Análisis con Machine learning de los determinantes del cumplimiento de las normas contables en Uruguay (2022-2023)

• Autores: Núñez Sánchez, Martín; Kuster, Christian
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Económicas; machine learning; cumplimiento
• Institución: Universidad Nacional de La Plata

El cumplimiento de la normativa contable en el marco de la convergencia hacia las normas internacionales ha sido un tema de presente preocupación en la literatura, dada su importancia en la estandarización internacional de la información financiera. Ya consolidado formalmente el proceso de convergencia en Uruguay hace más de tres décadas, esta investigación adopta un enfoque explicativo y tiene como objetivo encontrar los factores determinantes que explican el nivel de cumplimiento de las Normas Contables Adecuadas (NCA) en Uruguay en la preparación de los estados financieros. Para lograr este objetivo, el trabajo parte de una base de datos conformada por los estados financieros de un conjunto de empresas uruguayas para los años 2022 y 2023. Se aplican herramientas de machine learning para probar la vinculación del nivel de cumplimiento con el tamaño empresarial y con el endeudamiento, en especial el endeudamiento financiero. En concreto se entrenan algoritmos para que aporten un modelo con un importante poder predictivo que permita evaluar el efecto de los cambios en los activos o en el endeudamiento sobre el nivel de cumplimiento. Los resultados obtenidos verifican la hipótesis de que el grado de cumplimiento está determinado positivamente por el tamaño y el endeudamiento, en especial el financiero, coherente con las exigencias legales respecto al financiamiento bancario.
Compliance with accounting standards in the context of convergence towards international standards has been a topic of ongoing concern in the literature, given its importance in the international standardization of financial reporting. With the convergence process in Uruguay formally consolidated more than three decades ago, this research adopts an explanatory approach and aims to identify the determining factors that explain the level of compliance with Appropriate Accounting Standards (AAS) in Uruguay when preparing financial statements. To achieve these objectives, the study draws on a database comprising the financial statements of a group of Uruguayan companies for the years 2022 and 2023. Machine learning tools are applied to test the relationship between the level of compliance and company size and indebtedness, particularly financial indebtedness. Specifically, algorithms are trained to provide a model with significant predictive power that allows the effect of changes in assets or indebtedness on compliance to be evaluated. The results obtained verify the hypothesis that the degree of compliance is positively determined by size and indebtedness, especially financial indebtedness, consistent with legal requirements regarding bank financing.
Facultad de Ciencias Económicas