PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ Facultad de Ciencias Contables cotizan en Bolsa de Valores de Lima y su efecto en sus clasificaciones de riesgo y precio de la acción, periodo 2022-2023 Tesis para obtener el título profesional de Contadora Pública que presenta: Milenia Ruth Espinoza Mamani Tesis para obtener el título profesional de Contador Público que presenta: Edson Steven Vasquez Mallma Asesora: Elizabeth Ruiz Távara Lima, 2025 INFORME DE SIMILITUD Yo, Elizabeth Ruiz Távara, docente de la Facultad de Ciencias Contables de la Pontificia Universidad Católica del Perú, asesora de la tesis/el trabajo de investigación titulado dictámenes de auditoría de empresas que cotizan en Bolsa de Valores de Lima y su efecto en sus clasificaciones de riesgo y precio de la acción, periodo 2022- 2023, de los autores Milenia Ruth Espinoza Mamani y Edson Steven Vasquez Mallma, dejo constancia de lo siguiente: - El mencionado documento tiene un índice de puntuación de similitud de 15%. Así lo consigna el reporte de similitud emitido por el software Turnitin el 27/08/2025. - He revisado con detalle dicho reporte y confirmo que cada una de las coincidencias detectadas no constituyen plagio alguno. - Las citas a otros autores y sus respectivas referencias cumplen con las pautas académicas. Lugar y fecha: Lima, 27 de Agosto de 2025 Apellidos y nombres: Elizabeth Ruiz Távara DNI: 43997594 Firma: ORCID: 0009-0007-9465-5970 DEDICATORIA Dedicado a mi madre y padre, quienes estuvieron a mi lado en cada paso que he dado tanto a nivel personal como profesional. Cada sacrificio que han hecho y cada día de trabajo duro por sacarnos adelante a mi hermana y a mí fueron la clave de nuestro éxito. Esta tesis es un testimonio más de su sacrificio y amor. Dedicado a mi hermana, quien siempre estuvo conmigo acompañándome en momentos complicados de salud. Compartir parte de mi vida universitaria con ella y ahora poder decirles juntas a nuestros padres ¡Lo logramos! es un sentimiento que no puedo describir con palabras. Los amo profundamente. Milenia Espinoza Dedicado a mi madre, una excelente mujer, quien con mucho sacrificio logró sacarme adelante. A mi hermana, quien estuvo en mis mejores y peores momentos, y dispuesta a escucharme y darme aliento. A mis abuelos maternos, Eva y Amancio, quienes fueron importantes en mi crianza, formación de carácter y valores. En general a toda mi familia materna, quienes han sido un pilar fundamental a lo largo de mi vida universitaria. Sus sabios consejos me han guiado y permitido crecer tanto personal como profesionalmente. Dedicado a mi madrina Edita, cuyo ejemplo y orientación me llevaron a elegir y enamorarme de la carrera de Contabilidad. A mi tía Vanessa, cuya experiencia y apoyo incondicional me impulsaron a seguir adelante, brindándome valiosos consejos para afrontar cada desafío, tanto en la universidad como en la vida. Esta tesis es el fruto del respaldo y amor que me han brindado en todo momento. Edson Vasquez AGRADECIMIENTOS Agradecemos a Dios por guiarnos en cada paso de esta etapa académica y darnos la fuerza para perseverar a pesar de las adversidades que se presentaban en nuestro camino. Asimismo, a nuestras familias por apoyarnos siempre alentándonos a seguir nuestros sueños y alcanzar nuestras metas. También queremos expresar un profundo agradecimiento al profesor Luis Gómez, quien con su experiencia en la investigación, apoyo, paciencia y buen humor nos brindó las pautas necesarias para el desarrollo de nuestra investigación. Finalmente, extendemos nuestro agradecimiento a los profesores de la Facultad de Ciencias Contables PUCP, quienes con sus conocimientos y dedicación durante estos años nos orientaron para poder desarrollar plenamente nuestra profesión. Milenia Espinoza y Edson Vasquez v RESUMEN La presente investigación tiene como objetivo general evaluar cómo afectó la de auditoría de empresas que cotizan en Bolsa de Valores de Lima en sus clasificaciones de riesgo y precio de la acción en el periodo 2023/2022. Esta investigación se justifica por la necesidad de aportar nuevo conocimiento a estudios previos en los cuales se encontraron diversas opiniones acerca de si la implementación de la Norma Internacional de Auditoría 701 tuvo un efecto o no en las decisiones de los inversionistas. Ante ello, para el presente estudio se utilizó la base teórica de la teoría de la Asimetría de la Información. La metodología de la investigación utilizó un enfoque cuantitativo con un diseño longitudinal y no experimental. La muestra de esta investigación está compuesta por 75 empresas seleccionadas mediante un muestreo estratificado. En el estudio se aplicó la técnica estadística de análisis de regresión, con la cual se determinó que de las 9 hipótesis planteadas solo 3 fueron respaldadas con la información obtenida. De tal manera que se concluyó que las Cuestiones Claves de auditoría no impactaron significativamente en las clasificaciones de riesgo ni en el precio de las acciones de las empresas estudiadas durante el período 2022-2023. Palabras clave: NIA 701, Cuestiones Claves de Auditoría, clasificación de riesgo, rating, perspectiva, precio de la acción, Teoría de la Asimetría de la Información. vi ABSTRACT The aim of this research is to evaluate how the comprehensiveness of the "Key Audit Matters" section affected the audit opinions of companies listed on the Lima Stock Exchange in terms of their risk ratings and stock prices during the 2023/2022 period. This study is justified by the need to contribute new insights to previous research, which presented differing views on whether the implementation of International Auditing Standard 701 influenced investor decisions. To address this, the theoretical framework of Information Asymmetry Theory was applied in the present study. The research methodology adopted a quantitative approach with a longitudinal and non-experimental design. The sample for this study consisted of 75 companies, selected through stratified sampling. The statistical technique of regression analysis was applied, which revealed that out of the 9 hypotheses tested, only 3 were supported by the gathered data. Consequently, it was concluded that Key Audit Matters did not have a significant impact on the risk ratings or stock prices of the companies studied during the 2022-2023 period. Keywords: ISA 701, Key Audit Matters, risk classification, rating, outlook, share price, Information Asymmetry Theory. vii ÍNDICE GENERAL Capítulo I: Problema de investigación 2 1.1. Situación problemática 2 1.2. Formulación del problema 5 1.2.1. Problema de investigación 5 1.2.2. Preguntas de investigación 5 1.3. Justificación de la investigación 6 1.4. Viabilidad de la investigación 8 1.5. Objetivos 9 1.5.1. Objetivo General 9 1.5.2. Objetivos Específicos 9 1.6. Alcance de la Investigación 10 Capítulo II: Marco teórico 12 2.1. Antecedentes de la investigación 12 2.2. Bases Teóricas 14 2.3. Marco conceptual 15 2.4. Marco normativo, regulatorio o legal 17 Capítulo III: Hipótesis y variables 20 3.1. Hipótesis general 20 3.2. Hipótesis específicas 20 3.3. Variables 21 3.3.1. Conceptualización de las variables 21 3.3.2. Operacionalización de las variables 24 Capítulo IV: Metodología de la investigación 26 4.1. Tipo de Investigación 26 4.2. Diseño de la Investigación 26 4.3. Población y muestra 27 4.3.1. Descripción de la población 27 4.3.2. Selección de la muestra 28 4.4. Técnicas para la recolección de datos 30 4.4.1. Diseño de instrumento 31 4.5. Procesamiento y Análisis de los datos 31 Capítulo V: Resultados de la investigación 33 5.1. Análisis y presentación de resultados 33 5.1.1. Análisis descriptivo 33 5.1.2. Análisis estadístico inferencial 40 5.2. Prueba de hipótesis 66 5.3. Discusión de resultados 68 5.3.1. Contribución de la investigación 71 viii 5.3.2. Limitaciones 72 5.3.3. Futuras líneas de investigación 73 CONCLUSIONES 75 RECOMENDACIONES 77 REFERENCIAS BIBLIOGRÁFICAS 78 ANEXOS 83 ANEXO 1: Cronograma para el desarrollo de la investigación 83 ANEXO 2: Listado de empresas de la muestra 85 viii ÍNDICE DE TABLAS Tabla 1 Operacionalización de las variables del estudio 25 Tabla 2 Distribución de empresas por sector 29 Tabla 3 Diseño de instrumento de las variables del estudio 31 Tabla 4 Resumen de modelo variable dependiente precio 41 Tabla 5 Anova variable dependiente precio 42 Tabla 6 Coeficiente de variable dependiente precio 44 Tabla 7 Resumen del modelo variable dependiente rating 49 Tabla 8 Anova variable dependiente rating 50 Tabla 9 Coeficiente de variable dependiente rating 52 Tabla 10 Resumen del modelo variable dependiente perspectiva 58 Tabla 11 Anova variable dependiente perspectiva 59 Tabla 12 Coeficiente variable dependiente perspectiva 61 ix ÍNDICE DE FIGURAS Figura 1 Marco conceptual de las variables 17 Figura 2 Selección de la muestra 29 Figura 3 Variación de la importancia de la sección CCA de los informes de auditoría del 2023 respecto al 2022 34 Figura 4 Variación de la longitud de CCA informadas en el 2023 respecto al 2022 35 Figura 5 Variación de la cantidad de CCA informadas en el 2023 respecto al 2022 36 Figura 6 Variación de la perspectiva en los informes de clasificación de riesgo en el 2023 respecto al 2022. 37 Figura 7 Variación del rating en los informes de clasificación de riesgo en el 2023 respecto al 2022 38 Figura 8 Variación del precio de la en los informes de clasificación de riesgo en el 2023 respecto al 2022 39 Figura 9: Dispersión de la variación del precio 46 Figura 10: Regresión residuo estandarizado de la variación de precio 47 Figura 11: Histograma de la variación de precio 48 Figura 12 Dispersión de la variación de rating 54 Figura 13 Regresión residuo estandarizado de la variación de rating 56 Figura 14 Histograma de la variación de rating 57 Figura 15 Dispersión de la variación de la perspectiva 62 Figura 16 Regresión residuo estandarizado de la variación de la perspectiva 64 Figura 17 Histograma de la variación de la perspectiva 65 1 Introducción La presente investigación tiene como finalidad determinar el efecto de la exhaustividad de la sección Cuestiones Claves de Auditoría (CCA) en los dictámenes de auditoría de empresas que cotizan en Bolsa de Valores de Lima en sus clasificaciones de riesgo y precio de la acción en el periodo 2023/2022 El primer capítulo, tomando como base los estudios previos sobre la necesidad de incluir las cuestiones claves de auditoría en los dictámenes del auditor, plantea el problema que motiva la presente investigación, a partir de lo cual se determinan los objetivos a investigar y se justifica el estudio. En el segundo capítulo se construye el marco teórico de la investigación a partir de la Teoría de la Asimetría de la Información. El tercer capítulo está destinado al análisis del contexto en el cual se plantearon hipótesis y las relaciones entre las variables del presente estudio. El siguiente capítulo detalla la metodología de la investigación, incluyendo el enfoque, alcance, estrategia general, técnicas de recolección de información y técnicas de análisis correspondientes. El quinto capítulo reporta los resultados obtenidos a partir de la información recolectada, organizados con base en los resultados obtenidos. El último capítulo presenta conclusiones del estudio, diferenciadas por cada objetivo de la investigación, luego de lo cual se plantea que la inclusión de las CCA en el dictamen del auditor no afectó significativamente en la clasificación de riesgo y precio de la acción de las empresas en análisis. 2 Capítulo I: Problema de investigación 1.1. Situación problemática La implementación de la NIA 701 conlleva diversos beneficios, entre los cuales destaca el fortalecimiento de la transparencia en el proceso de auditoría. Esto se logra mediante la incorporación de requisitos adicionales de divulgación, así como la identificación y presentación de aspectos clave. Dichos elementos contribuyen a una mayor profundización en el análisis crítico del auditor, fomentando un escepticismo profesional más sólido (Norazura y Amanuddin, 2024). Las cuestiones claves de la auditoría (CCA) son aquellas que han requerido la mayor atención por parte del auditor y que deben ser expuestas explícitamente en el informe de auditoría de la empresa evaluada. Es así que la introducción de esta norma aporta un valor informativo adicional a los inversores, ya que aclaran estimaciones contables significativas de la empresa y las revelaciones correspondientes, especialmente si la sección de CCA incluye información incremental que es específica y de alta calidad (Seebek et al., 2023). Además de ello, distintos estudios internacionales han evaluado la importancia del lenguaje de los dictámenes de auditoría y su relación con las decisiones de los usuarios de dichos informes, tales como los inversionistas. Según Elliot et al. (2015), los inversionistas están más dispuestos a invertir en una empresa cuando se destaca el lenguaje concreto que cuando se destaca el lenguaje abstracto. Esto se explica por el hecho de que el lenguaje concreto aumenta la sensación de comodidad en su capacidad para evaluar la empresa. Además, de acuerdo con un estudio reclamando un cambio en el enfoque del Informe de Auditoría de manera que deje de recoger únicamente una mera opinión con o sin salvedades e incluya también información más relevante que ayude a los usuarios en la 3 indican que la homogeneidad en los informes conlleva el riesgo de que los informes del auditor se vuelvan potencialmente engañosos. Las consecuencias negativas asociadas se reflejan en el hallazgo de que una mayor similitud en los informes disminuye el efecto positivo en el mercado de capitales (Seebeck, 2024). En esa misma línea, otras investigaciones han evaluado la reacción del mercado de capitales y se ha tratado el tema de que las CCA afectan el juicio y la toma de decisiones de los inversores (Coram et al., 2021, como se citó en Hoang et al., 2022). Además, como en otros países la aplicación de la NIA 701 se aprobó en el 2016, se cuentan con estudios como los de All-Mulla, quien examinó el impacto de la NIA 701 en el primer año de presentación de informes sobre las CCA y se enfocó en las mismas empresas antes y después de la introducción de la norma, así como pruebas transversales sobre las características de las CCA en su año de adopción en Nueva Zelanda. Por otro lado, Liu (2022), tras un estudio en China, revela que el valor informativo de los informes de auditoría aumenta significativamente tras la implementación de la NIA 701. Esto se respalda con el estudio de Reid et al., (2019), quien señala que los informes de auditoría que incluyan CCA permiten a los inversores tomar decisiones más informadas, ya que los detalles que brindan pueden afectar la confianza en los estados financieros y, por ende, influir en las decisiones de inversión. Por su lado, Elsayed et al., (2023), tras un estudio realizado en Reino Unido, destaca la utilidad de la norma al proporcionar información relevante a los inversionistas, ya que contribuye a una mejora en la claridad y calidad de la información financiera y mejora la transparencia. Sin embargo, Hegazy et al., (2021) indica que la aplicación de la norma proporcionó puntos de vista y reacciones mixtas en la investigación académica con respecto a la utilidad de las reformas de las CCA, ya que algunos estudios sugieren que incluir las CCA en el informe de auditoría tiene un impacto en 4 las decisiones de inversión, mientras que otros estudios no respaldan esta noción y agregan que ni siquiera reduce la brecha de expectativas (2021). En el contexto de Perú, la aplicación de la NIA 701 se aprobó para que sea efectuada en los dictámenes de auditoría a partir del año terminado el 31 de diciembre del 2022. Posteriormente, no se han encontrado investigaciones recientes relacionadas, específicamente, al efecto de la aplicación de dicha norma en el Perú. Sin embargo, este tema ha sido abordado años anteriores en tesis como la de Jara, quien analizó el impacto de la aplicación de la NIA 701 en la presentación del informe de auditoría elaborado por PwC Perú en el 2020. Este informe correspondió a la auditoría realizada a Credicorp Ltd. y sus subsidiarias, la cual era la única entidad cotizada en Perú y con domicilio en el extranjero que fue auditada conforme a las NIA vigentes del IAASB. (2021). Por otro lado, en el estudio de De la Cruz, se resaltó la relevancia de la pronta adopción de esta norma para la elaboración de dictámenes de auditoría más claros y funcionales. Asimismo, señaló cómo su aplicación podría fortalecer la confianza en los estados financieros auditados de las empresas que cotizan en la Bolsa de Valores de Lima, favoreciendo así un entorno más atractivo para la inversión en empresas peruanas (2020). Por su lado, Paredes añadió que la aplicación de la norma resultaría necesaria para aumentar el valor del informe de auditoría y que, de acuerdo con la perspectiva de los inversionistas, dicho informe presentaba una utilidad limitada para comprender los riesgos identificados por el auditor en el ejercicio de su labor, los cuales son de interés para el mercado (2015). De lo mencionado anteriormente, se ha evidenciado que existe mayor literatura en países extranjeros que en los pertenecientes a Latinoamérica, como Perú. En ese sentido, la presente investigación se realiza debido a que, al haber opiniones mixtas sobre el efecto de las CAA en las decisiones de inversión, existe la necesidad de profundizar más en el efecto de la aplicación de la NIA 701 tras su aprobación en el Perú, específicamente, el efecto de la exhaustividad de la sección CCA en los 5 informes de auditoría en las clasificaciones de riesgo y el precio de la acción, las cuales reflejan las decisiones de inversión. 1.2. Formulación del problema 1.2.1. Problema de investigación Bolsa de Valores de Lima en sus clasificaciones de riesgo y precio de la acción en el periodo 2023/2022? 1.2.2. Preguntas de investigación a. ¿Existe una relación entre la importancia de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el rating crediticio de estas en el periodo 2023/2022? b. ¿Existe una relación entre la longitud de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el rating crediticio de estas en el periodo 2023/2022? c. ¿Existe una relación entre la cantidad de CCA reveladas en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el rating crediticio de estas en el periodo 2023/2022? d. ¿Existe una relación entre la importancia de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y la perspectiva de estas en el periodo 2023/2022? e. ¿Existe una relación entre la longitud de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y la perspectiva de estas en el periodo 2023/2022? 6 f. ¿Existe una relación entre la cantidad de CCA reveladas en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y la perspectiva de estas en el periodo 2023/2022? g. ¿Existe una relación entre la importancia de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el precio de la acción de estas en el periodo 2023/2022? h. ¿Existe una relación entre la longitud de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el precio de la acción de estas en el periodo 2023/2022? i. ¿Existe una relación entre la cantidad de CCA reveladas en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el precio de la acción de estas en el periodo 2023/2022? 1.3. Justificación de la investigación Esta investigación contribuye a la creación de nuevo conocimiento al estudiar la exhaustividad de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en la Bolsa de Valores de Lima (BVL) y su relación con la clasificación de riesgo y el precio de las acciones tras la aprobación de la NIA 701 en el Perú. Al recopilar y analizar los informes de auditoría correspondientes al periodo 2022-2023, se pretende aportar información adicional a estudios previos que sugieren que los informes de auditoría ampliados tienden a volverse repetitivos y genéricos con el tiempo (Seebeck, 2024). Esto debido a que antes de la implementación de la norma, existía una mayor insatisfacción por parte de los usuarios debido a que el contenido del informe de auditoría proporciona poca o ninguna información útil, a pesar del importante conocimiento del auditor sobre la empresa, su entorno y la preparación de los estados financieros (Elsayed et al., 2023). 7 La relación entre las CCA en los dictámenes de auditoría y la clasificación de riesgo se manifiesta en cómo la exhaustividad de las CCA permite a los usuarios obtener un entendimiento claro y conciso al analizar y/o visualizar los puntajes presentados por las clasificaciones de riesgo de la empresa (Muñoz et al., 2022). La clasificación de riesgo está compuesta por dos indicadores: el rating y la perspectiva. Por un lado, el rating constituye una evaluación de la solvencia financiera de una empresa, por lo que la disminución en esta calificación implica una reducción en la confianza de los inversores. Por otro lado, las clasificaciones de riesgo permiten a los inversionistas y a las instituciones evaluar la capacidad de los emisores de valores negociables para cumplir con sus obligaciones. En este sentido, los inversores emplean la información proporcionada por estas agencias como un insumo clave para la toma de decisiones de inversión. (Manrique, 2016). Por otro lado, la relación entre la exhaustividad de las CCA en los dictámenes de auditoría y el precio de la acción se evidencia en el estudio de Jaffar et al., en el que indica que la publicación y/o comunicación de las en los dictámenes de auditoría provoca variaciones en el precio de las acciones de la empresa y que los resultados de diversos estudios muestran que la información revelada en las CCA es relevante para el valor, ya que los inversores utilizan la información para tomar decisiones de inversión. En otras palabras, la divulgación de las CCA hace que cambie el precio de las acciones (2023). Asimismo, este estudio tiene relevancia social al proporcionar información sobre el valor de contar con informes de auditoría claros, tanto para los inversionistas actuales como para los futuros. La investigación busca entender cómo la exhaustividad de la sección CCA en los dictámenes de auditoría influye en las clasificaciones de riesgo de las empresas y en el precio de las acciones. Además, comprender el impacto de esta norma en las clasificaciones de riesgo y en el precio de las acciones puede motivar a las empresas a mejorar sus prácticas de divulgación, 8 beneficiando, así, a los inversionistas como a la imagen de la empresa en el mercado de valores. En cuanto a la implicancia práctica, los resultados de esta investigación pueden proporcionar información sobre si la exhaustividad de la sección de CCA contribuye a mejorar la transparencia y la calidad de la información financiera presentada por las empresas que cotizan en la BVL. Esto permitirá evaluar mejor el riesgo y la fiabilidad de estas empresas en relación con sus clasificaciones de riesgo y el precio de sus acciones, presentando así una base de información más fundamentada. 1.4. Viabilidad de la investigación Este tema de investigación es viable debido a los siguientes aspectos clave: disponibilidad de recursos, acceso a fuentes de información necesarias y tiempo dedicado. En cuanto a los recursos, es importante señalar que esta investigación no requiere recursos económicos ni materiales significativos, ya que se basa en el análisis de los Estados Financieros Auditados de empresas listadas en la Superintendencia del Mercado de Valores (SMV). Esto facilita el acceso a los materiales necesarios para realizar el análisis. En cuanto al acceso a fuentes de información, se consideran elementos como las normas de auditoría, informes financieros y de auditoría, así como reportes relacionados con el tema de investigación, como informes sobre valores inscritos en el Registro Público del Mercado de Valores (RPMV) y riesgos empresariales, disponibles públicamente en la página de la SMV y otros portales relacionados como el de la Bolsa de Valores de Lima. Además, las normas de auditoría emitidas por la IAASB están ampliamente disponibles en línea. Por último, la disponibilidad de tiempo es fundamental en esta investigación. Para ello, se ha establecido un compromiso claro entre los estudiantes/investigadores para priorizar el desarrollo de la tesis, con una 9 planificación previa que considera la disponibilidad de horarios y la dedicación necesaria para llevar a cabo la investigación de manera eficiente y efectiva. 1.5. Objetivos 1.5.1. Objetivo General Determinar cómo afectó la exhaustividad de la se Bolsa de Valores de Lima en sus clasificaciones de riesgo y precio de la acción en el periodo 2023/2022 1.5.2. Objetivos Específicos a. Determinar si existe una relación entre la importancia de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el rating crediticio de estas en el periodo 2023/2022. b. Determinar si existe una relación entre la longitud de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el rating crediticio de estas en el periodo 2023/2022 c. Determinar si existe una relación entre la cantidad de CCA reveladas en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el rating crediticio de estas en el periodo 2023/2022. d. Determinar si existe una relación entre la importancia de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y la perspectiva de estas en el periodo 2023/2022. 10 e. Determinar si existe una relación entre la longitud de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y la perspectiva de estas en el periodo 2023/2022. f. Determinar si existe una relación entre la cantidad de CCA reveladas en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y la perspectiva de estas en el periodo 2023/2022. g. Determinar si existe una relación entre la importancia de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el precio de la acción de estas en el periodo 2023/2022. h. Determinar si existe una relación entre la longitud de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el precio de la acción de estas en el periodo 2023/2022. i. Determinar si existe una relación entre la cantidad de CCA reveladas en los dictámenes de auditoría de las empresas que cotizan en Bolsa de Valores de Lima y el precio de la acción de estas en el periodo 2023/2022. 1.6. Alcance de la Investigación Según Hernández-Sampieri, es importante visualizar el alcance de la investigación para establecer los límites conceptuales y metodológicos (2018). En ese sentido, la presente investigación considera el alcance de tipo correlacional, ya que tiene como propósito conocer la relación o grado de asociación que existe entre las variables contenidas en el problema de investigación (Hernández-Sampieri, 2018). En este caso, se conocerá la relación entre la exhaustividad de la sección CCA en los dictámenes de auditoría y las clasificaciones de riesgo y el precio de la acción de la empresa. Por un lado, la exhaustividad se 11 conforma por las siguientes tres variables: importancia, longitud y cantidad de CCA reveladas. Mientras que la clasificación de riesgo se conforma por dos variables: rating y perspectiva. Respecto al precio, se analiza la variación del precio de la acción. La investigación se realiza en el contexto peruano, específicamente de empresas que cotizan en la Bolsa de Valores de Lima. Por otra parte, resulta importante mencionar que la investigación tiene la limitante de no tener estudios previos disponibles que se relacionen con la aplicación de las CCA en el Perú, ya que es muy reciente. 12 Capítulo II: Marco teórico En este segundo capítulo se desarrolla el marco teórico, el cual, de acuerdo con Hernández- una manera organizada las teorías, investigaciones previas y los antecedentes en general que se consideren válidos y adecuados para contextualizar y ori dividido en cuatro secciones. Primero, se abordan los antecedentes de investigación, en la que se mencionan estudios previos que han abordado las variables de investigación del presente trabajo. Posteriormente, se detalla la base teórica específica para este estudio y el marco conceptual identificado. Finalmente, se describe el marco normativo asociado a una de las variables. 2.1. Antecedentes de la investigación De acuerdo con la teoría de la agencia de gobierno corporativo, los auditores representan a los accionistas de una empresa en particular y se espera que representen los mejores intereses de esos propietarios y otros usuarios de los informes financieros sin tener en cuenta el interés propio de ninguna de las partes. La introducción de CCA y los cambios en los requisitos de presentación de informes en los informes de auditoría presentados a los accionistas y otras partes interesadas ayudarían a reducir el problema actual de principal-agente y mejorar el gobierno corporativo de las empresas (Hegazy et al., 2021). Asimismo, según Jaffar (2023), la existencia de informes de auditoría reduce los problemas de agencia y la asimetría de la información entre la gerencia y los accionistas; es decir, los mecanismos efectivos de gobierno corporativo y los informes de auditoría más detallados disuadirá a los gerentes de actuar de manera oportunista a expensas de los intereses de los accionistas. En ese sentido, la teoría de la agencia apoya el papel de CCA como un entorno de información que reduce los problemas de agencia (Goh et al. 2016, se citó en Hegazy et al., 2021). 13 Para el presente estudio se utilizará la teoría de la asimetría de la información para establecer la base de la investigación y definir el marco conceptual. Esta teoría es una condición en la que una parte de una relación tiene más o mejor información que la otra (Akerlof, 1970, como se citó en Bergh et al., 2018). Es así que una alta asimetría de información surge cuando los actores del mercado poseen reservas diferentes y desiguales de conocimiento del mercado, tales como la información financiera. De esta manera, las asimetrías de información existen en todas las relaciones de intercambio de información (Semadeni et al. 2010, como se citó en Bergh et al., 2018). Ante ello, según Hegazy et al., la revisión de la literatura sugiere que las CCA tienen el potencial de mitigar la asimetría de la información y ejercer un impacto en la conducta de los inversores en circunstancias específicas. Además, pueden identificar problemas de riesgo adicionales, evitar suposiciones contables excesivamente optimistas o agresivas y mejorar la credibilidad de los informes de auditoría (2021). Por otro lado, otros estudios examinaron que los cambios en los informes de auditoría encuentran que las CCA pueden tener el potencial de reducir la asimetría de la información e influir en la toma de decisiones de los inversores bajo ciertas condiciones (Christensen et al., 2014, como se citó en Ecim et al., 2023). Según Jaffar, estos hallazgos proporcionan una idea del papel de la divulgación de CCA a la hora de reducir la asimetría de la información y ayudar a los inversores en la toma de decisiones de inversión (2023). Por su lado, Liu et al. (2022) indica que las divulgaciones de CCA disminuyen las tasas de interés y aumentan la proporción de deuda a largo plazo. Es decir, que las divulgaciones de CCA conducen a características de deuda más favorables al disminuir la asimetría de la información. En ese sentido, las CCA tienen como objetivo reducir la asimetría de la información y son, en parte, una respuesta a la brecha en las expectativas de auditoría (Segal, 2019, como se citó en Ecim et al, 2023). De esta manera, 14 proporcionar detalles sobre los problemas más importantes encontrados durante una auditoría y cómo se gestionaron permite a los usuarios de los estados financieros comprender cómo se realizan las auditorías y evaluar los riesgos inherentes a sus inversiones de manera más efectiva, de tal manera que la divulgación de las CCA contribuye a disminuir la asimetría de información y a reducir la percepción de riesgo por parte de los acreedores (Christensen et al., 2014, como se citó en Ecim et al., 2023). En suma, a lo mencionado, según Altawalbeh et al., el objetivo fundamental de la divulgación de las CCA es fortalecer el valor comunicativo del informe del auditor reduciendo así la asimetría de información sobre el proceso de auditoría. Es así que espera que informar asuntos clave de auditoría proporcione información adicional a los usuarios para ayudarlos a comprender estos asuntos (2019). Adicionalmente, otros estudios examinaron si los nuevos requisitos de divulgación tienen valor informativo para los inversores y los resultados generales muestran que la divulgación requerida ampliada proporciona información nueva y útil a los inversores y ayuda a reducir la asimetría de la información (Reid, 2015, como se citó en Altawalbeh et al., 2019). Lo mencionado anteriormente se respalda con el estudio de Liu et al., quien indica que, al proporcionar una mayor transparencia sobre el proceso de auditoría, las CCA dan como resultado una disminución de la asimetría de la información (2022). Por tanto, se puede concluir que la divulgación de CCA proporciona información más transparente sobre la fiabilidad de los estados financieros, reduce la asimetría de la información y disminuye el costo de agencia (Jaffar et al.,2023). 2.2. Bases Teóricas Considerando la presentación de los contextos planteados anteriormente y de la relación con las teorías señaladas, este estudio se centrará en relacionar la exhaustividad del dictamen del auditor tras la aplicación de la NIA 701 con las clasificaciones de riesgo y precio de la 15 acción utilizando la teoría de la asimetría de la información, ya que la aplicación de las CCA se relaciona con dicha teoría proporcionando información útil a los usuarios, lo cual reduce la asimetría de información entre la empresa y el usuario y, a su vez, causa reacciones en el mercado de capitales ante su divulgación (Altawalbeh et al., 2019). Según Clarkson et al., la asimetría de información se produce cuando una o más partes cuentan con un mayor conocimiento sobre información relevante para su participación efectiva en una determinada situación, en comparación con otras partes involucradas (2007). 2.3. Marco conceptual El marco conceptual de esta investigación tiene como objetivo mostrar cómo la exhaustividad de la sección CCA de los informes de auditoría tras la aplicación de la NIA 701 influye en las clasificaciones de riesgo y precio de la acción, utilizando la teoría de la asimetría de la información como base teórica principal. Como se mencionó anteriormente, una forma de reducir la asimetría de información se logra tras la aplicación de la NIA 701, ya que esta permite que los auditores comuniquen las CCA en los informes de auditoría y proporcionen a los inversores información relevante sobre las áreas de mayor riesgo de una empresa y su juicio respecto a los estados financieros. Es así que con esta norma se logra mejorar la transparencia de la empresa y reducir la asimetría de información. Asimismo, tras la información incluida en los informes de auditoría ampliados, y en particular las CCA divulgadas, se añade poder explicativo en las calificaciones crediticias al mencionar aspectos tanto internos como externos de la empresa (Muñoz et al., 2022). Esto, finalmente, se refleja en la confiabilidad de las partes interesadas como los inversores y acreedores. Según Zhai et al., el efecto de las divulgaciones de CCA es más fuerte en empresas con accionistas mayoritarios, lo que indica que las divulgaciones de CCA tienen efecto en el precio de las acciones al mejorar la accesibilidad de la información a nivel de empresa para los inversores (2021). 16 Asimismo, según Moalla et al., la opinión de auditoría y la calificación crediticia de las empresas son señales para los inversores y pueden reducir la asimetría de información entre los directivos y los inversores, por lo cual los auditores deben garantizar y preservar su lugar en el suministro de información relevante y fiable. Tienen que ser una guía potencial para los inversores en su toma de decisiones (2019). En consecuencia, la sección de CCA en los dictámenes del auditor tiene valor práctico para los inversores, quienes podrían ajustar sus estrategias de inversión y adquisición con la nueva información (Zhai et al. 2021). Ahora bien, según Hosseinniakani et al., los inversores valoran las revelaciones de las notas asociadas a las CCA, ya que los inversores toman nota de la información incluida en el párrafo, aunque, el grado de atención difiere dependiendo de la cantidad y formato de las CCA. Asimismo, Seebeck et al., indica que las revelaciones de CCA con mayor longitud y legibilidad están asociadas con reacciones positivas del mercado (2023). De manera similar, Zeng et al. sostiene que el número de CCA y otras características de la revelación, incluyendo especificidad, legibilidad y extensión, señalan las preocupaciones de los auditores sobre la calidad de los informes financieros que pueden ser observados por los inversores (2021). Ante lo expuesto, el presente estudio analiza la exhaustividad de la sección CCA mediante los siguientes indicadores: importancia, longitud y cantidad. A continuación, en la Figura 1, se muestra el marco que guiará la metodología y el análisis de la investigación, proporcionando una base sólida para evaluar la relación entre las variables. 17 Figura 1 Marco conceptual de las variables Nota. Relación entre las variables independientes relacionadas a la exhaustividad de la sección CCA (importancia, longitud y cantidad) y las variables dependientes precio de la acción y clasificaciones de riesgo (rating y perspectiva de la clasificación de riesgo). 2.4. Marco normativo, regulatorio o legal El marco normativo de esta investigación se basa en las NIA de la serie 700, que se especializan en la formación y emisión de opiniones por parte de los auditores. Estas normas también abarcan las opiniones modificadas, la información comparativa y cualquier otra información relevante durante el proceso de auditoría. En particular, esta investigación se centrará en la NIA 701, "Comunicación de las cuestiones clave de la auditoría en el informe emitido por un auditor independiente". El objetivo de esta norma es mejorar el informe del auditor mediante la inclusión de las CCA. Esto último es respaldado por Jara, quien menciona que el objetivo es abordar desde el punto de vista del auditor respecto a lo que se 18 comunicará en la sección de CCA, dentro del informe de auditoría, en forma y contenido (2021, p. 27). De igual forma Portal manifiesta que los informes de auditoría poseen un rol crucial como medio de comunicación sobre los resultados de la auditoría, cuya finalidad es incentivar una mejor y sostenible gestión de la entidad (2018). Respecto al alcance, la NIA 701 exige que el auditor incluya, mediante un párrafo, su opinión acerca de las cuestiones clave identificadas durante el proceso de la auditoría. Esto tiene como objetivo reducir la brecha de desconocimiento y de información incompleta para los usuarios de la información financiera. Las cuestiones clave les permiten a los terceros poseer un conocimiento más profundo sobre el proceso de auditoría, así como sobre el manejo y comportamiento de las cuentas que se vinculan con las CCA incluidas en la sección (Segel, 2019). Por otro lado, la aplicación de la NIA 701, exhorta a los auditores a aumentar la exhaustividad de sus procesos para así determinar y comunicar específicamente los asuntos claves de auditoría, es decir, la norma implícitamente aumenta la calidad de los procesos previos antes de emitir el dictamen de auditoría (Knechel y Salterio, 2016). Las CCA, según la Public Company Accounting Oversight Board (PCAOB), consiste en asuntos que proporcionan a los inversores y otros usuarios de los estados financieros información sobre cuestiones surgidas durante la auditoría que requirieron un juicio del auditor especialmente difícil, subjetivo o complejo, y cómo el auditor trató estos asuntos (2017). La NIA 701 se fundamenta en tres pilares principales. Primero, la identificación de las CCA, que se refieren a los asuntos más relevantes encontrados durante el proceso de auditoría. Segundo, la descripción de estas CCA y cómo se abordaron, lo cual es fundamental para esta investigación, ya que incrementa la exhaustividad del informe de auditoría al destacar para los usuarios los aspectos más significativos de la empresa. Por último, la comunicación y publicación de las CCA dentro del informe auditado. En líneas generales, las CCA son aspectos vitales y que, gracias 19 a su aplicación, tiene impacto positivo dentro del proceso de auditoría a una empresa (Cordos & Timea Fülöp, 2015 como se citó en Jara, 2021). 20 Capítulo III: Hipótesis y variables En este estudio, se busca conocer el efecto de la exhaustividad de la sección CCA en los dictámenes de auditoría en las clasificaciones de riesgo y precio de la acción de empresas que cotizan en Bolsa de Valores de Lima. Para alcanzar este objetivo, se han formulado las siguientes hipótesis que permitirán guiar el desarrollo de la investigación. 3.1. Hipótesis general La Comunicación de las Cuestiones Claves de Auditoría ha tenido un impacto significativo en los dictámenes de auditoría de las empresas que cotizan en la Bolsa de Valores de Lima, afectando sus clasificaciones de riesgo y el precio de sus acciones. 3.2. Hipótesis específicas H1: La importancia de las CCA tuvo un efecto estadísticamente significativo en la variación del precio de la acción. H2: La importancia de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en el rating. H3: La importancia de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en la perspectiva. H4: La longitud de las CCA tuvo un efecto estadísticamente significativo en la variación del precio de la acción. H5: La longitud de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en el rating. 21 H6: La longitud de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en la perspectiva. H7: La cantidad de las CCA reveladas tuvo un efecto estadísticamente significativo en la variación del precio de la acción. H8: La cantidad de las CCA reveladas tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en el rating. H9: La cantidad de las CCA reveladas tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en la perspectiva. 3.3. Variables Para el presente trabajo de investigación, se analizan las siguientes variables independientes: importancia, longitud y cantidad de las CCA. Así como las siguientes variables dependientes: rating, perspectiva y precio de la acción. Estas variables son trascendentales, ya que no solo están interrelacionadas, sino que también permiten establecer una conexión con la base teórica del estudio. 3.3.1. Conceptualización de las variables Como primera variable independiente se tiene a la importancia de la sección de CCA del dictamen del auditor, la cual se centra en la cantidad de notas de los Estados Financieros a las que está relacionada las CCA. que los usuarios puedan comprenderlos claramente y logren obtener la mayor utilidad de ellos. Las notas son la parte más importante y relevante una serie de explicaciones y aclaraciones respecto a la situación financiera de una empresa (Gaitán, 2012, como se citó en Mora, 2016). 22 Como segunda variable independiente se tiene a la longitud. Según Gambetta et al., el concepto de calidad de la auditoría y el valor informativo del informe de auditoría van de la mano en términos de la extensión de la sección CCA del informe de auditoría y sugiere que la longitud es un atributo importante de la calidad del informe (2023). Por lo tanto, se entiende que la longitud describe qué tan bien se comunicaron las CCA en los informes de auditoría, considerando la normativa. Asimismo, Hosseinniakani indica que la exhaustividad del informe del auditor se identifica con las revelaciones CCA del auditor, incluida la cantidad de elementos contables divulgados, la cantidad total de palabras y la cantidad de palabras únicas relacionadas con CCA (2024). Como tercera variable independiente se tiene a la cantidad de Cuestiones Claves reveladas. Según Elsayed et al., es probable que una mayor cantidad de divulgación de CCA haga divergir las percepciones de riesgo de los inversores, representadas por la volatilidad de los rendimientos de las acciones, lo que implica que la divulgación de riesgos es útil para la toma de decisiones en el mercado (2023). Es así que la divulgación de riesgos, que refleja noticias favorables o desfavorables, está asociada direccionalmente con la volatilidad del rendimiento de las acciones, la precisión de las previsiones de los analistas y el diferencial entre oferta y demanda (Elshandidy et al., 2016, como se citó en Elsayed, 2023). De esta manera, una mayor cantidad divulgada de las CCA mejora el valor del informe de auditoría y reduce la asimetría de la información (Velte e Issa, 2019 como se citó en Mahd e Idris, 2024). Respecto a las variables dependientes, se tiene el precio de la acción, el rating y la perspectiva de la clasificación de riesgo de la empresa. De acuerdo con la primera, se define como precio el valor monetario al que se negocia una acción en un mercado financiero; asimismo, es un indicador fundamental de la valoración de una empresa en el mercado de capitales (Fama, 1991). Asimismo, también se puede definir al precio de la acción como un indicador de valor de la empresa total, ya que esta valoración 23 refleja el desempeño actual de la empresa, expectativas de rendimiento a futuro, ingresos y estimados de crecimiento proyectados (Woo et al., 2020). Respecto al rating y perspectiva, estas forman parte de la clasificación de riesgo de una empresa, la cual, según Cantor y Parker, es una evaluación de la capacidad (solvencia) de un prestatario para cumplir con sus obligaciones financieras, ya sea en términos generales o en relación con una deuda específica (Cantor y Parker, 1996, p. 38). Esta evaluación brinda información relevante dentro del mercado bursátil, pero, principalmente, presenta el comportamiento y/o imagen crediticia del usuario frente a las obligaciones de pago. Asimismo, se puede definir a la clasificación de riesgo como una herramienta de evaluación de crédito, donde las calificaciones crediticias proporcionan una evaluación objetiva de la habilidad y capacidad de un emisor para cumplir con sus compromisos financieros conforme a los términos pactados (Altman y Rijken, 2004). Hasta el momento se ha definido la clasificación de riesgo como una herramienta fundamental de confianza sobre un usuario respecto a su historial de comportamiento crediticio de forma individual; sin embargo, la clasificación de riesgo permite realizar una comparativa de usuarios, tal y como lo desarrolla Ferri (et al., 1999), las calificaciones crediticias indican el riesgo relativo de que un usuario de deuda no cumpla con sus obligaciones en comparación con otros usuarios de deuda. Es por ello que los inversores dependen en gran medida de las calificaciones crediticias de una empresa antes de otorgar un préstamo al prestatario, ya que no todos los préstamos están asegurados, especialmente en el ámbito empresarial (Trivedi et al., 2023). Es así que las agencias de calificación crediticia evalúan y asignan una clasificación de riesgo, conocida como calificación crediticia, la cual se aplica a bancos, empresas, el gobierno y otras instituciones financieras. Esta clasificación evalúa la solvencia crediticia y la probabilidad de que una entidad incumpla con sus obligaciones de préstamo (Trivedi et al., 2023). Respecto al rating, es una medida ordinal del riesgo crediticio, representada 24 en rangos. Los ratings financieros crediticios a largo plazo se dividen en dos categorías: grado de inversión y grado especulativo. La categoría de grado de inversión refleja un riesgo crediticio que varía entre relativamente bajo y moderado (de AAA a BBB), mientras que la categoría de grado especulativo indica un mayor nivel de riesgo crediticio o posible incumplimiento, y se clasifica de BB a D (Moalla y Baili, 2019). Ahora bien, respecto a la perspectiva, las cuales se encuentran dentro de la clasificación de riesgo de una empresa, según Poon y Shen, contienen información crucial y están estrechamente vinculadas con la solvencia crediticia, que se evalúa por la probabilidad esperada de incumplimiento. Además, muestra el impacto cuando las agencias de calificación asignan perspectivas negativas, cuyo resultado es que los emisores tomen medidas correctivas para evitar que se reduzca su calificación en el futuro (2020). 3.3.2. Operacionalización de las variables En la Tabla 1, se muestra la operacionalización de las variables del presente estudio: importancia, longitud y cantidad de la sección CCA, perspectiva, rating y el precio de la acción. Para ello, se utilizan indicadores específicos. 26 Capítulo IV: Metodología de la investigación 4.1. Tipo de Investigación En este estudio se emplea un enfoque de investigación correlacional con enfoque cuantitativo para explorar la relación existente entre la importancia, longitud y cantidad de CCA reveladas en los informes de auditoría de las empresas que cotizan en la Bolsa de Valores de Lima (BVL) y sus ratings, perspectivas y precio de sus acciones. A través de este método, se busca determinar si existe una correlación significativa entre estas variables y la magnitud de dicha relación. 4.2. Diseño de la Investigación El diseño de esta investigación es longitudinal y no experimental, el cual fue seleccionado para abordar el objetivo principal: identificar la relación entre la exhaustividad de la sección CCA (importancia, longitud y cantidad y las clasificaciones de riesgo (perspectiva y rating), así como el precio de las acciones de las empresas financieras que cotizan en la Bolsa de Valores de Lima (BVL). En cuanto a la naturaleza cuantitativa del estudio se utilizarán datos numéricos extraídos de los informes de auditoría, las clasificaciones de riesgo y los precios de las acciones de las empresas analizadas. El análisis cuantitativo permitirá establecer relaciones estadísticas entre las variables, lo que permitirá determinar si existe una correlación entre la aplicación de la NIA 701 y las clasificaciones de riesgo y el valor de las acciones. Respecto al enfoque longitudinal, este estudio abarca dos períodos distintos: primer y segundo año de la implementación de la NIA 701. Para ello, se analizarán los datos correspondientes a los años 2022 para evaluar la implementación de la norma, y los datos de 2023 para evaluar sus efectos en las clasificaciones de riesgo y el valor de las acciones. Este enfoque permitirá observar cambios y tendencias a lo largo del tiempo, ofreciendo una perspectiva más completa de la relación entre las variables. 27 Por último, el enfoque no experimental, se basa en la observación de las variables en un contexto natural, lo cual significa que no se manipularon las variables de estudio. En su lugar, las variables se observan tal como se presentan en su entorno natural, sin la intervención de los autores de este estudio. Esto se logra mediante la recopilación de datos existentes, como los informes de auditoría, las clasificaciones de riesgo y los precios de las acciones que son de acceso público. 4.3. Población y muestra 4.3.1. Descripción de la población Para determinar la población de esta investigación y, posteriormente, la muestra, se identificó como unidad de análisis a las empresas que cotizan en la Bolsa de Valores de Lima entre el 2022 y 2023 pertenecientes a distintos sectores. Estas empresas presentan sus estados financieros de manera regular y están reguladas por la Superintendencia del Mercado de Valores. Cabe resaltar que se excluyen aquellas empresas que no tengan valores inscritos en el registro Público del Mercado de Valores de la SMV con el aquellas que no cumplan con tener sus informes de clasificaciones de riesgo disponibles de visualización y/o descarga. Para ello, se ha revisado la plataforma de cada una de las empresas clasificadoras de riesgo: Apoyo Microrate Latin America y JCR Latino América. La delimitación de esta población tiene como objetivo principal garantizar la representatividad de los resultados obtenidos, asegurando que se reflejen fielmente las características de las empresas que cotizan en la BVL. Además, esta definición permite una comparación pertinente de los informes de auditoría en el periodo 2022-2023 a raíz de la implementación de la NIA 701, facilitando la evaluación precisa del impacto de la norma en este contexto específico. 28 4.3.2. Selección de la muestra Inicialmente, se propuso estudiar la totalidad de las empresas que cotizan en la BVL; sin embargo, debido a que no todas contaban con informes de clasificación de riesgo, se seleccionó una muestra determinística, con el fin de cumplir con tener la información necesaria para realizar la comparación de información entre el 2022 y 2023. Es así que la muestra de esta investigación está compuesta por 75 empresas seleccionadas mediante un muestreo estratificado, con el fin de tener una mejor comparabilidad de las empresas y que abarque distintos sectores. De esta manera, se puede obtener una visión más completa del efecto de la exhaustividad de la inclusión de la sección CCA en los dictámenes de empresas de distintos sectores. Para el criterio de inclusión o selección, en primera instancia se realizó la trazabilidad, en cuanto a accesibilidad de información, de empresas que coticen en la BVL y se encuentren en la SMV, lo cual limitó la muestra a 75 empresas elegibles. Sin embargo, esta muestra se subdividió en 2 partes: las empresas con precio de la acción cotizado en la BVL, cuyo número fue 41 empresas, y las empresas con clasificación de riesgo, cuyo número fue 50 empresas. De la subdivisión de la muestra, en coincidencia con ambas variables (clasificación de riesgo, perspectiva y rating, y precio, y precio de la acción) el tamaño muestral se reduce a 16 empresas, lo cual estadísticamente para efectos de realizar el modelo de regresión no es posible. Por ello, se trabajará con 2 modelos, uno dirigido a empresas con precio de la acción cotizada en la BVL y el otro, para empresas con clasificación de riesgo. En la Figura 2 se indica gráficamente la división indicada. 29 Figura 2 Selección de la muestra Cabe resaltar que la muestra seleccionada incluye empresas de diferentes tamaños, con el objetivo de que esta sea equilibrada y representativa. Por tanto, el análisis de esta muestra permitirá obtener resultados que sean relevantes no solo para el estudio del efecto de la aplicación de la NIA 701, sino también para obtener mejores conclusiones. Es así que se obtuvo la muestra distribuida como se visualiza en la Tabla 2. Tabla 2 Distribución de empresas por sector Sector Número de empresas % Educación 1 1.33% Energía 5 6.67% Financiero 23 30.67% Industria 18 24.00% Minería 9 12.00% Seguros 15 20.00% Otros 4 5.33% Total 75 100.00% 30 4.4. Técnicas para la recolección de datos Para realizar esta investigación, se ha optado por el análisis de contenido cuantitativo como técnica principal de recolección de datos, la cual permite identificar, cuantificar y analizar la información contenida en los informes de auditoría, clasificaciones de riesgo y precio de la acción de las empresas que cotizan en la Bolsa de Valores de Lima (BVL) durante el período 2022-2023. Este análisis de contenido cuantitativo es especialmente adecuado para esta investigación, ya que permite evaluar la información con valores numéricos y cuantificables, facilitando de esta manera su estudio. En ese sentido, los dictámenes de auditoría junto a sus estados financieros auditados de las empresas seleccionadas constituyen la fuente principal de datos de esta investigación. De estos se evaluarán las variables importancia, longitud y cantidad de la sección CCA. Para ello, se establecieron indicadores, los cuales están representados por valores numéricos. Tal como se indicó en la Tabla 1. De la misma manera, se ha cuantificado los datos de los informes de las clasificadoras de riesgo, dándoles valor a cada escala que brinda la perspectiva y rating de la empresa. Asimismo, respecto al precio de la acción, se optó por cuantificar la variación de este El procedimiento se desarrolló en etapas. Primero, la recolección de los Estados Financieros Auditados del periodo 2022-2023, mediante sus descargas de la página web de la SMV. Posteriormente, la recolección de los informes de clasificación de riesgo de las empresas seleccionadas, mediante la descarga de estos de la página web de las empresas clasificadoras. Por otro lado, para la recolección de datos del precio de las acciones se revisa el portal web de la Bolsa de Valores de Lima. De esta manera, el análisis del contenido cuantitativamente permite obtener una mejor visión del contenido, lo que facilita la comparación de la información obtenida de la muestra. Esto resulta importante para las conclusiones de la presente investigación, que busca conocer el efecto de la aplicación de la 31 NIA 701 en los informes de auditoría. Finalmente, para garantizar la validez y confiabilidad de la información recolectada, se realiza una segunda revisión de los datos obtenidos de manera rigurosa. Al identificar discrepancias, se procedió con las correcciones, de tal manera que los resultados finales fueran válidos y confiables para su análisis estadístico. 4.4.1. Diseño de instrumento Tabla 3 Diseño de instrumento de las variables del estudio 4.5. Procesamiento y Análisis de los datos El proceso descriptivo y estadístico de esta investigación parte de la recolección de datos de empresas financieras en la SMV, de las cuales Variable Subcategoría Valor Exhaustividad de la sección Cuestiones Claves de Auditoría Importancia de la sección Cuestiones Claves de Auditoría Cantidad de notas relacionadas a las políticas contables y otras notas que hace mención la sección Cuestiones Claves de Auditoría Longitud de la sección Cuestiones Claves de Auditoría Número total de palabras de la sección Cuestiones Claves de Auditoría Cantidad de la sección Cuestiones Claves de Auditoría Número total de Cuestiones Claves de Auditoría reveladas Nivel de riesgo de la empresa Perspectiva de la clasificación de riesgo Positiva 3 Estable 2 Negativa 1 Rating de la clasificación de riesgo AAA 8 AA 7 A 6 BBB 5 BB 4 B 3 C 2 D 1 Variación del precio de la acción Precio de la acción Valor numérico del precio de la acción de la empresa 32 nuestras variables a analizar son las siguientes: exhaustividad de la sección CCA (importancia, longitud y cantidad); el precio de las acciones, específicamente la variación de un año a otro; y la clasificación de riesgo de una empresa mediante la evaluación del rating y perspectiva. Los datos son recolectados en el instrumento diseñado como rúbrica para su respectiva evaluación, como se visualiza en la tabla 3. En ese sentido, el análisis implica observar la variación de los datos de un año a otro. Es por ello que se utilizó como análisis multivariado la técnica de análisis de regresión, para determinar el efecto de las variables independientes sobre las variables dependientes. Para ello, se emplea el software SPSS, versión 29. Asimismo, en cuanto al análisis de datos, por un lado, se utiliza la estadística descriptiva, para conocer cuántos informes de auditoría de las empresas evaluadas tuvieron o no variación en las variables independientes importancia, longitud, cantidad y las variables dependientes precio de la acción, rating y perspectiva. Por otro lado, también se emplea estadística inferencial para poder medir las relaciones entre las variables propuestas. 33 Capítulo V: Resultados de la investigación En esta sección se presentan los resultados derivados del análisis de los datos recolectados. Los resultados tratan los objetivos y los aspectos más relevantes que contribuyen a responder las preguntas de investigación. 5.1. Análisis y presentación de resultados 5.1.1. Análisis descriptivo Tras la obtención de los datos por cada empresa se analizó la variación de cada uno de los indicadores de las variables del presente estudio. Para ello, se utilizan herramientas de estadística descriptiva como la media, la desviación estándar y una tabla dinámica con el fin de identificar la variación de los datos del 2023 respecto al 2022. Respecto a las variables importancia, longitud y cantidad relacionadas a la exhaustividad de la sección CCA del informe de auditoría, se identificaron los siguientes resultados de una muestra de 75 empresas: a. Importancia de la sección Cuestiones Claves de Auditoría en el informe del auditor - 14 informes, que representan el 19% del total, presentaron una menor importancia de su sección de CCA. - 51 informes, que representan el 68% del total, no presentaron ninguna variación en la importancia de su sección de CCA. - 10 informes, que representan el 13% del total, presentaron una mayor importancia de su sección de CCA Con respecto a las medidas de tendencia central, la media de la variación de este indicador es 0.06. Esto indica que la importancia de la mayoría de los informes ha aumentado ligeramente. Asimismo, la 34 desviación estándar de 0.68 indica la dispersión de los datos en torno a la media. Este valor sugiere que hay cierta variabilidad, pero es relativamente moderada. Figura 3 Variación de la importancia de la sección CCA de los informes de auditoría del 2023 respecto al 2022 Nota a. El color azul representa la variación de las secciones de CCA en los informes de auditoría de empresas que disminuyeron en su importancia. Nota b. El color naranja representa la variación de las secciones de CCA en los informes de auditoría de empresas que no presentaron variación en su importancia. Nota c. El color plomo representa la variación de las secciones de CCA en los informes de auditoría de empresas que aumentaron su importancia. b. Longitud de la sección Cuestiones Claves de Auditoría en el informe del auditor - 32 informes, que representan el 43% del total, presentaron una menor longitud de su sección de CCA. - 15 informes, que representan el 20% del total, no presentaron ninguna variación en la longitud de su sección de CCA. - 28 informes, que representan el 37% del total, presentaron una mayor longitud de su sección de CCA. Con respecto a las medidas de tendencia central, la media de la variación de este indicador es 0.01. Esto indica que la importancia de la mayoría de los informes ha disminuido ligeramente. Asimismo, la 35 desviación estándar de 0.33 indica la dispersión de los datos en torno a la media. Este valor sugiere que hay cierta variabilidad, pero es relativamente baja. Figura 4 Variación de la longitud de CCA informadas en el 2023 respecto al 2022 Nota a. El color azul representa la variación de las secciones de CCA en los informes de auditoría de empresas que disminuyeron en su longitud. Nota b. El color naranja representa la variación de las secciones de CCA en los informes de auditoría de empresas que no presentaron variación en su longitud. Nota c. El color plomo representa la variación de las secciones de CCA en los informes de auditoría de empresas que aumentaron su longitud. c. Cantidad de Cuestiones Claves de Auditoría reveladas en el informe del auditor - 7 informes, que representan el 9% del total, presentaron una menor cantidad de CCA. - 62 informes, que representan el 83% del total, no presentaron variación en su cantidad de CCA. - 6 informes, que representan el 8% del total, presentaron una mayor cantidad de CCA. Con respecto a las medidas de tendencia central, la media de la variación de este indicador es 0.04. Este valor al ser cercano a cero confirma que en la mayoría de los casos no hubo cambios significativos en el número de CCA reportadas en el 2023 respecto al 2022. Este valor bajo 36 se debe a que el 83% de los informes no presentaron cambios, lo cual domina la tendencia general. Asimismo, la desviación estándar de 0.32 indica la dispersión de los datos en torno a la media. Este valor sugiere que hay cierta variabilidad, pero es relativamente baja. Figura 5 Variación de la cantidad de CCA informadas en el 2023 respecto al 2022 Nota a. El color azul representa la variación de las secciones de CCA en los informes de auditoría de empresas que disminuyeron en su cantidad. Nota b. El color naranja representa la variación de las secciones de CCA en los informes de auditoría de empresas que no presentaron variación en su cantidad. Nota c. El color plomo representa la variación de las secciones de CCA en los informes de auditoría de empresas que aumentaron su cantidad. Respecto a los indicadores de la variable clasificación de riesgo de la empresa, se identificaron los siguientes resultados de la muestra de 50 empresas: a. Perspectiva - 4 empresas, que representan el 8% del total, muestran una disminución en la perspectiva de su informe de clasificación de riesgo. - 44 empresas, que representan el 88% del total, muestran que no hubo variación en la perspectiva de su informe de clasificación de riesgo. 37 - 2 empresas, que representan el 4% del total, muestran un aumento en la perspectiva de su informe de clasificación de riesgo. Con respecto a las medidas de tendencia central, la media de la variación de este indicador es 0.00, lo cual refleja que el promedio de los índices de la perspectiva se centra en 0, esto respalda la representatividad de 44 empresas que no tuvieron variación en la perspectiva. Por otro lado, la desviación estándar es 0.24, lo cual muestra una baja dispersión de los datos, esto debido, a que la mayoría de empresas no sufren variación en la perspectiva en su clasificación de riesgo. Figura 6 Variación de la perspectiva en los informes de clasificación de riesgo en el 2023 respecto al 2022. Nota a. El color azul representa la variación en la clasificación de riesgo de las empresas que disminuyeron su perspectiva. Nota b. El color naranja representa la variación en la clasificación de riesgo de las empresas que no presentaron variación en su perspectiva. Nota c. El color plomo representa la variación en la clasificación de riesgo de las empresas que aumentaron su perspectiva. b. Rating - 1 empresas, que representan el 2% del total, muestran una disminución en el rating de su informe de clasificación de riesgo. - 48 empresas, que representan el 96% del total, muestran que no hubo variación en el rating de su informe de clasificación de riesgo. 38 - 1 empresas, que representan el 2% del total, muestran un aumento en el rating de su informe de clasificación de riesgo. Con respecto a las medidas de tendencia central, la media de la variación de este indicador es 0.00, lo cual refleja que el promedio de los índices del rating se centra en 0, esto respalda la representatividad de 48 empresas que no tuvieron variación en el rating. Por otro lado, la desviación estándar es 0.03, lo cual muestra una baja dispersión de los datos, esto debido, a que la mayoría de las empresas no sufren variación en el rating en su clasificación de riesgo. Figura 7 Variación del rating en los informes de clasificación de riesgo en el 2023 respecto al 2022 Nota a. El color azul representa la variación en la clasificación de riesgo de las empresas que disminuyeron su rating. Nota b. El color naranja representa la variación en la clasificación de riesgo de las empresas que no presentaron variación en su rating. Nota c. El color plomo representa la variación en la clasificación de riesgo de las empresas que aumentaron su rating. Respecto a la variación del precio de la acción de la empresa, se identificaron los siguientes resultados de la muestra de 41 empresas: a. Precio de la acción 39 - 24 empresas, que representan el 59% del total, muestran una disminución en el precio de sus acciones. - 2 empresas, que representan el 5% del total, muestran que no hubo variación en el precio de sus acciones. - 15 empresas, que representan el 37% del total, muestran un aumento en el precio de sus acciones. Con respecto a las medidas de tendencia central, la media de la variación de este indicador es 0.03, lo cual refleja que el promedio de los índices del rating se centra en 0, esto respalda la paridad porcentual de las empresas que tuvieron variación en el precio de las acciones. Por otro lado, la desviación estándar es 0.68, lo cual muestra una moderada dispersión de los datos, esto debido, a que la mayoría de las empresas sufren variación en el precio de sus acciones. Figura 8 Variación del precio de la en los informes de clasificación de riesgo en el 2023 respecto al 2022 Nota a. El color azul representa la variación de las empresas que disminuyeron su precio de la acción. Nota b. El color naranja representa la variación de las empresas que no presentaron variación en su precio de la acción. Nota c. El color plomo representa la variación de las empresas que aumentaron su precio de la acción. 40 5.1.2. Análisis estadístico inferencial Para validar las hipótesis de esta investigación, se aplica la técnica estadística de análisis de regresión. Para ello, se emplea el software SPSS, versión 29. En ese sentido, se desarrollan tres modelos de regresión, debido a dos razones principales: primero, la muestra en la que coinciden ambas variables dependientes se limita a 16 casos, lo cual es insuficiente para detectar un efecto estadísticamente significativo en la regresión. Segundo, en el caso de la segunda variable dependiente, se opta por trabajar con un modelo de regresión para cada una de sus dos dimensiones, con el objetivo de mejorar la precisión en la predicción. El método empleado para el análisis fue el de mínimos cuadrados ordinarios (Ordinary Least Squares, OLS), ya que las hipótesis de investigación asumen una relación lineal entre las variables independientes y dependientes. Este enfoque permite estimar los coeficientes que maximizan el ajuste lineal de los datos, respetando los supuestos fundamentales de la regresión lineal. Primer modelo de regresión En el primer modelo de regresión, la variable dependiente es la variación del precio de la acción en 2023 con respecto a 2022 (Precio_2023-2022), mientras que las variables independientes incluyen: la variación en la cantidad de CAA en 2023 con respecto a 2022 (Cant_2023- 2022), la variación en la importancia de las CAA en 2023 con respecto a 2022 (Import_2023-2022), y la longitud de las CAA en 2023 con respecto a 2022 (Long_2023-2022). Resultados generales del modelo Valor de R2 y R2 ajustado El modelo presentó un coeficiente de determinación R2 de 0.061, lo que indica que el 6.1% de la varianza en la variable dependiente es 41 explicada por las variables independientes incluidas en el modelo. Sin embargo, el R2 ajustado fue negativo (-0.017), lo cual sugiere que el modelo no proporciona un ajuste adecuado a los datos después de considerar el número de predictores y el tamaño de la muestra. El error estándar de la estimación fue de 0.425, indicando el promedio de las diferencias entre los valores observados y los valores predichos. Por último, el estadístico Durbin-Watson tuvo un valor de 2.133, cercano a 2, lo que indica que no hay evidencia de autocorrelación significativa en los residuos del modelo. Tabla 4 Resumen de modelo variable dependiente precio Modelo R R cuadrado R cuadrado ajustado Error estándar de la estimación Durbin-Watson 1 .247a 0.061 -0.017 0.42506592 2.133 Nota a. Predictores: (Constante), Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, Puntuación Z: Long_2023-2022. Nota b. Variable dependiente: Puntuación Z: Precio_2023-2022. Resultados del ANOVA Para evaluar la significancia global del modelo de regresión, se realizó la prueba ANOVA. Los resultados mostraron que el modelo no es estadísticamente significativo (F=0.777, p=0.515). Esto indica que no hay evidencia suficiente para concluir que las variables independientes (Cant_2023-2022, Import_2023-2022, y Long_2023-2022) explican de manera significativa la varianza en la variable dependiente (Precio_2023- 2022). La suma de cuadrados del modelo de regresión fue 0.421, mientras que la suma de cuadrados residual fue 6.505, reflejando que la mayor parte de la variabilidad total en la variable dependiente (suma de cuadrados total = 6.925) permanece sin explicar por las variables independientes. 42 Tabla 5 Anova variable dependiente precio Modelo Suma de cuadrados gl Media cuadrática F Sig. 1 Regresión 0.421 3 0.140 0.777 .515b Residuo 6.505 36 0.181 Total 6.925 39 Nota a. Variable dependiente: Puntuación Z: Precio_2023-2022 Nota b. Predictores: (Constante), Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, Puntuación Z: Long_2023-2022 Resultados específicos de las variables Los coeficientes estimados del modelo se presentan en la tabla 3. Ninguna de las variables independientes resultó ser un predictor significativo de la variable dependiente (Precio_2023-2022), ya que todos los valores p asociados fueron mayores a 0.05. A continuación, se detallan los resultados. Detalles de los coeficientes: 1. Constante (Intercepto): Coeficiente: - Aunque la constante es estadísticamente significativa (p<0.05), esto no tiene implicaciones directas en la relación entre las variables independientes y la variable dependiente, ya que representa el valor promedio de la variable dependiente cuando todas las variables independientes son iguales a 0. 2. Puntuación Z: Import_2023-2022: Coeficiente: - 43 Este resultado no es significativo (p>0.05), lo que indica que la variación en la importancia de las CCA no tiene un impacto significativo en la variación del precio. 3. Puntuación Z: Long_2023-2022: Coeficiente: 0.120 (t=1.038, p=0.306). Este resultado no es significativo (p>0.05), indicando que la longitud de las CCA no explica significativamente la variación en el precio. 4. Puntuación Z: Cant_2023-2022: Coeficiente: - Aunque el coeficiente es negativo, el valor p indica que este predictor no tiene un impacto estadísticamente significativo en la variable dependiente Estadísticas de colinealidad Los valores de VIF (Factor de Inflación de Varianza) resultaron menores a 10 para todas las variables (máximo = 2.952), indicando que no existen problemas de multicolinealidad en el modelo. 45 Validación de otros supuestos del modelo El gráfico ZRESID vs ZPRED (Residuos estandarizados frente a valores predichos estandarizados) permite evaluar el supuesto de homocedasticidad en el modelo de regresión. Análisis del gráfico: 1. Distribución de los puntos: Los puntos están dispersos alrededor de la línea horizontal (ZRESID=0) y no forman un patrón sistemático evidente. La dispersión parece ser relativamente uniforme, aunque se observan algunos puntos más alejados que podrían sugerir cierta variabilidad en los residuos, pero no parece ser significativa. 2. Patrones de heteroscedasticidad: No se observa un patrón claro como un cono (ensanchamiento o estrechamiento de la dispersión), lo que sugiere que la varianza de los errores parece constante a lo largo de los valores predichos. 3. Posibles anomalías: Hay algunos puntos algo alejados de la mayoría, pero no presentan una influencia evidente en el patrón general del gráfico. El supuesto de homocedasticidad parece cumplirse razonablemente bien en este modelo. No se identifican patrones que indiquen heteroscedasticidad grave. 46 Figura 9: Dispersión de la variación del precio Normalidad de los residuos El gráfico P-P Plot (Probabilidad-Proporción) evalúa si los residuos del modelo de regresión siguen una distribución normal, otro de los supuestos para el análisis de regresión lineal. El gráfico muestra que los puntos se encuentran alineados en gran medida con la línea diagonal negra, lo que indica que los residuos se distribuyen de forma aproximada a una distribución normal. Aunque hay pequeñas desviaciones hacia los extremos (al inicio y al final del gráfico), estas no parecen ser lo suficientemente grandes como para invalidar el supuesto de normalidad. En consecuencia, el supuesto de normalidad de los residuos parece cumplirse razonablemente bien en este modelo, y las ligeras desviaciones en los extremos pueden deberse a la naturaleza de los datos o a la presencia de variabilidad que no es significativa para afectar las conclusiones generales. 47 Figura 10: Regresión residuo estandarizado de la variación de precio Por otra parte, el histograma de residuos estandarizados se utiliza para evaluar visualmente si los residuos del modelo de regresión siguen una distribución normal, como otro de los supuestos en la regresión lineal. El análisis del histograma muestra una distribución aproximadamente simétrica alrededor de 0, con la mayoría de los residuos agrupados cerca del centro. Aunque hay ligeras desviaciones en los extremos, estas no parecen ser significativas para invalidar el supuesto de normalidad. La curva negra superpuesta representa la distribución normal teórica. Los datos del histograma siguen esta curva razonablemente bien, lo que respalda el cumplimiento del supuesto de normalidad. En términos estadísticos, la media de los residuos es prácticamente 0 (1.73E-16), lo cual es consistente con un modelo de regresión bien ajustado. La desviación estándar es 0.961, lo que indica que los residuos están dispersos de manera moderada alrededor de la media. De forma general, el histograma sugiere que el supuesto de normalidad de los residuos se cumple razonablemente bien. Aunque hay 48 pequeñas desviaciones en los extremos, estas no son lo suficientemente grandes como para invalidar este supuesto. Figura 11: Histograma de la variación de precio En conclusión, se puede decir que el modelo cumple razonablemente bien con los supuestos de la regresión lineal (normalidad de los residuos, homocedasticidad, independencia de los errores y ausencia de colinealidad). Sin embargo, el modelo global no fue significativo, y las variables independientes no resultaron ser predictores significativos de la variable dependiente. Segundo modelo de regresión En el segundo modelo, la variable dependiente es Rating_2023-2022, mientras que las variables independientes son Cant_2023-2022, Import_2023-2022, y Puntuación Z: Long_2023-2022. Este modelo busca determinar si las variables independientes explican significativamente la varianza de la variable dependiente (Rating_2023-2022) y, de ser así, identificar cuáles tienen un impacto significativo. Resultados generales del modelo Valor de R2 y R2 ajustado 49 El modelo presentó un Coeficiente de determinación (R2) de 0.193, indicando que el 19.3% de la varianza en la variable dependiente (Rating_2023-2022) es explicada por las variables independientes. El valor de R2 ajustado fue 0.141, lo cual corrige el R2 considerando el número de predictores y el tamaño de la muestra. El error estándar de la estimación fue 0.926, lo que refleja la magnitud promedio de los errores entre los valores observados y los valores predichos en unidades estandarizadas de la variable dependiente. Por último, el estadístico Durbin-Watson fue de 2.818, sugiriendo que no hay evidencia significativa de autocorrelación entre los errores del modelo. Tabla 7 Resumen del modelo variable dependiente rating Modelo R R cuadrado R cuadrado ajustado Error estándar de la estimación Durbin- Watson 2 .440a 0.193 0.141 0.92690910 2.818 Nota a. Predictores: (Constante), Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, Puntuación Z: Long_2023-2022 Nota b. Variable dependiente: Puntuación Z: Rating_2023-2022 Resultados del ANOVA La prueba ANOVA se utilizó para evaluar la significancia global del modelo de regresión. Los resultados mostraron que el modelo es estadísticamente significativo (F=3.677, p=0.019). Esto indica que, en conjunto, las variables independientes (Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, y Puntuación Z: Long_2023-2022) explican de manera significativa la variación en la variable dependiente (Rating_2023-2022). La suma de cuadrados del modelo de regresión fue 9.479, lo que representa la variabilidad explicada por las variables independientes. Por otra parte, la suma de cuadrados residual fue 39.521, lo que refleja la variabilidad no explicada por el modelo. 50 Tabla 8 Anova variable dependiente rating Modelo Suma de cuadrados gl Media cuadrática F Sig. 2 Regresión 9.479 3 3.160 3.677 .019b Residuo 39.521 46 0.859 Total 49.000 49 Nota a. Variable dependiente: Puntuación Z: Rating_2023-2022 Nota b. Predictores: (Constante), Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, Puntuación Z: Long_2023-2022 Resultados específicos de las variables En el análisis de regresión para la variable dependiente Rating_2023-2022, se estimaron los coeficientes de las variables independientes, junto con sus respectivos valores de significancia. A continuación, se presentan los resultados. 1. Constante (Intercepto): Coeficiente: 1.250E-17 (t=0.000, p=1.000). La constante no es estadísticamente significativa y no tiene una interpretación directa en este contexto. 2. Puntuación Z: Import_2023-2022: Coeficiente: - Este predictor no es estadísticamente significativo (p>0.05), lo que sugiere que la importancia de las CCA no tiene un efecto significativo sobre Rating_2023-2022. 3. Puntuación Z: Long_2023-2022: Coeficiente: - 51 Este predictor es estadísticamente significativo (p<0.05) y tiene un efecto negativo sobre Rating_2023-2022. Esto indica que, a medida que aumenta la longitud de las CCA, el rating tiende a disminuir. 4. Puntuación Z: Cant_2023-2022: Coeficiente: 0.404 (t=2.235, p=0.030). Este predictor es estadísticamente significativo (p<0.05) y tiene un efecto positivo sobre Rating_2023-2022. Esto indica que, a medida que aumenta la cantidad de CCA, el rating tiende a incrementarse. A partir de los resultados anteriores se establece que las variables Puntuación Z: Long_2023-2022 y Puntuación Z: Cant_2023-2022 resultaron ser predictores significativos de Rating_2023-2022. La variable Puntuación Z: Import_2023-2022 no mostró un efecto significativo en este modelo. Estadísticas de colinealidad Los valores de VIF (Factor de Inflación de Varianza) estuvieron por debajo de 10 para todas las variables (máximo = 1.860), lo que indica que no hay problemas de colinealidad entre los predictores. 53 Validación de otros supuestos del modelo El gráfico ZRESID vs ZPRED (residuos estandarizados frente a valores predichos estandarizados) permite evaluar el supuesto de homocedasticidad en el modelo de regresión, que establece que la varianza de los errores debe ser constante a lo largo de los valores predichos. Análisis del gráfico: 1. Distribución de puntos: Los puntos están dispersos alrededor de la línea horizontal (ZRESID=0), pero se observa una ligera tendencia hacia una curvatura. Esta curvatura sugiere una posible violación del supuesto de homocedasticidad, ya que los residuos no parecen tener una dispersión constante a lo largo de los valores predichos. 2. Patrones detectados: El gráfico muestra puntos más alejados en los extremos, especialmente en valores predichos estandarizados cercanos a 4 y -4, lo que podría indicar la influencia de observaciones atípicas. Estos resultados sugieren que el supuesto de homocedasticidad podría no cumplirse completamente en este modelo, debido a la tendencia curvilínea observada en la dispersión de los puntos. 54 Figura 12 Dispersión de la variación de rating A partir de lo anterior, y con el objetivo de complementar la validación de los resultados obtenidos previamente en el análisis del gráfico ZRESID vs ZPRED, se realizaron las pruebas de Breusch-Pagan y White. Estas pruebas permiten evaluar de manera estadística la homocedasticidad, considerando la posible dependencia de la varianza de los residuos con respecto a las variables independientes, así como posibles relaciones no lineales. Para llevar a cabo estas pruebas, se utilizó el lenguaje de programación Python, empleando la versión 3.8.10 y las librerías statsmodels (versión 0.13.5), pandas (versión 1.5.3), y scipy (versión 1.10.1), ya que SPSS no arroja estas pruebas de forma directa. En ambos casos, los residuos del modelo se calcularon y se elevaron al cuadrado. Para la prueba de Breusch-Pagan, se realizó una regresión auxiliar con los residuos al cuadrado como variable dependiente y las mismas variables independientes del modelo original como predictores. En el caso de la prueba de White, se incluyeron, además, términos cuadráticos y de interacción entre las variables independientes, ampliando así la evaluación a posibles relaciones no lineales en los residuos. 55 Los resultados de la prueba de Breusch-Pagan indicaron un cuadrado) y un p-valor de 0.152. Este resultado sugiere que no hay evidencia significativa para rechazar la Por su parte, la prueba de White arrojó un estadístico de 9.75 y un p-valor de 0.371, lo que también respalda la conclusión de que no hay suficiente evidencia para afirmar que los residuos del modelo presentan heterocedasticidad. De manera combinada, los resultados de ambas pruebas estadísticas confirman que el supuesto de homocedasticidad se cumple razonablemente bien en el modelo. No se observaron patrones significativos de dependencia de la varianza de los residuos respecto a las variables independientes, ni se detectaron relaciones no lineales que pudieran comprometer la validez del supuesto. Por lo tanto, no es necesario realizar ajustes adicionales relacionados con la heteroscedasticidad, y el modelo puede ser validado en este aspecto. Normalidad de los residuos El gráfico P-P Plot (Probabilidad-Proporción) permite evaluar si los residuos del modelo de regresión siguen una distribución normal, como supuesto necesario en la regresión lineal. El gráfico muestra cómo los residuos acumulados observados se comparan con los residuos acumulados esperados bajo una distribución normal. En este caso, se observa que los puntos se alinean razonablemente bien con la línea diagonal negra, que representa la distribución normal teórica. Sin embargo, en los extremos (valores cercanos a 0 y 1 en el eje de probabilidad acumulada), hay desviaciones notables de la línea diagonal, lo que indica cierta falta de normalidad en los residuos. Aunque los residuos siguen aproximadamente una distribución normal, las desviaciones en los extremos podrían ser indicativas de leves 56 incumplimientos del supuesto de normalidad. Estas desviaciones no parecen lo suficientemente graves como para invalidar completamente el modelo. Figura 13 Regresión residuo estandarizado de la variación de rating Adicionalmente, el histograma de residuos estandarizados es otra herramienta para evaluar si los residuos del modelo de regresión se distribuyen de manera aproximadamente normal, complementando el análisis del gráfico P-P Plot. Análisis del histograma El histograma muestra una distribución que, en general, es simétrica y sigue la curva de distribución normal superpuesta. La mayor parte de los residuos se concentran alrededor de 0, lo cual es consistente con el supuesto de normalidad. Sin embargo, se observan algunos valores extremos en ambos lados del histograma, lo que sugiere la presencia de posibles observaciones atípicas o cierta asimetría leve. El análisis de las medidas estadísticas muestra que la media de los 57 centrado adecuadamente. La desviación estándar es 0.969, reflejando una dispersión moderada alrededor de la media. Consecuentemente, el histograma respalda parcialmente el cumplimiento del supuesto de normalidad. Aunque hay algunos valores extremos, estos no parecen ser lo suficientemente significativos como para invalidar el modelo. Figura 14 Histograma de la variación de rating De forma general, el modelo de regresión cumple razonablemente bien con los supuestos necesarios para su validación. Aunque se detectaron ligeras desviaciones en la normalidad y patrones no lineales en los residuos, estas no afectan significativamente la validez del modelo. Además, se identificaron efectos significativos de Long_2023-2022 y Cant_2023-2022 sobre la variable dependiente (Rating_2023-2022), lo que sugiere que estas variables tienen un impacto relevante en el modelo. Tercer modelo de regresión El tercer modelo tiene como objetivo identificar el impacto de las variables independientes sobre Perspectiva_2023-2022 y evaluar si estas predicen de manera significativa las variaciones en esta variable. En este análisis, la variable dependiente es Perspectiva_2023-2022, mientras que 58 las variables independientes son: Cant_2023-2022, Import_2023-2022, y Long_2023-2022. Resultados generales del modelo Valor de R2 y R2 ajustado El modelo de regresión presenta un coeficiente de determinación (R2) de 0.121, lo que indica que el 12.1% de la variabilidad en la variable dependiente (Perspectiva_2023-2022) es explicado por las variables independientes incluidas en el modelo. El valor de R2 ajustado fue 0.064, lo que corrige el R2 al considerar el número de predictores y el tamaño de la muestra. El error estándar de la estimación fue 0.967, reflejando el promedio de las diferencias entre los valores observados y predichos en unidades estandarizadas de la variable dependiente. Finalmente, el estadístico Durbin-Watson fue de 1.936, cercano a 2, lo que sugiere que no hay evidencia significativa de autocorrelación en los residuos del modelo. Tabla 10 Resumen del modelo variable dependiente perspectiva Modelo R R cuadrado R cuadrado ajustado Error estándar de la estimación Durbin-Watson 1 .349a 0.121 0.064 0.96738377 1.936 Nota a. Predictores: (Constante), Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, Puntuación Z: Long_2023-2022 Nota b. Variable dependiente: Puntuación Z: Perspectiva_2023-2022 Resultados del ANOVA La prueba ANOVA se utilizó para evaluar la significancia global del modelo de regresión. Los resultados indicaron que el modelo no es estadísticamente significativo (F=2.120, p=0.111). Esto sugiere que, en conjunto, las variables independientes no explican una proporción 59 significativa de la variabilidad en la variable dependiente (Perspectiva_2023-2022). La suma de cuadrados del modelo de regresión fue 5.952, lo que representa la variabilidad explicada por las variables independientes. La suma de cuadrados residual fue 43.048, lo que refleja la variabilidad no explicada por el modelo. De forma general, el modelo global no logró alcanzar significancia estadística. Esto implica que, aunque el modelo puede ajustarse a los datos, las variables independientes no tienen un efecto combinado significativo en la predicción de la variable dependiente. Tabla 11 Anova variable dependiente perspectiva Nota a. Variable dependiente: Puntuación Z: Perspectiva_2023-2022 Nota b. Predictores: (Constante), Puntuación Z: Cant_2023-2022, Puntuación Z: Import_2023-2022, Puntuación Z: Long_2023-2022 Resultados específicos de las variables En el análisis de regresión para la variable dependiente Perspectiva_2023-2022, se estimaron los coeficientes de las variables independientes, junto con sus respectivos valores de significancia. A continuación, se presentan los resultados. Detalles de los coeficientes: 1. Constante (Intercepto): Coeficiente: 1.170E-16 (t=0.000, p=1.000). La constante no es estadísticamente significativa y no tiene una interpretación relevante en este contexto. Modelo Suma de cuadrados gl Media cuadrática F Sig. 2 Regresión 5.952 3 1.984 2.120 .111b Residuo 43.048 46 0.936 Total 49.000 49 60 2. Puntuación Z: Import_2023-2022: Coeficiente: 0.046 (t=0.329, p=0.744). Este predictor no es estadísticamente significativo (p>0.05), lo que sugiere que la importancia de las CCS no tiene un efecto significativo sobre Perspectiva_2023-2022. 3. Puntuación Z: Long_2023-2022: Coeficiente: 0.244 (t=1.302, p=0.199). Este predictor tampoco es estadísticamente significativo (p>0.05), indicando que la longitud de las CCA no explica significativamente la variación en la perspectiva. 4. Puntuación Z: Cant_2023-2022: Coeficiente: - Este predictor es estadísticamente significativo (p<0.05) y tiene un efecto negativo sobre Perspectiva_2023-2022. Esto sugiere que, a medida que aumenta la cantidad de CCA, la perspectiva tiende a disminuir. En consecuencia, la variable Puntuación Z: Cant_2023-2022 resultó ser un predictor significativo de Perspectiva_2023-2022, con un efecto negativo, mientras que las variables Import_2023-2022 y Long_2023-2022 no mostraron efectos significativos en este modelo. Estadísticas de colinealidad Los valores de VIF (Factor de Inflación de Varianza) estuvieron por debajo de 10 para todas las variables (máximo = 1.860), indicando que no hay problemas de colinealidad entre los predictores. 62 Validación de otros supuestos del modelo El gráfico ZRESID vs ZPRED (residuos estandarizados frente a valores predichos estandarizados) se utiliza para evaluar si los residuos presentan homocedasticidad, es decir, si tienen una dispersión constante a lo largo de los valores predichos. Análisis del gráfico: 1. Distribución de los puntos: Los puntos están dispersos alrededor de la línea horizontal (ZRESID=0), pero se observan ciertos patrones no completamente aleatorios. En particular, hay una tendencia a que la dispersión de los residuos varíe en diferentes partes del gráfico. 2. Presencia de valores extremos: Se observan puntos más alejados en los extremos, lo que podría indicar la presencia de valores atípicos o posibles problemas de heteroscedasticidad. Los resultados anteriores muestran indicios de posibles problemas de homocedasticidad, ya que los residuos no parecen tener una dispersión uniforme a lo largo de los valores predichos. Figura 15 Dispersión de la variación de la perspectiva 63 A partir de estos resultados, se procedió a realizar las pruebas de Breusch-Pagan y White como complementos a la evaluación gráfica del supuesto de homocedasticidad, aplicadas al modelo que tiene como variable dependiente Perspectiva_2023-2022. De forma similar que, en el segundo modelo, el análisis fue llevado a cabo utilizando Python, versión 3.8.10, con las librerías statsmodels, pandas y scipy. En la prueba de Breusch-Pagan, el estadístico LM (Lagrange Multiplier) fue de 1.12, con un p-valor de 0.773. Estos resultados indican que no se puede rechazar la hipótesis nula de homocedasticidad, ya que el p-valor es mayor al nivel de significancia convencional de 0.05. Esto sugiere que no hay evidencia significativa de heteroscedasticidad en el modelo. Por su parte, la prueba de White arrojó un estadístico LM de 12.54 y un p-valor de 0.185, lo que también respalda la ausencia de relaciones no lineales significativas que puedan afectar el supuesto de homocedasticidad. De manera combinada, los resultados de ambas pruebas indican que el supuesto de homocedasticidad se cumple razonablemente bien en este modelo. No se detectó evidencia de que la varianza de los residuos dependa de las variables independientes ni de la presencia de relaciones no lineales. Por lo tanto, no se considera necesario realizar ajustes adicionales relacionados con la heteroscedasticidad. Normalidad de los residuos El gráfico P-P Plot (Probabilidad-Proporción) se utilizó para evaluar la normalidad de los residuos generados por el modelo de regresión con la variable dependiente Perspectiva_2023-2022. En este caso, los puntos del gráfico muestran una alineación razonable con la línea diagonal negra, que representa la distribución normal teórica. Aunque se aprecian ligeras desviaciones en los extremos, especialmente en los valores más altos, la 64 mayor parte de los puntos sigue de cerca la línea esperada, lo que sugiere que los residuos se distribuyen aproximadamente de forma normal. La conclusión del análisis es que, a pesar de las pequeñas desviaciones observadas en los extremos, los residuos cumplen razonablemente bien con el supuesto de normalidad. Este resultado es consistente con lo esperado en un modelo que no presenta anomalías significativas en la distribución de los residuos. Figura 16 Regresión residuo estandarizado de la variación de la perspectiva El histograma de los residuos estandarizados se utilizó para evaluar gráficamente el cumplimiento del supuesto de normalidad en el modelo de regresión que tiene como variable dependiente Perspectiva_2023-2022. Este gráfico muestra la distribución de los residuos observados y la compara con una curva normal teórica superpuesta. El histograma revela que la distribución de los residuos es aproximadamente simétrica, con una mayor concentración alrededor del valor cero. La curva normal superpuesta sugiere que la distribución sigue, en términos generales, un patrón esperado de normalidad. Sin embargo, se observan ligeras desviaciones en los extremos, con algunos valores que podrían ser considerados atípicos. En términos estadísticos, la media de 65 los residuos es prácticamente cero (-3.12E-17), lo que indica un adecuado centrado del modelo, y la desviación estándar es de 0.969, lo cual es consistente con la dispersión esperada en los residuos. En conclusión, el histograma respalda que los residuos cumplen razonablemente con el supuesto de normalidad. Aunque existen pequeñas desviaciones en los extremos, estas no parecen ser suficientemente significativas como para invalidar el supuesto. Figura 17 Histograma de la variación de la perspectiva De forma general, el modelo de regresión cumple razonablemente con los supuestos necesarios para su validación, incluyendo la homocedasticidad, la normalidad de los residuos, la independencia de los errores y la ausencia de colinealidad entre los predictores. Sin embargo, la significancia global del modelo es limitada, aunque se detectó un efecto significativo y negativo de la variable Cant_2023-2022 sobre Perspectiva_2023-2022. 66 5.2. Prueba de hipótesis La prueba de hipótesis consiste en presentar el análisis estadístico realizado para evaluar las hipótesis planteadas en el marco de la investigación. Las hipótesis fueron propuestas con base en los objetivos específicos y el marco teórico del estudio, y buscan explorar el efecto de la exhaustividad de la sección CCA (importancia, longitud y cantidad) en el precio de las acciones y las clasificaciones de riesgo. El enfoque metodológico se enfocó en técnicas de estadística inferencial, utilizando modelos de regresión lineal para determinar la relación entre las variables independientes y dependientes. A continuación, se presentan los resultados del análisis, el cual contribuye a profundizar en el entendimiento del impacto de las CCA tras su aplicación. Hipótesis 1: La importancia de las CCA tuvo un efecto estadísticamente significativo en la variación del precio de la acción. En el primer modelo de regresión se demuestra que la importancia no impactó significativamente el precio de las acciones. Por tanto, no hay evidencia estadística suficiente para confirmar esta hipótesis. Hipótesis 2: La importancia de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en el rating. En el segundo modelo de regresión se demuestra que la importancia no impactó significativamente el rating. Por tanto, no hay evidencia estadística suficiente para confirmar esta hipótesis. Hipótesis 3: La importancia de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en la perspectiva. 67 En el tercer modelo de regresión se demuestra que la importancia no impactó significativamente la perspectiva. Por tanto, no hay evidencia estadística suficiente para confirmar esta hipótesis. Hipótesis 4: La longitud de las CCA tuvo un efecto estadísticamente significativo en la variación del precio de la acción. En el primer modelo de regresión se demuestra que la longitud de la sección CCA no impactó significativamente en el precio de las acciones. Por tanto, no hay evidencia estadística suficiente para confirmar esta hipótesis. Hipótesis 5: La longitud de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en el rating. En el segundo modelo de regresión se demuestra que la longitud de la sección CCA impactó en el rating. Por tanto, se considera que existe evidencia estadística para confirmar esta hipótesis. Hipótesis 6: La longitud de las CCA tuvo un efecto estadísticamente significativo en las clasificaciones de riesgo de las empresas, reflejándose esto en la perspectiva. En el tercer modelo de regresión se demuestra que la longitud de la sección CCA no impactó significativamente la perspectiva. Por tanto, no hay evidencia estadística suficiente para confirmar esta hipótesis. Hipótesis 7: La cantidad de las CCA reveladas tuvo un efecto estadísticamente significativo en la variación del precio de la acción. En el primer modelo de regresión se demuestra que la cantidad de CCA reveladas en el informe del auditor no impactó significativamente en el precio de las acciones. Por tanto, no hay evidencia estadística suficiente para confirmar esta hipótesis. 68 Hipótesis 8: La cantidad de las CCA reveladas tuvo un efecto estadísticamente significativo de las clasificaciones de riesgo de las empresas, reflejándose esto en el rating. En el segundo modelo de regresión se demuestra que la cantidad de CCA reveladas en el informe del auditor impactó en el rating. Por tanto, se considera que existe evidencia estadística para confirmar esta hipótesis. Hipótesis 9: La cantidad de las CCA reveladas tuvo un efecto estadísticamente significativo de las clasificaciones de riesgo de las empresas, reflejándose esto en la perspectiva. En el tercer modelo de regresión se demuestra que la cantidad de CCA reveladas en el informe del auditor impactó significativamente la perspectiva. Por tanto, se considera que hay evidencia estadística para confirmar esta hipótesis. 5.3. Discusión de resultados El presente estudio se plantea apoyándose en investigaciones previas como las de Elsayed et al., (2023) quien indica que las revelaciones del auditor tienden a influir en las decisiones de inversión considerando el importante conocimiento del auditor sobre la empresa, su entorno y la preparación de los estados financieros. Asimismo, en el estudio de Hoang et al., se indica que cuando un párrafo de CCA destaca un problema, es probable que los inversores presten atención a ese problema, lo que puede afectar su evaluación del riesgo de incorrección material, el riesgo de inversión y la voluntad de invertir (2023). En suma, Jaffar et al., indica que los resultados de la mayoría de estudios anteriores en otros países muestran que la información revelada en la sección de CCA es relevante para el valor de la empresa, ya que los inversores utilizan la información para tomar decisiones de inversión (2023). Esto es respaldado por el estudio de Altawalbeh et al., en el que destaca que la inclusión de las CCA tiene un impacto significativo en las 69 decisiones de los inversores, lo que indica que la aplicación de la Norma Internacional de Auditoría (NIA) 701 beneficia a los inversores y proporciona información útil (2019). Es así que, en base a la teoría de la asimetría de la información y la literatura sobre la divulgación de las CCA, se predijo que estas afectan las clasificaciones de riesgo y el precio de las acciones de las empresas al reducir la brecha de información entre la empresa y el inversor. Esto es respaldado por Hegazy et al., quien indica que las CCA tienen el potencial de mitigar la asimetría de la información y ejercer un impacto en la conducta de los inversores en circunstancias específicas (2021). Asimismo, Jaffar et al., indica que la divulgación de las CCA proporciona a los inversores una idea de los problemas de auditoría que enfrenta la empresa; por lo tanto, se espera que reduzca la asimetría de la información y pueda influir en las reacciones de los inversores (2023). En ese sentido, este estudio evalúa la relación de las variables mencionadas anteriormente, de tal manera que, de las nueve hipótesis planteadas, únicamente tres fueron respaldadas por los datos, mientras que las seis restantes no mostraron evidencia estadística suficiente para confirmarlas. La primera refleja que existe una relación entre la longitud de la sección de CCA y el rating, mientras que en la segunda y tercera reflejan que existe una relación entre la cantidad de CCA reveladas y el rating y la perspectiva. Al cumplirse esta relación, se respalda, en parte, lo expuesto por Muñoz et al., al indicar que la información incluida en los informes de auditoría, y en particular las CCA divulgados, añaden poder explicativo a los informes de clasificación crediticia, ya que cuando el auditor destaca párrafos relacionados con las deudas de la empresa a través de las CCA, estas pueden representar señales de riesgo crediticio (2022). Se evidenció que las variables de longitud y cantidad de CCA tienen un efecto sobre el rating, aunque opuestas. Mientras que la cantidad de CCA se asoció positivamente con el rating, la longitud tuvo un efecto negativo. Por un lado, este hallazgo sugiere que un mayor número de CCA 70 reveladas podría interpretarse como un esfuerzo por aumentar la transparencia, lo que mejora la percepción del riesgo asociado a la empresa. Esto último es respaldado por el estudio de Mahd e Idris, en el cual plantean que el rating está asociado positiva y significativamente con el número de CCA divulgados (2024). Por otro lado, un informe excesivamente largo podría generar percepciones de complejidad o riesgo, lo que afectaría negativamente el rating. Esta posible percepción de riesgo es respaldada por Zeng et al., quien señala que la longitud de las CCA puede evidenciar las preocupaciones de los auditores sobre la calidad de los informes financieros, lo cual puede afectar la percepción de los inversores (2021). Asimismo, según Hosseinniakani et al., la longitud de las revelaciones de CCA puede transmitir una señal negativa a los inversores (2024). En contraste, debido a que no se evidenció una influencia de las variables dependientes en el precio de la acción, se contradice la idea de que las CCA que destaca el auditor en su informe podrían reducir la disposición de los inversores a invertir, lo cual impactaría negativamente en el precio de las acciones (Christensen et al., 2014, citado en Hoang, 2023). Este resultado sugiere que el precio de la acción podría estar influenciado por factores no considerados en el diseño del presente estudio o que las relaciones propuestas son más complejas de lo inicialmente supuesto. Por ejemplo, Seebeck revela que encontró evidencia consistente y sólida de una creciente similitud interanual (rigidez), similitud dentro del grupo de pares (generalidad) y lenguaje estándar en los informes de auditoría, dando así evidencia inicial de un efecto moderador que la similitud textual de la divulgación de CCA tiene sobre los efectos del mercado de capitales, reflejando así que el texto estándar para la presentación de informes socavan el objetivo de las CCA de proporcionar valor informativo (2024). En ese sentido, el uso de un lenguaje repetitivo en la sección CCA puede considerarse un atributo negativo, porque no 71 proporciona a los inversores información detallada sobre las circunstancias únicas de una empresa. De esta manera se puede evidenciar que es posible que otros factores como el lenguaje repetitivo de los informes de auditoría, factores macroeconómicos o específicos de la empresa, no considerados en el modelo, estén influyendo más directamente en las variaciones del precio de las acciones, o que el mercado no perciba las CCA como un elemento relevante en la valoración de la empresa. Esto es respaldado por el estudio de Liu et al., en el cual se muestra que los inversores de capital o las partes interesadas no tienen reacción a las CCA y su utilidad es cuestionable (2022). Lo mencionado anteriormente se afirma en el estudio de Norazura et al., en el que indica que la inclusión de CCA no tiene impacto en la decisión de los inversores (2018). Esto puede justificar el hecho de que no se haya cumplido la teoría de la asimetría de la información en el cual los emisores de normas esperan que los nuevos requisitos de la NIA 701 reduzcan la asimetría de información entre los inversores y la empresa (Al- mulla et al., 2022). 5.3.1. Contribución de la investigación Esta investigación contribuye a la rama de contabilidad, siendo una de las pioneras en intentar explorar el efecto de la sección CCA sobre el mercado de valores de Lima mediante las relaciones con el precio de la acción y las clasificaciones de riesgo, desde sus dimensiones de perspectiva y rating de la empresa. En estudios previos, se utilizaron variables cuantificadoras como longitud y cantidad de las CCA, las cuales también se implementaron en esta investigación; sin embargo, desde un punto de vista metodológico, se optó por añadir una variable cuantificadora adicional para operacionalizar la exhaustividad de la sección CCA: la variable importancia de la CCA. Esta 72 se basó en el conteo de la cantidad de notas relacionadas a las políticas contables de la empresa. Por otro lado, contribuye a demostrar que las CCA desde su entrada en vigor sí han cumplido con hacer más transparente el dictamen de auditoría. Sin embargo, debido a los resultados obtenidos al momento de relacionar su aplicación con las variables de este estudio, se evidencia que no impactan en estas, mientras que, en algunas investigaciones realizadas en otros países respecto a este tema, sí se encontraron relaciones entre la aplicación de la norma y las decisiones del mercado. 5.3.2. Limitaciones Durante el desarrollo de la investigación, se identificaron diversas limitaciones que influyeron en los resultados obtenidos. A continuación, se detallan estas restricciones con el propósito de justificar las decisiones metodológicas tomadas y, a la vez, motivar a futuras inversiones. Una de las primeras limitaciones en esta investigación fue al determinar la muestra, respecto a la clasificación de riesgo de las empresas. Debido a que, mediante la búsqueda de las clasificaciones de riesgo, las publicaciones por parte de las agencias clasificadoras son restringidas y/o limitadas al acceso público. Cuya consecuencia fue la reducción de empresas en la muestra respecto a las variables de clasificación de riesgo. En la misma línea, sobre el tamaño de la muestra, una limitación fue la vinculada a la variable precio de la acción de la acción de las empresas que cotizan en la Bolsa de valores de Lima (BVL), dado que, son pocas las empresas que cotiza en la BVL, además de ello, son pocas las empresas que establecen y/o negocian los precios de la acción, pese a que pertenecen a la BVL, ya que algunas reportan que el precio de la acción no tuvo movimiento. 73 Otra limitación, es el tamaño muestral de empresas que pertenecen a la BVL frente a las otras bolsas de valores a nivel Latinoamericano, lo cual limita el número de empresas para analizar. Por otro lado, es importante mencionar que otra limitante es el comportamiento de los inversionistas dentro del mercado de valores respecto a sus decisiones, ya que esta puede influir por distintas razones, y no necesariamente a raíz de nuevas normas de auditorías que revelen algún aspecto ya sea positivo o negativo de las empresas. En general, ante las limitaciones mencionadas, el tamaño de muestra que contemplen las variables de clasificación de riesgo y precio de la acción se redujo a 16 empresas, cuya consecuencia inmediata fue el impedimento en el diseño de un modelo para la investigación que integre las variables mencionadas. Ante ello, la presente investigación tuvo que diseñar 2 modelos de análisis de forma separada para cada variable con el fin de incrementar el tamaño de la muestra, y así obtener resultados más precisos al momento de analizar las relaciones entre variables. 5.3.3. Futuras líneas de investigación La presente investigación manifiesta diversas áreas en las que futuras investigaciones pueden abordar con el fin de explorar aún más sobre las relaciones de las variables analizadas, tales como importancia de CCA, longitud de la CCA, cantidad de CCA, rating de la empresa, perspectiva de la empresa y el precio de la acción. En primer lugar, desde un punto de vista teórico, en un futuro se puede ahondar sobre qué otras teorías puedan adaptar a la exhaustividad de la CAA cuyo fin sea explicar el comportamiento e impacto sobre otras variables. Claro está, que esta misma investigación incentiva a estudiar nuevos comportamientos a raíz de la exhaustividad de la CCA en mercados de deudas, de derivados y otros; quizás así se puede evidenciar si el comportamiento de la exhaustividad CCA es cambiante según el tipo del mercado en el que interactúa. 74 Desde un punto de vista metodológico, se exhorta a los investigadores a analizar y/o determinar nuevas formas de operacionalización de variables de la exhaustividad de las CCA ya que, hasta el momento de forma cuantitativa, sólo se cuenta con la operacionalización en longitud, cantidad e importancia. Para así, poder analizar de forma más detallada a la CCA. Por otro lado, si bien, esta investigación se centró en analizar a las CCA de forma cuantitativa, en futuras investigaciones, se puede realizar el análisis de forma cualitativa mediante entrevistas a auditores, inversores y gerencias de la empresa para visualizar el comportamiento CCA en el ámbito cualitativo. Otra futura línea de investigación, la cual fue una limitante para la presente investigación, es trasladar los modelos de la presente investigación hacia otros países de Latinoamérica, donde las Bolsas de Valores posee un tamaño más amplio respecto a la BVL, y no solo ello, sino de forma conjunta se puede realizar las comparativas del comportamiento de las variables CCA, clasificación de riesgo (perspectiva y rating) y precio de la acción entre países latinoamericanos. 75 CONCLUSIONES Esta investigación concluye que, respecto a la exhaustividad de la sección CCA, solo las variables longitud y cantidad tienen un efecto estadístico sobre la clasificación de riesgo, específicamente, en la variable rating. Mientras que para la variable precio, ninguna variable dependiente tuvo un efecto significativo estadísticamente. En ese sentido, se evidenció que la exhaustividad de la sección CCA en los dictámenes de auditoría de las empresas que cotizan en la Bolsa de Valores de Lima no tuvo un impacto significativo en sus clasificaciones de riesgo ni en el precio de sus acciones durante el período 2022-2023. Respecto a la literatura, se resalta la escasa disponibilidad de investigaciones previas sobre la aplicación de la NIA 701 en el Perú a diferencia de otros países en los cuales la norma se aplicó antes; sin embargo, se encontró literatura publicada antes de la aprobación de la norma en el Perú que resaltaba la necesidad de su pronta aplicación a los informes de auditoría. Esto debido a que los usuarios de la información financiera exigían una mejora en el valor comunicativo del informe del auditor para así reducir la asimetría de información entre el usuario y la empresa. Bajo esta teoría se respalda que a mayor información reciba el usuario, se reducirá la desigualdad de la información existente. De esta manera, los usuarios podrían mejorar sus decisiones de inversión. El estudio empleó un enfoque de investigación correlacional con enfoque cuantitativo y no requirió de entrevistas. En ese sentido, el enfoque multivariado permitió analizar las correlaciones entre variables, evaluando si la variabilidad en estas afectaría la variable dependiente y generando diferentes escenarios para las empresas de la muestra. Así, los hallazgos del estudio tienen el potencial de aportar conocimiento acerca de si existe relación entre la importancia, longitud, cantidad de la sección CCA y el rating, perspectiva y precio, fortaleciendo el debate académico y práctico. 76 Tras el análisis, en la literatura se identificaron opiniones contradictorias acerca del efecto de la inclusión de la sección CCA en los dictámenes. Unos autores resaltan que las CCA son útiles para los inversores, ya que mejoran la calidad de la información para ellos. Sin embargo, también hay autores que sugieren que la inclusión de las CCA no tiene impacto para los inversores y que la divulgación de las CCA no muestra efectos en el mercado de valores. Estos hallazgos muestran que la norma recientemente aprobada en el Perú para incluir las CCA aún es cuestionable en cuanto a mejorar la brecha de información entre la empresa e inversores. Por lo tanto, este estudio permite enriquecer el debate actual sobre el efecto de las CCA. Esto resalta la necesidad de un enfoque más amplio en futuros estudios, integrando variables externas y explorando con mayor detalle cómo las CCA afectan las decisiones de inversión, considerando teorías como la de Asimetría de Información. Así, la investigación aporta evidencia relevante, pero también señala los límites actuales en la comprensión del impacto de la NIA 701. 77 RECOMENDACIONES Dados los resultados, investigaciones futuras deberían explorar el impacto a largo plazo de la divulgación de las CCA en la respuesta de los inversores, tomando en consideración no solo las variables utilizadas en este estudio, sino evaluar otras. Dentro de estas, sería interesante evaluar la implicancia de las características textuales, ya que se encontraron estudios en los cuales se evidencia que los auditores han desarrollado sucesivamente módulos de texto estándar para las divulgaciones de CCA que disminuyen el valor informativo de los informes de auditoría. Asimismo, si bien los precios de las acciones son un indicador importante de las reacciones de los inversores, también se pueden utilizar muchas otras medidas para medirlas, como los retornos de las acciones, el diferencial entre oferta y demanda y el volumen de operaciones. También se pueden considerar evaluaciones de corto y largo plazo para determinar la rapidez con la que los inversores procesan la información brindada en la sección CCA. Del mismo modo, se sugiere extender el periodo de análisis en el que se abarquen más años. De esta manera, se podría minimizar el impacto de factores externos específicos del periodo 2023/2022. Esto contribuiría a un mejor entendimiento del efecto de la norma en diferentes contextos. Además de ello, complementar el análisis con información cualitativa, como encuestas o entrevistas a usuarios finales de los informes de auditoría, permitiría comprender mejor cómo estos interpretan las CCA y su relevancia en las decisiones de inversión. En este sentido, explorar metodologías cualitativas complementarias puede enriquecer los hallazgos. 78 REFERENCIAS BIBLIOGRÁFICAS Al-mulla, M. y Bradbury, Y. (2022). Consecuencias para el auditor, el cliente y el inversor del informe de auditoría mejorado. Revista Internacional de Auditoría, 26 (2), 134 150. https://doi- org.ezproxybib.pucp.edu.pe/10.1111/ijau.12255 Altawalbeh, M. y Alhajaya, M. (2019). The investors reaction to the disclosure of key audit matters: Empirical evidence from Jordan. International Business Research, 12(3), 50-57. https://www.researchgate.net/profile/Mohammad- Altawalbeh/publication/344071106_The_Investors_Reaction_to_the_Discl osure_of_Key_Audit_Matters_Empirical_Evidence_from_Jordan/links/600 b50a5299bf14088b4bb60/The-Investors-Reaction-to-the-Disclosure-of- Key-Audit-Matters-Empirical-Evidence-from-Jordan.pdf Altman, E. y Rijken, H. How rating agencies achieve rating stability. Journal of Banking & Finance, Volume 28, Issue 11, 2004, 2679-2714. https://doi.org/10.1016/j.jbankfin.2004.06.006. Bergh, D., Ketchen, J, Orlandi, I., Heugens, P. y Boyd, B. (2019). Information asymmetry in management research: Past accomplishments and future opportunities. Journal of management, 45(1), 122-158. Cantor, R. y Packer, F. (1996). Determinants and Impact of Sovereign Credit Ratings. Economic Policy Review, Vol. 2, No. 2. http://dx.doi.org/10.2139/ssrn.1028774 Clarkson, G., Jacobsen, T. y Batcheller, A. (2007). Asimetría de la información y compartición de información. Government Information Quarterly, 24 (4), 827-839. https://doi.org/10.1016/j.giq.2007.08.001 De la Cruz, L. (2020). Impacto de la aplicación de la NIA 701 Comunicación de las Cuestiones Clave de la Auditoría en el Informe de Auditoría Emitido por un Auditor Independiente en las empresas que cotizan en la Bolsa de Valores de Lima. Repositorio Digital de Tesis y Trabajos de Investigación PUCP. [Tesis de pregrado, Pontificia Universidad Católica del Perú]. https://tesis.pucp.edu.pe/repositorio/bitstream/handle/20.500.12404/1706 79 6/DE_LA_CRUZ_ANCO_LUIS_FERNANDO%20%281%29.pdf?sequenc e=1&isAllowed=y Ecim, D., Maroun, W., y Duboisee de Ricquebourg, A. (2023). An analysis of key audit matter disclosures in South African audit reports from 2017 to 2020. South African Journal of Business Management, 54(1), 3669. https://www- scopus-com.ezproxybib.pucp.edu.pe/record/display.uri?eid=2-s2.0- 85158875993&origin=resultslist&sort=plf- f&src=s&sid=e08d5298ea3d1c717933c2d6af29398f&sot=b&sdt=b&s=TIT LE-ABS- KEY%28Information+Asymmetry+and+KAM%29&sl=44&sessionSearchId =e08d5298ea3d1c717933c2d6af29398f&relpos=1 Elliott, W., Rennekamp, K. y White, B. (2015). Does concrete language in disclosures increase willingness to invest?. Rev Account Stud 20, 839 865. https://doi.org/10.1007/s11142-014-9315-6 Elsayed, M., Elshandidy, T., y Ahmed, Y. (2023). Is expanded auditor reporting meaningful? UK evidence. Journal of International Accounting, Auditing and Taxation, 53, 100582. https://doi.org/10.1016/j.intaccaudtax.2023.100582 Fama, E. (1991). Efficient capital markets: II. The journal of finance, 46(5), 1575- 1617. Ferri, G., Liu, L. y Stiglitz, J. (1999). The Procyclical Role of Rating Agencies: Evidence from the East Asian Crisis. Economic Notes, 28: 335-355. https://doi.org/10.1111/1468-0300.00016 Gambetta, N., Sierra García, L., García Benau, M., y Novejarque Civera, J. (2023). The informative value of key audit matters in the audit report: Understanding the impact of the audit firm and KAM type. Australian Accounting Review, 33(2), 114-134. https://research-ebsco- com.ezproxybib.pucp.edu.pe/c/d6owsy/viewer/html/egxzmwd44r Hegazy, M. y Kamareldawla, N. (2021). Key audit matters: did IAASB unravel the knots of confusion in audit reports decisions?. Managerial Auditing Journal, 36(8), 1025-1052. 80 https://emerald.pucp.elogim.com/insight/content/doi/10.1108/maj-11- 2019-2464/full/html Hlel, K., y Nafti, I. K. (2022). The Effect of Key Audit Matters on Financial Information Quality: The Case of Tunisia. International Journal of Accounting, Finance and Risk Management, 7(4), 150-156. Hoang, H., Moroney, R., Phang, S. y Xiao, X. (2023) Investor reactions to key audit matters: Financial and non-financial contexts. Accounting & Finance, 63, 3325 3349. https://doi-org.ezproxybib.pucp.edu.pe/10.1111/acfi.13041 Hosseinniakani, M., Overland, C., y Samani, N. (2024). Do key audit matters matter? Correspondence between auditor and management disclosures and the role of audit committees. Journal of International Accounting, Auditing and Taxation, Forthcoming. https://doi.org/10.1016/j.intaccaudtax.2024.100617 Jaffar, R., Hassan, M. y Rahmat, M. (2023). Value Relevance of Board Attributes: The Mediating Role of Key Audit Matter. International Journal of Financial Studies, 11(1), 41. Jara, J. (2021). La aplicación de la NIA 701 y su mejora en la comunicación del informe de auditoría. caso: PWC PERÚ, 2020. https://repositorio.ulima.edu.pe/bitstream/handle/20.500.12724/14048/La %20aplicación%20de%20la%20NIA%20701%20y%20su%20mejora%20 en%20la%20comunicación.pdf?sequence=1&isAllowed=y informe del auditor sobre una auditoría de estados financieros cuando el auditor expresa una opinión sin salvaguardias y modificaciones - 001. Knechel, W. y Salterio, S. (2016). Auditing: Assurance and Risk. Accounting Horizons, 30(3), 667-680. https://meridian.allenpress.com/accounting- horizons/article/30/3/667/23762/Auditing-Assurance-and-Risk 81 KPMG. (2018). Claves del nuevo informe de auditoría. https://assets.kpmg.com/content/dam/kpmg/es/pdf/2017/12/claves-nuevo- informe-auditoria.pdf Liu, H., Ning, J., Zhang, Y. y Zhang, J. (2022). Key audit matters and debt contracting: evidence from China. Managerial auditing journal, 37(6), 657- 678. https://www- emerald.com.ezproxybib.pucp.edu.pe/insight/content/doi/10.1108/MAJ- 06-2021-3210/full/html Manrique, E. (2016). Las Clasificadoras de Riesgo. In Iure, 1. https://revistaelectronica.unlar.edu.ar/index.php/iniure/article/view/112 Moalla, H. y Baili, R. (2019), "Calificaciones crediticias y opinión de auditoría: evidencia de Túnez", Journal of Accounting in Emerging Economies , Vol. 9 Núm. 1, pp. 103-125. https://doi- org.ezproxybib.pucp.edu.pe/10.1108/JAEE-03-2018-0022 Muñoz-Izquierdo, N., Segovia-Vargas, M., Camacho-Miñano, M. y Pérez-Pérez, Y. (2022). Aprendizaje automático en la evaluación de la calificación crediticia corporativa mediante el informe de auditoría ampliado. Mach Learn 111, 4183 4215. https://doi.org/10.1007/s10994-022-06226-4 Norazura, M. y Amanuddin, S. (2018). The Implementation of ISA 701-Key Audit Matters: A Review. Global Business & Management Research, 10(3), 1107 1115. https://research-ebsco- com.ezproxybib.pucp.edu.pe/linkprocessor/plink?id=177eef05-0035-3c55- 8643-1fac4b3ef22b Paredes, J. (2015). El nuevo informe del auditor independiente. Revista Lidera, 10, 1014. http://revistas.pucp.edu.pe/index.php/revistalidera Portal, J. (2018). El informe de auditoría bajo la Norma Internacional de Auditoria 701 y su contribución a una mejor gestión de las entidades auditadas privadas de la ciudad de Cajamarca. Reid, L., Carcello, J., Li, C. y Neal, T. (2019). Impacto de los cambios en los informes de auditoría sobre la calidad de los informes financieros y los costos de auditoría: evidencia del Reino Unido. Investigación contable 82 contemporánea, 36 (3), 1501 1539. https://doi- org.ezproxybib.pucp.edu.pe/10.1111/1911-3846.12486 Seebeck, A. (2024). Back to where it started? Do expanded auditor's reports become sticky, generic and boilerplate over time? International Journal of Auditing, 1 26. https://doi.org/10.1111/ijau.12343 Seebeck, A. y Kaya, D. (2023). The power of words: an empirical analysis of the communicative value of extended auditor reports. European Accounting Review, 32(5), 1185-1215. https://doi.org/10.1080/09638180.2021.2021097 Segal, M. (2019). "Cuestiones clave de auditoría: perspectivas de expertos en auditoría". Meditari Accountancy Research , Vol. 27 Nro. 3, pp. 472-494. https://doi-org.ezproxybib.pucp.edu.pe/10.1108/MEDAR-06-2018-0355 Trivedi, C., Dogra, D. y Kumar, S. (2023). A critical study: Big data techniques for credit rating agencies. AIP Conf. Proc; 2878 (1): 020004. https://doi- org.ezproxybib.pucp.edu.pe/10.1063/5.0170878 Woo K., Mai, C., McAleer, M. y Wong, W. (2020). Review on Efficiency and Anomalies in Stock Markets. Economies. 8(1):20. https://doi.org/10.3390/economies8010020 Zeng, Y., Zhang, J. H., Zhang, J., & Zhang, M. (2021). Key audit matters reports in China: Their descriptions and implications of audit quality. Accounting Horizons, 35(2), 167-192. 10.2308/HORIZONTES-19-189 Zhai, H., Lu, M., Shan, Y., Liu, Q. y Zhao, Y. (2021). Key audit matters and stock price synchronicity: Evidence from a quasi-natural experiment in China. International review of financial analysis, 75, 101747. https://doi.org/10.1016/j.irfa.2021.101747 84 ANEXO 2: Listado de empresas de la muestra EMPRESAS SECTOR AENZA INDUSTRIA AGRO INDUSTRIAL PARAMONGA S.A. INDUSTRIA AGROINDUSTRIAS SAN JACINTO S.A.A. INDUSTRIA ANDINO INVESTMENT HOLDING S.A.A. OTROS AUSTRAL GROUP S.A.A. INDUSTRIA CARTAVIO SOCIEDAD ANONIMA ABIERTA INDUSTRIA CASA GRANDE SOCIEDAD ANONIMA ABIERTA INDUSTRIA CERVECERIA SAN JUAN S.A. INDUSTRIA COMPAÑIA DE MINAS BUENAVENTURA S.A.A. MINERÍA COMPAÑIA MINERA PODEROSA S.A. MINERÍA COMPAÑIA MINERA SAN IGNACIO DE MOROCOCHA S.A.A. MINERÍA COMPAÑIA MINERA SANTA LUISA S.A. MINERÍA CONSORCIO CEMENTERO DEL SUR S.A. INDUSTRIA CORPORACION ACEROS AREQUIPA S.A. INDUSTRIA CORPORACION CERVESUR S.A.A. INDUSTRIA EMPRESA SIDERURGICA DEL PERU S.A.A INDUSTRIA ENGIE ENERGIA PERU S.A. ENERGÍA FERREYCORP S.A.A. INDUSTRIA INDUSTRIAS ELECTRO QUIMICAS S.A INDUSTRIA NEXA RESOURCES ATACOCHA S.A.A MINERÍA SOCIEDAD MINERA CERRO VERDE S.A.A. MINERÍA SOCIEDAD MINERA EL BROCAL S.A.A MINERÍA UNACEM CORP SOCIEDAD ANONIMA ABIERTA MINERÍA UNION DE CERVECERIAS PERUANAS BACKUS Y JOHNSTON S.A.A. INDUSTRIA VOLCAN COMPAÑIA MINERA S.A.A MINERÍA BANCO BBVA PERU FINANCIERO BANCO DE CREDITO DEL PERU FINANCIERO BANCO INTERNACIONAL DEL PERU S.A.A. - INTERBANK FINANCIERO BANCO PICHINCHA FINANCIERO CEMENTOS PACASMAYO S.A.A. INDUSTRIA CHUBB PERU S.A. COMPAÑIA DE SEGUROS Y REASEGUROS SEGUROS HERMES TRANSPORTES BLINDADOS S.A. OTROS INVERFAL PERÚ S.A.A. OTROS LECHE GLORIA S.A. INDUSTRIA LUZ DEL SUR S.A.A. ENERGÍA MIBANCO BANCO DE LA MICRO EMPRESA S.A. FINANCIERO 85 ORYGEN PERÚ S.A.A. (antes ENEL GENERACIÓN PERÚ S.A.) ENERGÍA PLUZ ENERGÍA PERÚ S.A.A. (antes ENEL DISTRIBUCIÓN) ENERGÍA RIMAC SEGUROS Y REASEGUROS SEGUROS SCOTIABANK PERU S.A.A. FINANCIERO TELEFONICA DEL PERU S.A.A. INDUSTRIA BANCO BCI PERU S.A. FINANCIERO BANCO DE COMERCIO FINANCIERO BANCO FALABELLA PERU S.A. FINANCIERO BANCO GNB PERÚ S.A. FINANCIERO BANCO INTERAMERICANO DE FINANZAS S.A. - BANBIF FINANCIERO BANCO RIPLEY PERÚ S.A. FINANCIERO BANCO SANTANDER PERÚ S.A. FINANCIERO BNP PARIBAS CARDIF S.A. COMPAÑIA DE SEGUROS Y REASEGUROS SEGUROS COLEGIOS PERUANOS S.A. EDUCACIÓN COMPARTAMOS FINANCIERA S.A. FINANCIERO CORPORACION FINANCIERA DE DESARROLLO S.A. - COFIDE FINANCIERO CRECER SEGUROS S.A. COMPAÑIA DE SEGUROS SEGUROS CREDISCOTIA FINANCIERA S.A. FINANCIERO ELECTRO DUNAS S.A.A. ENERGÍA FINANCIERA CONFIANZA S.A.A. FINANCIERO FINANCIERA CREDINKA S.A. FINANCIERO FINANCIERA EFECTIVA S.A. FINANCIERO FINANCIERA OH! S.A. FINANCIERO FINANCIERA PROEMPRESA S.A. FINANCIERO FINANCIERA QAPAQ S.A. FINANCIERO INSUR S.A. COMPAÑÍA DE SEGUROS SEGUROS INTERSEGURO COMPAÑÍA DE SEGUROS S.A. SEGUROS LA POSITIVA VIDA SEGUROS Y REASEGUROS S.A. SEGUROS LIBERTY SEGUROS S.A. SEGUROS MAPFRE PERÚ COMPAÑÍA DE SEGUROS Y REASEGUROS SEGUROS OHIO NATIONAL SEGUROS DE VIDA Y REASEGUROS S.A. SEGUROS PACÍFICO COMPAÑÍA DE SEGUROS Y REASEGUROS SEGUROS PETROLEOS DEL PERÚ - PETROPERU S.A. INDUSTRIA PROTECTA S.A. COMPAÑIA DE SEGUROS Y REASEGUROS SEGUROS QUALITAS COMPAÑÍA DE SEGUROS S.A. SEGUROS RED VIAL 5 S.A. OTROS 86 SECREX COMPAÑIA DE SEGUROS DE CREDITO Y GARANTIAS SEGUROS TOTAL SERVICIOS FINANCIEROS EMPRESA DE CREDITOS FINANCIERO VIVIR SEGUROS COMPAÑÍA DE SEGUROS DE VIDA S.A. SEGUROS