beneficiado de la disminución de los honorarios de auditoría y del aumento de la puntualidad de los informes financieros y de auditoría como resultado de las revelaciones legibles por máquina.26 Los emisores han experimentado beneficios adicionales asociados con las revelaciones legibles por máquina, que incluyen: mayor liquidez; menor costo de capital; mayor rendimiento de la inversión; y la mejora de la evaluación comparativa del desempeño y el análisis de adquisiciones.27 Por último, las divulgaciones legibles por máquina han facilitado los esfuerzos de protección de los inversores de la Comisión, permitiendo al personal analizar grandes cantidades de información en apoyo de las actividades de evaluación de riesgos, elaboración de normas y cumplimiento, incluso como parte de sus aplicaciones de datos estructurados desarrolladas internamente.28
COSTOS
El coste de la divulgación legible por máquina afecta en gran medida a los emisores y a la Comisión, ya que estas partes deben, respectivamente, cumplir o exigir y aplicar requisitos de divulgación legibles por máquina. Los inversores no están obligados a utilizar versiones legibles por máquina de las divulgaciones corporativas, porque las divulgaciones también son legibles por humanos.29 Además, si bien el software comercial de investigación XBRL está disponible por un costo, los inversores y otros usuarios de datos (por ejemplo, analistas financieros, administradores de activos e investigadores académicos) pueden acceder y descargar divulgaciones corporativas legibles por máquina sin costo alguno.30
Los emisores incurren en costos de cumplimiento para aplicar etiquetas legibles por máquina a sus divulgaciones o pagar a un proveedor de servicios de etiquetado externo para que lo haga. Los costos de cumplimiento de los nuevos requisitos de etiquetado tienden a ser más altos, pero generalmente disminuyen a medida que los emisores y los proveedores de servicios se adaptan a los requisitos.31 Es probable que estos costos de cumplimiento se reduzcan para aquellos emisores con experiencia en la aplicación de etiquetas a sus divulgaciones, ya sea a través de otros requisitos de elegibilidad mecánica o mediante el uso de datos legibles por máquina en sus sistemas internos de planificación de recursos institucionales.32 Con respecto a la magnitud de estos costos de cumplimiento, una encuesta del Instituto Americano de Contadores Públicos Certificados de 1,032 compañías de informes más pequeñas en 2018 encontró un costo promedio de $ 2,500 por año para la creación y presentación de XBRL totalmente subcontratadas.33 Una encuesta separada de 139 emisores que cotizan en Nasdaq y otras compañías que respondieron en 2018 encontró mayores costos de cumplimiento de XBRL, incluido un costo medio de cumplimiento XBRL de $ 7,500 por Formulario 10-Q.34 La discrepancia puede deberse a que las empresas que cotizan en Nasdaq generalmente tienen finanzas más largas y complejas. declaraciones que las empresas de informes más pequeñas, lo que resulta en más tiempo y esfuerzo necesarios para etiquetar los estados financieros.35 Por último, la sección de la Ley de Reducción de Papeleo de una publicación de adopción de la Comisión de 2018 que abordó los costos del etiquetado XBRL en línea declaró que el efecto a largo plazo de Inline XBRL sería reducir la carga interna para el etiquetado de estados financieros a 54 horas por respuesta y aumentar el costo de bolsillo a $ 6,175 por respuesta.36 En 2020, la Comisión estimó una carga interna de 10,5 horas por respuesta y un costo directo de 900 dólares por respuesta para el etiquetado de folletos de fondos cerrados, una vez concluido un período de aplicación37.
La Comisión incurre en costos para desarrollar taxonomías y esquemas para nuevas divulgaciones estructuradas y para establecer la infraestructura para la admisión, validación, publicación y uso de datos estructurados. Esto incluye el costo de actualizar el sistema electrónico de archivo de recopilación, análisis y recuperación de datos (EDGAR) de la Comisión, la integración de nuevos datos estructurados en bases de datos y aplicaciones internas, y la publicación de conjuntos de datos estructurados. Dichos costos pueden variar según el volumen, la complejidad y la novedad de los nuevos requisitos de divulgación estructurada. La Comisión también incurre en costes para actualizar periódicamente las taxonomías y los esquemas y las funciones de admisión y validación de EDGAR conexas.
Resumen de las medidas de ejecución resultantes del uso o análisis de los datos legibles por máquina que recopila la Comisión
La disponibilidad de datos legibles por máquina que se han presentado a la Comisión ha permitido al personal de la División de Observancia (Observancia) realizar análisis más eficientes de las prácticas contables y la divulgación de información de cada emisor y análisis más sofisticados de las prácticas contables y la divulgación de información en una amplia gama de secciones transversales de emisores. Estos últimos análisis, junto con las herramientas de investigación tradicionales, han dado lugar a la presentación de acciones contra emisores e individuos relacionados alegando diversos tipos de mala conducta que violaron las leyes federales de valores. Sin el uso o análisis de datos legibles por máquina, las presuntas violaciones habrían sido significativamente más difíciles de detectar y perseguir de manera rentable u oportuna.
Enforcement utilizó análisis de datos basados en el riesgo para descubrir posibles irregularidades contables y de divulgación causadas por, entre otras cosas, prácticas de gestión de ganancias. Los datos legibles por máquina permitieron al personal de Enforcement revisar los datos financieros de miles de emisores públicos para detectar indicios de gestión de ganancias u otros tipos de mala conducta financiera. La iniciativa resultó en cargos contra seis empresas públicas y varias personas relacionadas por violaciones de las leyes federales de valores por participar en ciertas prácticas que daban la apariencia de cumplir o exceder las estimaciones de ganancias por acción (EPS) de consenso.38
Análisis de cómo el personal de la Comisión utiliza los datos legibles por máquina que recopila la Comisión
El personal de la Comisión utiliza varias aplicaciones para analizar datos legibles por máquina. Las siguientes aplicaciones se desarrollan internamente y están a disposición del personal de la Comisión:
• El perfil del archivador proporciona acceso instantáneo a ciertos puntos de datos clave, como datos financieros, información relacionada con la auditoría y otros datos para las empresas operativas. Destaca puntos de datos o áreas temáticas potencialmente de alto riesgo y facilita un análisis adicional a través de enlaces a fuentes de datos. Además, Filer Profile permite a los usuarios identificar rápidamente áreas específicas y temas de interés.
• Financial Account Query Viewer (FSQV) ofrece a los usuarios un medio conveniente para comparar estados financieros legibles por máquina y datos de notas para compañías operativas en múltiples presentaciones y períodos. En FSQV, los usuarios pueden consultar divulgaciones narrativas o numéricas etiquetadas. FSQV tiene varias características, como la capacidad de realizar un seguimiento de los cambios de un archivador en las notas al pie durante los períodos de informe y compartir consultas con otros usuarios.
• iView aprovecha el visor XBRL en línea de código abierto, disponible gratuita y públicamente. iView incluye varios filtros y capacidades de consulta, como la identificación de divulgaciones con etiquetas personalizadas (es decir, los archivadores crean etiquetas en lugar de usar etiquetas estándar) y la clasificación de datos legibles por máquina por escala (por ejemplo, cantidades en miles, millones o miles de millones). iView también ofrece gráficos de series temporales y análisis de referencia para valores numéricos y seguimiento de cambios en las divulgaciones narrativas.
El personal de la División de Finanzas Corporativas (Finanzas Corporativas) utiliza datos legibles por máquina de diversas maneras:
• El personal de Finanzas de la Corporación utiliza datos legibles por máquina para ayudar a identificar a los emisores que están sujetos a los requisitos de divulgación y presentación de, y potencialmente sujetos a una prohibición de negociación en virtud de la Ley de Responsabilidad de Empresas Extranjeras (Emisores Identificados por la Comisión).39 Específicamente, el personal utiliza datos en los Formularios 10-K, 20-F y 40-F que identifican al auditor (o auditores) que proporcionaron opiniones relacionadas con los estados financieros presentados en el informe anual del registrante, el lugar donde se ha emitido el informe del auditor y los números de identificación de la Junta de Supervisión Contable de Empresas Públicas (PCAOB) de la(s) firma(s) de auditoría o sucursal(es) que emite(n) la(s) opinión(es).
• El personal de Finanzas Corporativas utiliza varios elementos de datos legibles por máquina que aparecen en las portadas de los informes anuales de los registrantes (Formularios 10-K, 20-F y 40-F) para identificar, contar, clasificar, comparar y analizar a los registrantes y sus divulgaciones (por ejemplo, para identificar con mayor facilidad y precisión a los emisores que cotizan en una bolsa específica o que se han identificado como emisores experimentados conocidos).
• El personal de Finanzas de la Corporación y la División de Análisis Económico y de Riesgos (DERA) revisa la información de los estados financieros legibles por máquina contenida en las presentaciones bajo las reglas de la Comisión. En relación con estas revisiones, el personal ha emitido cartas de comentarios a algunos emisores individuales con respecto a los requisitos de etiquetado XBRL en línea. El personal también ha utilizado sus hallazgos para publicar observaciones sobre la calidad de los datos y análisis de etiquetas personalizadas.
• El personal de finanzas corporativas utiliza datos legibles por máquina para realizar evaluaciones preliminares del cumplimiento de los requisitos de divulgación de la remuneración frente al rendimiento recientemente adoptados por la Comisión.
El personal de la División de Gestión de Inversiones (Gestión de Inversiones) utiliza divulgaciones de fondos legibles por máquina para detectar más fácilmente errores e inconsistencias dentro de las presentaciones e identificar fondos con características o divulgaciones particulares, así como fondos con ciertas tenencias, exposiciones o parámetros de riesgo.40 La capacidad de escanear en toda la industria fondos con ciertas divulgaciones y características mejora el programa de revisión de divulgación de información de Investment Management, 41 informa las recomendaciones del personal para la elaboración de normas de la Comisión y otras iniciativas políticas, y apoya la coordinación del personal con otras agencias federales. El personal también ha utilizado información legible por máquina sobre las tenencias de fondos, entre otros datos, para evaluar el cumplimiento de los fondos con las leyes federales de valores e identificar tendencias y riesgos que enfrenta la industria de fondos. Esta información se puede compartir con las Divisiones de Exámenes y / o Cumplimiento cuando sugiera incumplimiento de la ley u otros riesgos mayores.
El análisis estructurado de datos también puede permitir al personal de gestión de inversiones identificar errores en los datos de los fondos. Cuando el personal de Gestión de Inversiones identificó errores comunes como resultado de nuestro uso de datos estructurados, el personal publicó información que destacaba problemas comunes de etiquetado para facilitar una divulgación más precisa de los fondos.42 La fecha de cumplimiento ha pasado recientemente para una serie de nuevos requisitos de etiquetado de datos, incluidas ciertas divulgaciones asociadas con fondos cerrados, compañías de desarrollo comercial y contratos de seguros variables. Este nuevo etiquetado de datos permitirá al personal de Gestión de las Inversiones identificar de manera más efectiva los fondos que pueden no cumplir con estos nuevos requisitos de divulgación.43 A medida que estas nuevas divulgaciones se etiquetan más ampliamente, el personal puede utilizar los datos legibles por máquina recientemente disponibles para evaluar y descubrir problemas de divulgación y cumplimiento y para ayudar a informar futuras recomendaciones de política del personal.
El personal de la Oficina del Jefe de Contabilidad (OCA) utiliza las aplicaciones analíticas de la Comisión, incluidas FSQV, iView y otras, para realizar búsquedas basadas en palabras clave y etiquetado XBRL. El personal de OCA utiliza el resultado de estas búsquedas para realizar investigaciones para consultas contables, recopilación de información relevante para proyectos de establecimiento de normas contables y la preparación de respuestas a solicitudes de datos específicas relacionadas con la solicitud de contabilidad de los registrantes. El personal de OCA también utiliza los resultados en la investigación de la identificación de auditores independientes concentrados en industrias específicas, la identificación de emisores sujetos a la Ley de Rendición de Cuentas de Empresas Extranjeras y el apoyo a la aplicación en asuntos relacionados con el auditor.
Los requisitos de etiquetado de la información relacionada con las tasas de presentación, adoptados en 2021,44 permitirán a EDGAR determinar automáticamente en muchos casos si los cálculos de la tasa de presentación de un solicitante de registro se han realizado correctamente. Las presentaciones que utilizan la herramienta opcional de etiquetado de tarifas de la SEC y las presentaciones de prueba que no pasan las pruebas de validación específicas se marcarán antes de que se presente la presentación en vivo relacionada. Esto permitirá a los contribuyentes corregir cualquier error en el cálculo de las tasas de presentación sin necesidad de esperar a que el personal de la Comisión verifique los cálculos manualmente, y sin tener que revisar posteriormente un documento ya presentado y ajustar las tasas adeudadas debido a un cálculo erróneo.
Uso público de los datos legibles por máquina que recoge la Comisión
Los usuarios de divulgaciones corporativas legibles por máquina incluyen inversores institucionales,45 administradores de activos,46 emisores,47 analistas financieros y firmas de investigación,48 inversores individuales,49 agregadores de datos,50 la prensa financiera,51 y académicos.52 Por ejemplo, los estudios académicos indican que la implementación de los requisitos de datos XBRL parece estar correlacionada con una mayor precisión de pronóstico por parte de los analistas financieros.53 Además, académicos financieros han utilizado datos XBRL para estudiar la complejidad de la información financiera.54 Además, los miembros del personal de la Junta de Normas de Contabilidad Financiera (FASB) han utilizado datos XBRL para completar más de 200 proyectos de investigación en los últimos años.55
Los analistas financieros y la prensa también utilizan datos de las presentaciones de la Comisión que están en un XML personalizado, como los datos del Formulario 13F (informes trimestrales de tenencias de capital presentados por grandes administradores de inversiones institucionales).56 Por ejemplo, desde agosto de 2022 (cuando los conjuntos de datos del Formulario 13F estuvieron disponibles por primera vez), ha habido 35,000 descargas de conjuntos de datos del Formulario 13F.57
Conclusión
Las directivas de la FDTA coinciden con los esfuerzos internos de la Comisión y del personal58 para mejorar la gestión y el uso de los datos en toda la agencia, en consonancia con otras directivas legales59, así como con los objetivos estratégicos generales de trabajar de manera más eficiente.
Apéndice
La Sección 5825(b)(2)(A) de la FDTA requiere una identificación de qué divulgaciones corporativas requeridas bajo la Sección 7 de la Ley de Valores y las Secciones 13 y 14 de la Ley de Bolsa se expresan como datos legibles por máquina y cuáles no. La Comisión recopila estas divulgaciones mediante la presentación de formularios y anexos a través del Sistema EDGAR. Este Apéndice identifica las divulgaciones expresadas en un formato legible por máquina en un formulario, cronograma y declaración individuales. Todas las demás divulgaciones requeridas en estas presentaciones se presentan en un formato no legible por máquina. El Apéndice también identifica los formularios, anexos o declaraciones que no recopilan ninguna información legible por máquina. No incluye otras colecciones de información con datos legibles por máquina que no son requeridas por estas disposiciones legales.
El requisito de la Comisión de presentar información etiquetada en XBRL (XBRL en línea, excepto donde se indique) se implementa principalmente a través de la Regla 405 del Reglamento S-T. La regla 405 aborda la obligación de etiquetar los estados financieros60 y la divulgación de información sobre la remuneración frente al desempeño, las medidas para recuperar la compensación otorgada erróneamente, los acuerdos y políticas sobre el uso de información privilegiada, y las políticas y prácticas relacionadas con la concesión de ciertas indemnizaciones de capital cerca del tiempo para la divulgación de información material no pública. La Regla 406 del Reglamento S-T aborda la obligación de etiquetar la portada de los Formularios 10-K, 10-Q, 8-K, 20-F y 40-F. La Regla 408 del Reglamento S-T aborda la obligación de etiquetar el anexo de la tasa de presentación para las declaraciones de registro y los suplementos relacionados con el prospecto con tasas (excluidos SF-1, SF-3, S-20, Anexo B, F-6, F-7, F-8 y F-80), los anexos 14A, 14C, 13E-3, 13E-4F, TO y 14D-1F, y las declaraciones en virtud de la Regla 13e-1 (la introducción gradual comienza en 2024).
Notas
1. Véase la Ley de Autorización de Defensa Nacional James M. Inhofe para el año fiscal 2023, P.L. 117-263.
2. Consulte la Sección 5825(b) de la FDTA.
3. Véase la Sección 5825(c) de la FDTA («A partir de la fecha de 7 años después de la fecha de promulgación de esta Ley, esta sección no tendrá fuerza ni efecto»).
4. Consulte la Sección 5825(b) de la FDTA. Una disposición separada de la FDTA indica que el término «legible por máquina», cuando se usa con respecto a los datos, significa datos en un formato que puede ser procesado fácilmente por una computadora sin intervención humana, al tiempo que garantiza que no se pierda el significado semántico. Véase el artículo 5811 de la FDTA (que establece que el término «legible por máquina» tendrá el significado dado en 44 U.S.C. 3502(18)).
5. 15 U.S.C. 77g.
6. 15 U.S.C. 78m.
7. 15 U.S.C. 78n.
8. Incluido el formulario DEG analizado en el Apéndice, pág. 14.
9. Los datos estructurados son datos que se etiquetan para que sean legibles por máquina.
10.Véase Interactive Data to Improve Financial Reporting, Release No. 33-9002 (adopción de la versión) [74 FR 6776 (9 de febrero de 2009)] («Interactive Data to Improve Financial Reporting “) corregido por Interactive Data to Improve Financial Reporting, Release No. 33-9002A [74 FR 15666 (7 de abril de 2009)].
11. Véase Interactive Data to Improve Financial Reporting, nota 10 supra, pág. 6778 (en la que se describe cómo la presentación de informes financieros en XBRL implica el uso de etiquetas estándar que cubren «conceptos financieros que pueden ser leídos y comprendidos por aplicaciones de software»). Véase también XBRL:
¿Qué es? ¿Por qué el FASB? ¿Quién lo usa?, FASB. org (1 de abril de 2021), disponible en https://www.fasb.org/Page/ShowPdf?path=FASB_in_Focus-XBRL_ (4-21).pdf («[XBRL] es el estándar internacional abierto para informes comerciales digitales. XBRL se utiliza para entregar estados financieros legibles por humanos en un formato de datos estructurados legible por máquina»).
12. Véase Interactive Data for Mutual Fund Risk/Return Summary, Release No. 33-9006 (adoptando el comunicado) [74 FR 7747 (19 de febrero de 2009)] corregido por Interactive Data for Mutual Fund Risk/Return Summary; Corrección, Comunicado No. 33-9006A [74 FR 21255 (7 de mayo de 2009)].
13. Consulte Inline XBRL Filing of Tagged Data, Release No. 33-10514 (adopción de la versión) [83 FR 40846 (16 de agosto de 2018)] («Inline XBRL Filing of Tagged Data Adoption Release»).
14. Véase Inline XBRL Filing of Tagged Data Adoption Release, nota 13 supra, en la Sección III.A.1.a.
15.Modernización y simplificación de la Ley FAST del Reglamento S-K, Comunicado n.º 33-10618 (publicación de adopción) [84 FR 12674 (2 de abril de 2019)] corregido por la Ley FAST Modernización y simplificación del Reglamento S-K; Corrección, Comunicado No. 33-10618A [84 FR 39966 (13 de agosto de 2019)].
16.Consulte Divulgación de tarifas de presentación y modernización de métodos de pago, Comunicado No. 33-10997 (liberación de adopción) [86 FR 70166 (9 de diciembre de 2021)] («Divulgación de tarifas de presentación y modernización de métodos de pago que adoptan liberación»).
17. Véase Holding Foreign Companies Accountability Act Disclosure, Release No. 34-93701 (adopción de la liberación) [86 FR 70027 (9 de diciembre de 2021)].
18. Véase, por ejemplo, Share Repurchase Disclosure Modernization, Release 34-97424 (3 de mayo de 2023) (versión de adopción) [88 FR 36002 (1 de junio de 2023)]; Acuerdos sobre operaciones con información privilegiada y divulgaciones conexas, comunicado n.º 33-11138 (adopción de la autorización) [87 FR 80362 (29 de diciembre de 2022)]; mejora de la presentación de informes sobre los votos por delegación por parte de las sociedades de inversión de gestión registradas; Reporting of Executive Compensation Votes by Institutional Investment Managers, Release No. 33-11131 (adopción de la versión) [87 FR 78770 (22 de diciembre de 2022)] («Enhanced Reporting Adopt Release»); Short Position and Short Activity Reporting by Institutional Investment Managers, Release No. 34-94313 (propuesta de liberación) [87 FR 14950 (16 de marzo de 2022)]; véase también Standard Taxonomies, SEC.gov, disponible en https://www.sec.gov/info/edgar/edgartaxonomies (última modificación el 6 de abril de 2023) (que proporciona información sobre las taxonomías actuales respaldadas por el programa de datos interactivos de la Comisión).
19. Véase, por ejemplo, Enhanced Reporting Adoption Release, nota 18 supra (en la sección II.G. se examina la decisión de adoptar XML personalizado como lenguaje de datos de informes del formulario N-PX); Presentación electrónica de órdenes en virtud de la Ley de Asesores y la Ley de Sociedades de Inversión, solicitudes de tratamiento confidencial para presentaciones en el Formulario 13F y Formulario ADV-NR; Enmiendas al Formulario 13F, Comunicado No. 34-95148 [87 FR 38943, 38954 (30 de junio de 2022)] (Sección IV.B. que indica que los administradores de fondos presentan el Formulario 13F en EDGAR en un lenguaje de datos estructurados XML personalizado creado específicamente para el Formulario 13F).
20. Consulte las Especificaciones técnicas actuales de EDGAR, SEC.gov (14 de abril de 2023), disponible en https://www.sec.gov/edgar/filer-information/current-edgar-technical-specifications.
21. Consulte SEC, EDGAR Filer Manual, Volumen II, cap. 8-9 (Versión 65, marzo de 2023), disponible en https://www.sec.gov/edgar/filermanual.
22. Véase, por ejemplo, Xin Luo et al., Initial Evidence on the Market Impact of the iXBRL Adoption, 37 Acct. Horizons 143 (2021); Yuyun Huang et al., Information Processing Costs and Stock Price Informativeness: Evidence from the XBRL Mandate, 46 Austl. J. Mgmt. 110 (2021); Ju-chun Yen & Tawei Wang, The Association Between XBRL Adoption and Market Reactions to Earnings Surprises, 29 J. Info. Sys. 51 (2015); Yi Dong et al., Does Information-processing Cost Affect Firm-specific Information Acquisition? Evidence from XBRL Adoption, 51 J. Fin. & Quantitative Analysis 435 (2016); Yanan Zhang et al., XBRL Adoption and Expected Crash Risk, 38 J. Acct. & Pub. Pol’y 31 (2019); Jap Efendi et al., Do XBRL Filings Enhance Informational Efficiency? Early Evidence from Post-earnings Announcement Drift, 67 J. Bus. Rsch. 1099 (2014). Ver también J. Efrim Boritz & Won Gyun No, ¿Qué tan significativas son las diferencias en los datos financieros proporcionados por fuentes de datos clave? Una comparación de XBRL, Compustat, Yahoo! Finance y Google Finance, 34 J. Info. Sys. 47.
23. Véase, por ejemplo, Yuyun Huang et al., Insider Profitability and Public Information: Evidence from the XBRL Mandate (17 de septiembre de 2019), disponible en SSRN: http://dx.doi.org/10.2139/ssrn.3455105; Bing Li et al., The Impact of XBRL Adoption on Local Bias: Evidence from Mandated US Filers, 39 J. Acct. & Pub. Pol’y 106767 (2020). Véase también Jeong-Bon Kim et al., Information-processing Costs and Amplitud of Ownership, 36 Contemp. Acct. Rsch. 2408 (2019); Nilabhra Bhattacharya et al., Leveling the Playing Field Between Large and Small Institutions: Evidence from the SEC’s XBRL Mandate, 93 Acct. Rev. 51 (2018); pero véase Elizabeth Blankespoor et al., Initial Evidence on the Market Impact of the XBRL Mandate, 19 Rev. 1468
24. Véase, por ejemplo, Andrew J. Felo et al., Can XBRL Detailed Tagging of Footnotes Improve Financial Analysts’ Information Environment? 28 Int’l. J. Acct. Info. Sys. 45 (2018) («XBRL Detailed Tagging of Footnotes»); Marcus Kirk et al., From Print to Practice: XBRL Extension Use and Analyst Forecast Properties (18 de agosto de 2016), disponible en SSRN: http://dx.doi.org/10.2139/ssrn.2826159; Chunhui Liu et al., XBRL’s Impact on Analyst Forecast Behavior: An Empirical Study, 33 J. Acct. & Pub. Pol’y 69 (2014); pero véase Sherwood Lane Lambert et al., Analysts’ Forecasts Timeliness and Accuracy Post-XBRL, 27 Int’l J. Acct. & Info. Mgmt. 151 (2019). Véase también Alastair Lawrence et al., Investor Demand for Sell-side Research, 92 Acct. Rev. 123 (2017).
25. Véase, por ejemplo, Elizabeth Blankespoor, The Impact of Information Processing Costs on Firm Disclosure Choice: Evidence from the XBRL Mandate, 57 J. Acct. Rsch. 919 (2019); Jeong-Bon Ki et al., Does XBRL Adoption Constrain Earnings Management? Early Evidence from Mandated U.S. Filers, 36 Contemp. Acct. Rsch. 2610 (2019). Véase también Steve Yang et al., The Impact of XBRL on Financial Statement Structural Comparability, en Network, Smart and Open: Three Keywords for Information Systems Innovation 193 (Rita Lamboglia et al., ed. 2018); pero véase Sandip Dhole et al., Effects of the SEC’s XBRL Mandate on Financial Reporting Comparability, 19 Int’l J. Acct. Info. Sys. 29 (2015).
26. Véase, por ejemplo, Yuan George Shan e Indrit Troshani, Does XBRL Benefit Financial Statement Auditing? 54 J. Comput. Info. Sys. 11 (2014) (en el que se considera que la adopción de XBRL se asocia negativamente con los honorarios de auditoría debido a su facilitación del proceso de auditoría mediante la mejora de la transparencia de los estados financieros); Hui Du & Kean Wu, Mandato XBRL y puntualidad de los informes financieros: ¿Las presentaciones XBRL tardan más? 15 J. Emerg. 57 (2018) (en la que se constatan retrasos en la presentación de informes disminuidos para las solicitudes XBRL en comparación con las solicitudes no XBRL de los solicitantes acelerados y grandes acelerados, pero no para los solicitantes no acelerados, y se postula que los solicitantes acelerados y grandes han actualizado su sistema informático para utilizar un ecosistema de contabilidad sistémica); Keval Amin et al., The Effect of the SEC’s XBRL Mandate on Audit Report Lags, 32 Acct. Horizons 1 (2018) (hallazgo de disminución en los retrasos en los informes de auditoría y honorarios de auditoría después de la adopción obligatoria de XBRL, probablemente impulsada al menos en parte por las ganancias de eficiencia del auditor).
27. Véase Wafa Sassi et al., The Impact of Mandatory Adoption of XBRL on Firm’s Stock Liquidity: A CrossCountry Study, 19 J. Fin. Reporting & Acct. 299 (2021); Chae-Won Ra & Ho-Young Lee, XBRL Adoption, Information Asymmetry, Cost of Capital and Reporting Lags, 10 iBusiness, 93 (2018); SyouChing Lai et al., 23 XBRL Adoption and Cost of Debt, Int’l. J. Acct. & Info. Mgmt. 199 (2015); Tienshih Hsieh & Jean C. Bedard, Impact of XBRL on Voluntary Adopters’ Financial Reporting Quality and Cost of Equity Capital, 15 J. Emerging Technologies in Acct. 45 (2018); Xin Cheng et al., ¿Cómo se relaciona la eficiencia del procesamiento de la información con la eficiencia de la inversión? Evidence from XBRL Adoption, 35 J. Info. Sys. 1 (2021); Olivia Berkman, XBRL: What are the Benefits, FEI Daily (29 de agosto de 2019), disponible en https://www.financialexecutives.org/FEI-Daily/August-2019/XBRL-What-are-the-Benefits.aspx («Berkman, XBRL Benefits»).
28. En las secciones siguientes se ofrecen ejemplos específicos del uso por parte del personal de la Comisión de la divulgación de información legible por máquina.
29. Los documentos XBRL en línea son legibles tanto por humanos como por máquina. Los documentos XML personalizados se convierten en versiones legibles por humanos en el sitio web público de la Comisión, https://www.sec.gov/edgar/searchedgar/companysearch.
30. Consulte Biblioteca de datos DERA, https://www.sec.gov/dera/data; Fuentes RSS de divulgación estructurada, https://www.sec.gov/structureddata/rss-feeds-submitted-filings; Interfaces de programación de aplicaciones, https://www.sec.gov/edgar/sec-api-documentation.
31.Ver AICPA, XBRL Costs for Small Companies Have Decreased 45% Since 2014 (2018), disponible en https://us.aicpa.org/content/dam/aicpa/interestareas/frc/accountingfinancialreporting/xbrl/downloadabledocuments/xbrl-costs-for-small-companies.pdf («AICPA, XBRL Costs for Small Companies Have Declined») (señalando una disminución del 45% en los costos XBRL para pequeñas empresas de 2014 a 2017).
32. Véase F. Guo, X. Luo, P. R. Wheeler, L. Yang, X. Zhao & Y. Zhang, Enterprise Resource Planning Systems and XBRL Reporting Quality, 35 J. Info. Sys. 77-106 (2021).
33. Véase AICPA, XBRL Costs for Small Companies Have Declined, nota 31 supra. Si bien la encuesta no especificó las presentaciones particulares cubiertas, los requisitos de presentación de XBRL para las empresas informantes en el momento de la muestra incluían el etiquetado XBRL (no en línea) de los estados financieros trimestrales y anuales presentados en informes periódicos (por ejemplo, Formularios 10-Q, 10-K y 20-F) y declaraciones de registro (por ejemplo, Formularios S-1, S-3 y F-1) presentados después de la oferta pública inicial.
34. Ver carta de Nasdaq, Inc. (21 de marzo de 2019), Solicitud de comentarios sobre las publicaciones de ganancias e informes trimestrales, Comunicado No. 33-10588 [83 FR 65601 (21 de diciembre de 2018)]. Ambas encuestas se realizaron antes de la transición de la Comisión de XBRL a XBRL en línea y antes de la implementación de la portada y otros requisitos de etiquetado para los informes periódicos.
35. Véase, por ejemplo, la presentación electrónica de cierto material en virtud de la Ley del Mercado de Valores de 1934; Enmiendas con respecto al Informe FOCUS, Comunicado No. 33-11176 (22 de marzo de 2023) (propuesta de liberación) [88 FR 23920, 23993–23994 (18 de abril de 2020)] (observando un mayor número de información etiquetada en las presentaciones de una población de compañías que cotizan en el Nasdaq que en las presentaciones de una población de pequeñas empresas).
36. Véase Inline XBRL Filing of Tagged Data, Adoption Release, nota 13 supra. Todas las compañías operativas que informan bajo la Ley de Intercambio deben etiquetar sus finanzas utilizando Inline XBRL sujeto a excepciones limitadas (por ejemplo, emisores de valores respaldados por activos).
37. Reforma de la oferta de valores para compañías de inversión cerradas, Comunicado No. 33-10771 (8 de abril de 2020) (publicación de adopción) [85 FR 33290, 33337 (1 de junio de 2020)]; Reforma de la oferta de valores para compañías de inversión cerradas, Comunicado No. 33-10619 (20 de marzo de 2019) (propuesta de liberación) [84 FR 14448, 14503 (10 de abril de 2019)].
38. Los seis casos de EPS abarcaron una amplia variedad de prácticas que afectaron a EPS. Consulte In re Interface, Inc., Release Nos. 33-10854, 34-90018 (28 de septiembre de 2020) (acción resuelta) (realizar ajustes contables manuales no respaldados que aumentaron los ingresos de la compañía); Corp., Release No. 34-90017 (28 de septiembre de 2020) (acción resuelta) (informar las provisiones de valoración de una manera que estaba en desacuerdo con las metodologías de valoración descritas en las mismas presentaciones); In re Healthcare Services Grp., Inc., Release Nos. 33-10967, 34-92735 (21 de agosto de 2021) (acción resuelta) (no acumular y divulgar oportunamente las contingencias de pérdidas materiales relacionadas con litigios privados); In re Rollins Inc., Release Nos. 33-11052, 34-94742 (18 de abril de 2022) (acción liquidada) (haciendo reducciones no respaldadas en las reservas contables); Hutchison, No. 1: 22-cv-02296 (D.D.C. presentado el 3 de agosto de 2022) (acción litigada) (alegando que el demandado participó en la práctica de enviar pedidos futuros antes de lo previsto para «adelantar» los ingresos y no reveló esta práctica a los inversores) e In re Surgalign Holdings, Inc., Release Nos. 33-11088, 34-95415 (3 de agosto de 2022) (acción resuelta); e In re Gentex Corp., Release No. 34-96819 (7 de febrero de 2023) (acción resuelta) (reduciendo una acumulación para un programa de bonificación basado en el desempeño).
39. La información y las listas de emisores identificados por la Comisión en virtud de la Ley de Rendición de Cuentas de las Empresas Extranjeras están disponibles en el sitio web de la Comisión en https://www.sec.gov/hfcaa.
40.Consulte División de Gestión de Inversiones, Contabilidad e Información de Divulgación 2019-09, Cuestiones de rendimiento y honorarios («Información de gestión de inversiones, contabilidad y divulgación 2019-09»), disponible en https:// www.sec.gov/investment/accounting-and-disclosure-information/performance/adi-2019-09-performance-andfee-issues.
41.El programa de revisión de divulgación se refiere a la revisión del personal de las declaraciones de registro de fondos, materiales de representación, informes de accionistas y otras divulgaciones.
42. Véase Investment Management, Accounting and Disclosure Information 2019-09, nota 40 supra.
43. Véase Securities Offering Reform for Closed-End Investment Companies, Release No. IC-33836 (adopción de la versión) [85 FR 33290 (1 de junio de 2020)]; Requisitos de divulgación actualizados y prospecto resumido para contratos de seguro de vida variable y anualidad variable, comunicado No. IC-33814 (comunicado de adopción) [85 FR 25964 (1 de mayo de 2020)].
44. Véase Filing Fee Disclosure and Payment Methods Modernization Adoption Release, nota 16 supra.
45. Véase, por ejemplo, Who’s Using XBRL Data and Why: Case Studies, Morgan Stanley Research (noviembre de 2017), disponible en https://www.calcbench.com/home/pdf?name=MS%20XBRL%20Case%20Study%2011-1-2017.pdf.
46. Véase, por ejemplo, 2019 Pension Review First Take: Flat to Down, Goldman Sachs Asset Management (2020) (un ejemplo de uso de datos XBRL por parte de gestores de activos), disponible en https://www.gsam.com/content/dam/gsam/pdfs/common/en/public/articles/2020/2019_Pension_First_Take.pdf?sa=n&rd=n (citando a un proveedor de software de investigación XBRL como fuente de datos).
47. Véase Berkman, XBRL Benefits, nota 27 supra.
48. Véase, por ejemplo, cómo los proveedores de datos de terceros utilizan datos estructurados y por qué; XBRL US, Financial Fundamentals Analysis – What Analysts Can Do with Structured Data, XBRL.us (marzo de 2016), disponible en https://xbrl.us/events/analyst-webinar-160323/ («Cómo los proveedores de datos de terceros utilizan los datos estructurados y por qué»).
49. Véase, por ejemplo, Paulien Zhu, The Effect of XBRL on Insider Trading Profitability, Erasmus Universiteit Rotterdam (2018) (señalando una disminución en la brecha de información entre los iniciados y los inversores individuales asociada con los requisitos XBRL).
50. Véase How Third-Party Data Providers Use Structured Data and Why, nota 48 supra.
51. Véase, por ejemplo, J. Eaglesham, How Companies Treat Stock Options When Contlying Cash Flow Perplexes Investors, Wall St. J. (7 de octubre de 2022), disponible en https://www.wsj.com/articles/how-companies-treat-stock-optionswhen-tallying-cash-flow-perplexes-investors-11665098910 (citando a un proveedor de software de Investigación XBRL como fuente de datos).
52.Véase, por ejemplo, R. Hoitash & U. Hoitash, Measuring Accounting Reporting Complexity with XBRL, 93 Accounting Review 259-287 (2018) («Hoitash & Hoitash, Measuring Accounting Reporting Complexity»).
53. Véase XBRL Detailed Tagging of Footnotes (and related citations), nota 24 supra.
54.Véase Hoitash & Hoitash, Measuring Accounting Reporting Complexity, nota 52 supra.
55. XBRL: ¿Qué es? ¿Por qué el FASB? ¿Quién lo usa?, FASB.org, disponible en https://www.fasb.org/page/PageContent?pageId=/staticpages/what-is-xbrl.html&isstaticpage=true.
56. Véase, por ejemplo, Sonali Basak, The Really, Really Rich Are Playing It Safe, Bloomberg.com (17 de febrero de 2023), disponible en https://www.bloomberg.com/news/newsletters/2023-02-17/how-billionaires-invested-in-thefourth-quarter-of-2022 (ejemplo de artículo de medios de comunicación que analiza datos 13F); Travis A. Dyer, The Demand for Public Information by Local and Non-local Investors: Evidence from Investor-Level Data, 72 J. Acct. & Econ. 1 (agosto de 2021); Ron Kaniel & Pingle Wang, Unmasking Mutual Fund Use During COVID-19 Crisis, 49 Covid Econ. 172 (18 de septiembre de 2020) (ejemplo de investigación académica que utiliza un conjunto de datos XML personalizado del Formulario N-PORT de la Comisión).
57. Según los resultados de Google Analytics para las descargas del conjunto de datos del Formulario 13F entre el 1 de agosto de 2022 y el 2 de marzo de 2023, a las que se accedió el 3 de marzo de 2023.
58. Véase, por ejemplo, Comunicado de prensa, Sec. & Exch. Comm’n, SEC Publishes FY22-26 Strategic Plan (23 de noviembre de 2022). Consulte también Oficina del director de Datos de la SEC, Estrategia de datos para los años fiscales 2022-2026 (26 de enero de 2023).
59. Véase, por ejemplo, Foundations for Evidence-Based Policymaking Act of 2018, Pub. L. 115-435 (14 de enero de 2019). El Título II de la Ley de Fundamentos para la Formulación de Políticas Basadas en la Evidencia de 2018, también conocida como la Ley de Datos Gubernamentales Abiertos, Públicos, Electrónicos y Necesarios (OPEN), establece un marco para administrar la información gubernamental como un activo estratégico en cada etapa del ciclo de vida de la información para promover la accesibilidad y la usabilidad.
60. Tal como se utiliza en el presente informe, la referencia a los estados financieros significa la cara de los estados financieros y las notas de pie de página que lo acompañan. La cara de los estados financieros se refiere al estado de situación financiera (balance), estado de resultados, estado de ingresos integrales, estado de flujos de efectivo y estado de patrimonio neto de los propietarios, según lo requerido por las regulaciones de la Comisión. Las referencias a los estados financieros según sea necesario para la presentación interactiva de datos incluyen los cuadros requeridos de los estados financieros, a menos que se indique lo contrario.
61.Los estados financieros en las declaraciones de registro de la Ley de Valores deben etiquetarse cuando se incluyen físicamente (es decir, no se incorporan por referencia) a menos que la declaración de registro sea para una oferta pública inicial (IPO), en cuyo caso, no es necesario etiquetar los estados financieros. Consulte la Regla 601(b) (101) (i)(A) y el párrafo (101) (a)(i) de la Parte II – Información que no se requiere entregar a los destinatarios o compradores del Formulario F-10.
62. Véase Asset-Backed Securities Disclosure and Registration, Release No. 33-9638 (adopción de la versión) [79 FR 57183 (24 de septiembre de 2014)] en la Sección III. Los requisitos de artículos a nivel de activos se encuentran en 17 CFR 229.1125. La información requerida a nivel de activos incluye: puntos de datos sobre el flujo de pagos relacionado con un activo en particular, como los términos contractuales, los montos de pago programados, la base para los cálculos de la tasa de interés y si las condiciones de pago cambian con el tiempo y cómo; puntos de datos que permiten un análisis de la garantía relacionada con el activo, como la ubicación geográfica de la propiedad, los datos de valoración de la propiedad y la relación préstamo-valor («LTV»); puntos de datos sobre el rendimiento de cada activo a lo largo del tiempo, por ejemplo, datos sobre si un deudor está realizando pagos según lo programado; y puntos de datos sobre los esfuerzos de mitigación de pérdidas por parte del administrador para cobrar los montos vencidos y las pérdidas que pueden transferirse a los inversores.
63. La Comisión mantiene una especificación técnica XML que incluye reglas de validación y códigos de respuesta permitidos para cada etiqueta XML. Consulte la Especificación técnica EDGAR ABS XML (Versión 3.0) (19 de diciembre de 2022), disponible en https://www.sec.gov/info/edgar/specifications/absxml.
64. La introducción gradual de los requisitos de etiquetado de los Artículos 408(d), 601(b)(26) y 703 del Reglamento S-K, el Artículo 16E del Formulario 20-F y el Formulario F-SR comienza en 2024.
65. Véase Cross-Border Application of Certain Security-Based Swap Requirements, Release No. 34-87780 (adopción de la versión) [85 FR 6270 (4 de febrero de 2020)].
Publicado originalmente: https://www.xbrl.org/news/sec-report-highlights-benefits-of-machine-readable-data-for-corporate-disclosures/