Determining the Appropriate Accounting Treatment of Cryptocurrencies Based on Accounting Theory
Notice bibliographique
Résumé
The International Financial Reporting Standards (IFRS) do not make explicit provisions, in terms of a specifically dedicated standard, for the accounting treatment of cryptocurrencies. This creates uncertainty, and guidance is therefore required in terms of accounting for such investments. Accounting theory has the potential to provide the foundation for this guidance. This study aimed to determine the most appropriate accounting treatment for cryptocurrencies based on the International Accounting Standards Board’s (IASB) Conceptual Framework for Financial Reporting (as a form of accounting theory) that results in decision-useful information. The research further investigated the proposed accounting treatment in terms of IFRS and sought to determine whether this treatment was aligned with the IASB’s conceptual framework. This qualitative study conducted a non-empirical interpretative analysis of the literature (focusing specifically on accounting theory) to address the research aim. The conceptual framework indicated that the most appropriate way to account for cryptocurrencies was to recognise an asset at fair value. This accounting treatment aligns with accounting for assets under International Accounting Standard (IAS) 2 commodities held by broker-traders and the IAS 38 revaluation model. Addressing the problem of accounting for cryptocurrencies with reference to accounting theory makes this study novel. The guidance provided could reduce uncertainty among entities holding investments in cryptocurrencies and could increase the decision-usefulness of financial information.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».