La correcta determinación del precio de regalías entre empresas relacionadas por el uso de activos intangibles es un reto común en materia de precios de transferencia. De acuerdo con las reglas internacionales, dicha operación debe cumplir con el principio de plena competencia (arm’s length), es decir, replicar las condiciones que se observarían entre partes independientes.
Para probar dicha condición, uno de los métodos más utilizados es el método de precio comparable no controlado (CUP, por sus siglas en inglés), que requiere construir un parámetro de referencia a partir de contratos comparables entre partes independientes.
Sin embargo, los intangibles tienen atributos únicos y complejos —como exclusividad, protección legal, desarrollo, mejoras y territorio— que dificultan encontrar comparables exactos. Esto se complica aún más al restringir la búsqueda a contratos del mismo año fiscal, lo que plantea una duda clave: ¿es válido incluir contratos de años anteriores en el análisis?
Análisis empírico
Para explorar esta cuestión, se realizó un análisis estadístico con datos de la base Intangible Spring (actualizada a diciembre de 2023), utilizando más de 10,000 contratos de regalías entre partes independientes (basados en ventas netas) firmados entre 1980 y 2023.
Se compararon las contraprestaciones (royalty rates) de cada año contra ventanas móviles de años anteriores (5, 10, 15 y 20 años), bajo distintos escenarios que requerían un mínimo de 100, 200 o 300 observaciones para considerar estadísticamente válidos los resultados. El objetivo fue determinar si las diferencias entre las contraprestaciones eran estadísticamente significativas.
Resultados generales
| Ventana de años | Mínimo de observaciones | Años analizados | % de casos con diferencia significativa |
| 5 años | 100 | 29 | 31.03% |
| 5 años | 200 | 26 | 34.62% |
| 5 años | 300 | 18 | 44.44% |
| 10 años | 100 | 29 | 48.28% |
| 10 años | 200 | 26 | 53.85% |
| 10 años | 300 | 18 | 61.11% |
| 15 años | 100 | 29 | 58.62% |
| 15 años | 200 | 26 | 65.38% |
| 15 años | 300 | 18 | 61.11% |
| 20 años | 100 | 29 | 58.62% |
| 20 años | 200 | 26 | 65.38% |
| 20 años | 300 | 18 | 61.11% |
Interpretación
Los resultados muestran que, mientras más amplia es la ventana temporal, mayor es la proporción de casos con diferencias significativas. Esto es lógico: comparar contratos con mayor distancia en el tiempo incrementa la probabilidad de observar diferencias relevantes.
Sin embargo, en ventanas de 5 y 10 años —que son las más comunes en la práctica de precios de transferencia—, más de la mitad de los casos no muestran diferencias significativas. Esto sugiere que, en general, incluir contratos de años recientes anteriores puede ser válido y útil.
Clasificación por industria
También se realizó un análisis por industria, considerando únicamente casos con al menos 100 observaciones en una ventana de 10 años. Los resultados fueron los siguientes:
| Industria | Años analizados | % con diferencia significativa |
| Business Services | 2015, 2021 | |
| Consumer Services | 2011, 2012, 2015, 2017, 2021 | |
| Pharma | 1999 | |
| Restaurants | 2015, 2016, 2017, 2021, 2022 | |
| Total, casos | 13 | 15.38% |
Cuando los contratos se agrupan por industria, la proporción de casos con diferencias significativas cae a solo 15%. Esto indica que la similitud entre contratos comparables —en este caso, pertenecer a la misma industria— tiende a reducir las variaciones.
Conclusión
Los resultados del análisis muestran que no hay evidencia suficiente para excluir automáticamente contratos de años anteriores al del análisis. De hecho, usar ventanas de tiempo razonables (5 o 10 años) puede enriquecer la muestra de comparables y mejorar la fiabilidad del análisis de precios de transferencia. Las diferencias tienden a reducirse aún más cuando los contratos se seleccionan con base en criterios como industria, lo que confirma la utilidad de enfoques cualitativos y cuantitativos combinados.
Esto refuerza una buena práctica: no limitarse a contratos del mismo año fiscal, sino construir una muestra sólida, representativa y cuidadosamente seleccionada.
