Elección contable para la valoración de las inversiones inmobiliarias. Contribución de las técnicas de minería de datos para determinar patrones de decisión
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.2695Palabras clave:
elección contable, valor razonable, NIIF, redes neuronales, árboles de decisión, accounting choice, fair value, IFRS, neural networks, decision treesResumen
La normativa contable internacional ofrece con la Norma Internacional de Contabilidad 40 (NIC 40) "Inversiones inmobiliarias" un caso referente para investigar la decisión que toman las empresas cuando se les ofrece el valor razonable o el coste histórico como criterios alternativos de valoración. En este trabajo aprovechamos la oportunidad que ofrece esta norma para aportar evidencia adicional en un contexto multinacional y multisectorial sobre cuáles son los motivos que explican la elección contable. Además, en este trabajo introducimos y comparamos el uso de las redes neuronales artificiales y los árboles de decisión, con el objetivo de evaluar la capacidad predictiva de estas metodologías, frente a la tradicionalmente utilizada regresión logística para la resolución de problemas de clasificación en este área. Los resultados de la clasificación indican que tanto las redes neuronales como los árboles de decisión pueden ser una alternativa interesante a los métodos clásicos estadísticos como la regresión logística. En particular, las dos metodologías mostraron una mayor capacidad predictiva frente a la regresión logística aunque no se encontraron diferencias significativas entre ambas.
Descargas
Citas
Ball, M. (2005). RICS European Housing Review. RICS, Londres.
Ball, R. (2006). International Financial Reporting Standards (IFRS): pros and cons for investors. Accounting and Business Research. International Accounting Forum, 36: 5-27.
Barlev, B.; Fried, D.; Haddad, J.R. & Livnat, J. (2007). Reevaluation of Revaluations: A Cross-Country Examination of the Motives and Effects on Future Performance. Journal of Business Finance and Accounting, 34(7-8): 1025-1050.
Brown, P.; Izan, H.Y. & Loh, A.L. (1992). Fixed Assets Revaluations and Managerial Incentives. Abacus, 28(1): 36-57.
Christensen, H.B. & Nikolaev, V.V. (2013). Does fair value accounting for non-financial assets pass the market test? Review of Accounting Studies, 18: 734-775.
Cotter, J. (1999). Asset Revaluations and Debt Contracting. Abacus, 35(3): 268-285.
Cotter, J. & Zimmer, I. (1995). Asset Revaluation and Assessment of Borrowing Capacity. Abacus, 31(2): 136-151.
Cybenko, G. (1989). Approximation by Superpositions of a Sigmoidal Function. Mathematics of Control, Signals and Systems, 2: 303–314.
De Andrés, J.; Landajo; M., Lorca, P. & Ordoñez, P. (2010). Assessing the Liquidity of Firms: Robust Neural Network Regression as an Alternative to the Current Ratio. En Lytras, M.D.; Ordonez De Pablos, P.; Ziderman, A.; Roulstone, A.; Maurer, H. & Imber, J.B. (eds.). Knowledge Management, Information Systems, E-learning & Sustainability Research, Springer, Berlín, pp. 537-544.
De Vicente, M.; Molina, H. & Ramírez, J.N. (2013). Inversiones inmobiliarias: la elección contable valor razonable versus coste en los grupos cotizados españoles. Cuadernos de contabilidad, 14(34): 25-51.
Fields, T.D.; Lyz, T.Z. & Vincent, L. (2001). Empirical research on accounting choice. Journal of Accounting & Economics, 31: 255-307.
Florez-Lopez, R. (2007). Modelling of insurers’ rating determinants. An application of machine learning techniques and statistical models. European Journal of Operational Research, 183(3): 1488–1512.
Gaeremynck, A. & Veugelers, R. (1999). The revaluation of assets as a signalling device: a theoretical and an empirical analysis. Accounting and Business Research, 29(2): 123-138.
Godfrey, J.M. & Jones, K.L. (1999). Political cost influences on income smoothing via extraordinary item classification. Accounting and Finance, 39: 229-254.
Hervás Oliver, J.L. (2005). La revalorización de activos fijos. Contraste empírico de un modelo financiero de elección contable. Investigaciones Europeas de Dirección y Economía de la Empresa, 11(1): 31-51.
Hornik, K. (1991). Approximation Capabilities of Multilayer Feedforward Networks. Neural Networks, 4(2): 251–257.
International Accounting Standards Board (IASB) (2013). International Accounting Standard 40, Investment Property (Part A). IASB, Londres.
Kirkos, E., Spathis, C. & Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statements. Expert Systems with Applications, 32: 995–1003.
Kirkos, E.; Spathis, C. & Manolopoulos, Y. (2008). Support vector machines, Decision Trees and Neural Networks for auditor selection. Journal of computational Methods in Sciences and Engineering, 8: 213–224.
Koh, H-C. (2004). Going concern predictions using data mining techniques. Management Auditing Journal, 19(3): 462–476.
Kvaal, E. & Nobes, C. (2010). International differences in IFRS policy choice: a research note. Accounting and Business Research, 40(2): 173-187.
La Porta, R.; López-de-Silanes, F. & Shleifer, A. (1999). Corporate Governance Around the World. The Journal of Finance, vol. LIV (2): 471-515.
La Porta; R., López de Silanes, F.; Shleiffer, A. & Vishny, R. (1998). Law and Finance. Journal of Political Economy, 106: 1113-1155.
Lin, Y.C. & Peasnell, K.V. (2000). Fixed Asset Revaluation and Equity Depletion in the UK. Journal of Business Finance & Accounting, 27(3-4): 359-394.
Linsmeier, T.J. (2013). A Standard setter’s framework for selecting between fair value and historical cost measurement attributes: a basis for discussion of ‘‘Does fair value accounting for nonfinancial assets pass the market test?’’, Review of Accounting Studies, 18: 776-782.
Martens, D.; Bruynseels, L.; Baesens, B.; Willekens, M. & Vanthienen, J. (2008). Predicting going concern opinion with data mining. Decision Support Systems, 45(4): 765–777.
Missonier-Piera, F. (2007). Motives for fixed-asset revaluation: An empirical analysis with Swiss data. The International Journal of Accounting, 42: 186-205.
Muller, K.A.; Riedl, E.J. & Sellhorn, T. (2008). Causes and Consequences of Choosing Historical Cost versus Fair Value. Working paper, Pennsylvania State University, Harvard Business School and Ruhr-Universität Bochum.
Muller, K.A.; Riedl, E.J. & Sellhorn, T. (2011). Mandatory Fair Value Accounting and Information Asymmetry: Evidence from the European Real Estate Industry. Management Science, 57(6): 1138-1153.
Quagli, A. & Avallone, F. (2010). Fair Value or Cost Model? Drivers of Choice for IAS 40 in the Real Estate Industry. European Accounting Review, 19(3): 461-493.
Quinlan, J.R. (2005). C4.5: programs for machine learning. Morgan Kaufmann Publishers, San Francisco.
Stone, M. & Rasp, J. (1991). The Tradeoffs in the Choice between Logit and OLS in Accounting Choice Studies. The Accounting Review, 66(1): 170-187.
Sun, J.; Li, H.; Huang, Q-H. & He, K-Y. (2014). Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches. Knowdledge Based Systems, 57: 41-56.
Whittred, G. & Chan, Y.K. (1992). Asset Revaluation and the Mitigation of Underinvestment. Abacus, 28(1): 58-74.
Zeff, S.A. (2012). The Evolution of the IASC into the IASB, and the Challenges it Faces. The Accounting Review, 87(3): 807-837.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2017 Revista de Métodos Cuantitativos para la Economía y la Empresa
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
