Uso más amplio y profundo de los datos estructurados


Publicado el enero 21, 2022

¿Captó el excelente discurso de apertura de noviembre de la comisionada Caroline Crenshaw de la Comisión de Bolsa y Valores de los Estados Unidos (SEC) en el XBRL US Investor Forum 2021: Data that Delivers? Si no, ahora es un buen momento para ponerse al día con sus ideas sobre los beneficios de los datos estructurados. En una publicación reciente, Mohini Singh, ACA, quien es Director de Política de Informes Financieros en CFA Institute y Tesorero de la Junta Directiva de XBRL International, revisa el discurso y cómo coincide con las opiniones del CFA Institute.

«Los informes estructurados son más efectivos cuando se aplican ampliamente a todos los aspectos de los informes, es decir, a las publicaciones de ganancias y todas las presentaciones regulatorias, declaraciones de poder y declaraciones de impuestos. Y la estructuración debe aplicarse a todas las empresas, grandes y pequeñas. Además, los reguladores deben exigir informes estructurados más allá de los estados financieros», concluye. «El uso más amplio y profundo de datos estructurados en todos los informes en su totalidad generaría eficiencias y transparencia incalculables para todos los usuarios».

¡Oiga, oiga!

Lea más aquí.

Crédito de la imagen: © Getty Images/Andriy Onufriyenko

10 enero 2022

Un uso más amplio y profundo de los datos estructurales

Por Mohini Singh, ACA

Publicado en: XBRL

CFA Institute recientemente copatrocinó el XBRL Investor Forum 2021: Data That Delivers. La comisionada de la SEC, Caroline Crenshaw, dio un discurso de apertura que describió los amplios beneficios de los datos estructurados.

Crenshaw comenzó reflexionando sobre la historia de la SEC con datos XBRL y lo que ofrece:

La aplicación por parte de la Comisión de los requisitos XBRL ha permitido a EDGAR proporcionar datos legibles por máquina que han mejorado la transparencia de varias maneras. Por ejemplo, XBRL ha permitido el procesamiento y análisis automáticos mediante herramientas de software, lo que reduce los costos y ofrece información más oportuna. Los usuarios pueden acceder a información mejor y más granular sobre estos datos, como las codificaciones contables y la orientación asociada con ellos. Los lenguajes legibles por máquina como XBRL e iXBRL permiten que los programas de aprendizaje automático e inteligencia artificial aprovechen las divulgaciones numéricas y narrativas. Permite la automatización de todo tipo de análisis de divulgación: identificar lo que se informa y lo que no se informa, identificar errores de calidad de datos, comparar resultados entre conjuntos de datos, realizar otros análisis, generar gráficos de series temporales y evaluaciones comparativas, y mucho más.

También señaló que dichos datos son utilizados por inversores (tanto institucionales como minoristas), reguladores, agregadores de datos, académicos y medios de comunicación:

Toda esta actividad de los usuarios se suma a una mayor transparencia del mercado y mercados más eficientes. Por ejemplo, desde la implementación del mandato XBRL, hemos visto que los precios de las acciones se han vuelto más reflejo de las divulgaciones específicas de la empresa; hemos visto una mayor divulgación cuantitativa de las empresas; y hemos visto una disminución de las ganancias suavizadas. También se suma a mercados más justos y competitivos. La investigación indica que las divulgaciones de XBRL reducen las ventajas que disfrutan las personas con información privilegiada, en relación con las personas que no tienen información privilegiada.

Estos puntos de vista están en línea con los de CFA Institute, como se describe en nuestra publicación de 2016 Data and Technology: Transforming the Financial Information Landscape.

¿Cómo podemos ofrecer mejores datos?

Crenshaw luego abordó cómo se podría mejorar la calidad de los datos:

Sin embargo, aunque creo que los datos XBRL están ofreciendo innumerables beneficios, hay margen de mejora en términos de calidad y precisión de los datos. Algunos usuarios han encontrado tasas de error material en los datos etiquetados en nuestras presentaciones, incluidos errores en las etiquetas que probablemente sean de crucial importancia para los inversores, como Ingresos, Ingresos netos y Activos, y errores de escala que pueden ser impactantes.

CFA Institute no solo está alineado con Crenshaw en estas opiniones de calidad de los datos, sino que también ha instado a la UE a no replicar los errores cometidos en los Estados Unidos a este respecto.

Entregando más

Finalmente, Crenshaw abordó qué más se podría hacer:

Ahora, como he discutido extensamente hoy, los beneficios potenciales de etiquetar datos son extensos. Por lo tanto, en la SEC debemos continuar investigando dónde más la estructuración de datos puede mejorar nuestro ecosistema de divulgación. El etiquetado de divulgaciones narrativas, incluso solo el etiquetado de bloques, podría permitir a los usuarios de datos extraer y comparar más fácilmente divulgaciones no estructuradas, como discusiones y análisis de gestión, informes de ganancias y compensación ejecutiva. Esto podría ser relevante en el contexto de las divulgaciones ESG, las divulgaciones SPAC y en otros lugares.

Una vez más, estamos de acuerdo.

En el informe sobre nuestros hallazgos, describimos nuestra visión para el futuro: el uso más amplio y profundo de los datos estructurados.

Los informes estructurados son más efectivos cuando se aplican ampliamente a todos los aspectos de los informes, es decir, a las publicaciones de ganancias y todas las presentaciones regulatorias, declaraciones de poder e informes de impuestos. Y la estructuración debe aplicarse a todas las empresas, grandes y pequeñas.

Además, los reguladores deben exigir informes estructurados más allá de los estados financieros aplicando la estructuración a todos los informes en su totalidad. Hacerlo permitirá a los inversores profundizar en los informes anuales y otros informes, incluidas las notas y los comentarios de la gerencia.

El uso más amplio y profundo de datos estructurados en todos los informes en su totalidad generaría eficiencias y transparencia incalculables para todos los usuarios.

Mohini Singh, ACA

Mohini Singh es director de política de informes financieros en CFA Institute. Ella representa los intereses de los miembros con respecto a los informes financieros y las propuestas de divulgación emitidas por el FASB, el IASB y otros. Singh tiene la designación de Contador Público Asociado (ACA).


Publicado originalmente: https://www.xbrl.org/news/broader-and-deeper-use-of-structured-data/

Deja una respuesta