Identificación de opiniones de auditoría en empresas cotizadas

Resumen

La hipótesis objeto de contraste en la presente tesis doctoral ha sido conocer si la incorporación de variables de gobierno corporativo a los modelos de predicción de opinión de informes de auditoría incrementa el poder de clasificación de los mismos. Para ello se ha tomado una muestra de empresas españolas cotizadas no financieras para los ejercicios 2008, 2009 y 2010, en concreto, las empresas que forman el IBEX-35, el resto del mercado continuo y el mercado de corros. Tras eliminar aquellas empresas para las cuales no se ha podido obtener la información necesaria, la muestra ha estado compuesta por 447 empresas, de entre las cuales 144 han sido seleccionadas para el ejercicio 2010, 149 para el ejercicio 2009 y 154 para el ejercicio 2008. Tomar como variable dependiente la opinión de los informes de auditoría ha requerido estudiar los cambios normativos producidos en España respecto de dichos informes con objeto de no crear sesgos en la clasificación de nuestra muestra y, por tanto, homogeneizarla correctamente. Se ha analizado la capacidad predictiva de todas aquellas variables financieras que habían sido previamente consideradas o que habían resultado finalmente explicativas en los estudios previos. Además, y con el objetivo de obtener unos adecuados niveles de clasificación, se utilizaron tres metodologías diferenciadas: LOGIT, MLP y PNN, permitiendo los resultados obtenidos comparar la capacidad de predicción de estas técnicas en el ámbito objeto de estudio. Las conclusiones obtenidas muestran que la metodología MLP permite alcanzar un nivel de clasificación superior con respecto a otras técnicas estadísticas tradicionales como LOGIT. Por su parte, los modelos LOGIT estimados muestran robustez y buen ajuste, obteniendo niveles de predicción muy aceptables y ligeramente superiores a los obtenidos con otra metodología de red neuronal como es PNN. Si bien el nivel de predicción de MLP es sensiblemente superior al resto de metodologías empleadas, es importante destacar que además muestra un mayor equilibrio en la clasificación de las empresas con salvedades y sin salvedades, en contraposición con las otras metodologías empleadas (LOGIT y PNN) que predicen con gran eficiencia las empresas sin salvedades (error tipo I) mermándose este acierto en la clasificación de las empresas con salvedades (error tipo II). Así pues, los niveles de acierto de MLP rozan el 100% de poder clasificador, en concreto, se obtuvo el 99,40% de ajuste para la muestra de entrenamiento y el 98,10% para la muestra de testeo, resultando ser el nivel de ajuste más elevado observado en la revisión de la literatura efectuada. Este nivel de ajuste nos lleva a obtener niveles de error tipo I y tipo II sensiblemente más bajos que los obtenidos en el resto de metodologías empleadas, en concreto, para la muestra de entrenamiento no existió error tipo I (0,00%) y el error tipo II fue del 1,20%, quedando para la muestra de testeo 4,30% el error tipo I y 4,40% el error tipo II. Este hecho destaca sobremanera pues confirma que se verifica la hipótesis anunciada en la introducción de esta Tesis Doctoral. Esta hipótesis no sólo se ha cumplido sino que además ha contribuido a alcanzar los mayores niveles de ajuste vistos hasta ahora en cualquier trabajo relacionado con esta línea de investigación. En el caso del otro modelo de red neuronal PNN y la metodología estadística LOGIT, los resultados son muy parejos, obteniendo niveles de ajuste del 85,60% y 87,60% respectivamente para la muestra de entrenamiento y del 81,70% y 86,80% respectivamente para la muestra de testeo. Otra conclusión a destacar del presente trabajo empírico es la significatividad o sensibilidad de las variables utilizadas. En el análisis confirmatorio se han mostrado claramente significativas el gobierno corporativo (VGC1, VGC2 y VGC4), el tamaño (VT3 y VT4) y la rentabilidad (VR1), coincidiendo con otras investigaciones existentes. Destacamos igualmente la coincidencia de las variables significativas arrojadas por LOGIT con aquellas variables de mayor sensibilidad alcanzadas por PNN. En ambas metodologías, gobierno corporativo, tamaño y rentabilidad se erigen como los principales parámetros explicativos en la predicción de la opinión de auditoría.