Modelos de predicción de la insolvencia empresarial: una revisión de la
literatura
41
3.1. Introducción
La búsqueda de instrumentos válidos para medir la insolvencia de las empresas ha sido una constante del análisis financiero. Una de estas herramientas son los modelos de predicción de la insolvencia empresarial.
Recientemente, se ha desarrollado una extensa literatura empírica sobre los modelos que tratan de predecir la crisis empresarial basándose en los datos que puedan ser extraídos de los estados financieros.
Esta línea de investigación tiene su origen en los Estados Unidos, donde a principios de siglo XX, aparecieron los primeros modelos rudimentarios, alcanzando su máximo desarrollo entre los años setenta y ochenta.
En el caso portugués, los trabajos en materia de insolvencia empresarial son más recientes, iniciándose esta investigación en la década de los ochenta
En este capítulo, vamos a resumir los resultados de algunos de los estudios más relevantes en la predicción de la insolvencia en la literatura, los modelos clasificados como univariantes y multivariantes.
3.2. Modelos de predicción basados en ratios económico-financieros 3.2.1. Los estudios con modelos univariantes
En los modelos univariantes, la primera hipótesisplanteada consiste en que la solvencia está vinculada a algunas variables contables. Así, a principios del siglo XX se consideraba que la relación que mide la relación entre activo circulante y pasivo corriente indica el grado de solvencia de la empresa y permite establecer las condiciones de acceso al crédito bancario, como se destaca en el trabajo de Gabás Trigo (1997).
Beaver (1966) fue un pionero en el estudio de la predicción de la quiebra, con un análisis univariante de los ratios económicos y financieros. En la definición de fracaso utilizada por Beaver (1966) se refleja en la incapacidad de una empresa para pagar sus deudas a su vencimiento.
42
3.2.2. Los estudios con modelos multivariantes: análisis discriminante
El análisis discriminante es el método estadístico más utilizado en el estudio de la previsión de la insolvencia empresarial.
El análisis discriminante aplicado a la predicción de la insolvencia empresarial, utilizado en los trabajos de Altman (1968), Deakin (1972), Edmister (1972), Blum (1974), Taffler (1983), etc. tiene como objetivo la definición, a partir de ratios económicos y financieros, previamente obtenidos de los estados financieros históricos, de una función lineal que clasifique, con la mayor precisión posible, las empresas analizadas entre empresas solventes e insolventes. De acuerdo con Hair et al. (1998) esta combinación lineal de métricas de variables independientes es la función discriminante de Fisher y proporciona la puntuación que permite a las empresas catalogarlas como pertenecientes al grupo de empresas solventes o insolventes.
El método estadístico de análisis discriminante multivariante consiste básicamente en distinguir entre dos o más poblaciones distintas en función de ciertas características de sus miembros y las clasificaciones futuras de otros miembros como pertenecientes a una de las poblaciones. Por lo tanto, su objetivo principal se puede resumir en los siguientes dos propósitos: en primer lugar, para encontrar las variables discriminantes cuyos valores permiten separar lo más posible a las poblaciones previamente definidas, en segundo lugar, asignar nuevas observaciones a cada una de esas poblaciones.
Para Santos (2002, pp. 422 a 430) el "Z-score" que es el producto final del análisis discriminante multivariante, se puede interpretar como una medida de índice o resumen de riesgo insolvencia financiera de la empresa con mayor precisión, obteniéndose de una combinación adecuada de una serie de ratios obtenidos directamente de los estados financieros. Sin embargo, a diferencia del método implícito en el análisis univariante financiero tradicional, por su proceso de construcción propia, recoge las distintas dimensiones de la empresa, teniendo en cuenta las interacciones que existan entre ellas. Así, las diferentes dimensiones se consideran en conjunto, proporcionando un perfil multidimensional que se transforma en una “score” unidimensional que condensa y refleja toda la información relevante.
43
Desde los años ochenta y noventa, se han realizado estudios de predicción de quiebra empresarial mediante el análisis discriminante y la regresión logística, junto con el método Probit, tratando de comparar los resultados obtenidos a través de estas técnicas econométricas.
3.2.3. Los estudios con modelos Logit, Probit y análisis discriminante
En las dos últimas décadas del siglo XX, las investigaciones empíricas sobre la predicción de la quiebra recurrieron no sólo al análisis de discriminación, sino otros modelos como el Logit y Probit, dado que algunos estudios han comparado, utilizando la misma muestra, los resultados obtenidos a partir de modelos basados en el análisis discriminante y modelos de regresión logística.
El análisis Logit y el análisis Probit pertenecen a los modelos de probabilidad condicional. El análisis Logit se utiliza en más estudios empíricos que el análisis Probit.
Si bien el análisis discriminante tiene el inconveniente de ser demasiado restrictivo, el análisis Logit requiere menos supuestos, no requiere que las variables independientes tengan una distribución normal, que los grupos tengan matrices de dispersión (varianza-covarianza) igual ni que los grupos sean discretos e identificables.
Dentro de este resumen, mencionamos el estudio de Warren Miller Morningstar, Inc. (2009), titulado "Comparación de Modelos de Predicción de la Insolvencia Empresarial: distancia a la insolvencia vs. Z-Score ".
El estudio pone de relieve que, dada la confusión existente en los mercados de hoy, el interés en el perfeccionamiento de los modelos de predicción de la insolvencia de las empresas obtuvo un nuevo impulso investigador. Se evaluaron los modelos de “Distance to Default” y "Z-score" en función de su capacidad para predecir la insolvencia empresarial, la permanencia y estabilidad del rating. El primer modelo, el modelo de "distancia a la insolvencia" es un modelo similar al creado por el Black, Scholes y Merton.
Ambos modelos mostraron niveles de precisión similares a los calculados en anteriores estudios empíricos, en referencia al estudio Bemmann (2005). El modelo de "distancia a la insolvencia" superó al modelo Z-Score y el univariante TLTA (pasivo
44
total / activo total). Este autor señala que la capacidad predictiva de la Z-score es similar a los otros dos modelos respecto a las empresas solventes, pero tiene un menor rendimiento en situaciones en las que la probabilidad de quiebra es alta. Los tres modelos tienen errores significativos de tipo I al clasificar un gran número de empresas solventes como insolventes. El modelo de "distancia a la insolvencia" ha funcionado mejor cuando había un rating promedio mayor para las empresas insolventes que con los otros modelos.
3.3. Modelos de predicción de la insolvencia empresarial basado en los flujos de efectivo
3.3.1. Los modelos que utilizan ratios de flujo de tesorería
A mediados de los años setenta hubo una serie de investigaciones que se han centrado en la búsqueda de lo que llamaron el tamaño de la empresa o patrones de clasificación de los ratios económicos y financieros, agrupándolos en diferentes factores para determinar lo que son los más importantes en el análisis de los resultados económicos y financieros.
Dentro de estos objetivos de investigación destacamos el estudio de Pinches et al. (1973) en el que localiza ocho factores relevantes para cada empresa.
Los factores relevantes en el negocio son: (i) los ingresos (flujo de caja) de la inversión, (ii) la intensidad de las existencias, (iii) la intensidad de capital, (iv) la intensidad de los efectos a cobrar; (v) la liquidez a corto plazo, (vi) la situación de la deuda, (vii) la estructura de la deuda, y (viii) el flujo de caja operativo.
En este estudio, el concepto de flujo de efectivo en su aspecto tradicional, se asocia con la medida de rendimiento de las inversiones.
Serer y otros. (2009, pp. 423-447) realizaron un estudio titulado "Modelización temporal de los ratios contables en la detección del fracaso empresarial de la PYME Española." Como punto de reflexión en este estudio se pone de manifiesto la incompatibilidad de los valores de algunos ratios en situaciones desahogadas de la empresa.
45
El estudio destaca que, de los veintiocho ratios seleccionados como el sistema de control, dieciséis son indicadores de rentabilidad y ocupan los siete primeros puestos de la eficacia: el EBIT / Gastos Financieros, el Beneficio neto/Ventas, el Flujo de caja / Ventas, el Beneficio antes de impuestos / Ventas, el EBIT/Ventas, el Flujo de caja/ Patrimonio neto, y el Beneficio de las actividades ordinarias / Ventas.
Los autores destacan que la rentabilidad de la empresa se configura como el factor más importante para predecir el momento de la posible insolvencia de una empresa en el futuro mediato, especialmente si la inversión es financiada con recursos propios. Tanbién destacan la insignificante generación del flujo de efectivo operativo, lo que conduce a un endeudamiento excesivo.
3.3.2. Los modelos que utilizan el flujo de caja operativo
A raíz de la SFAS N ° 95, del 15 de junio de 1988 se estableció la obligación de las empresas estadounidenses de incorporar un estado de flujo de efectivo en la información financiera que publican anualmente.
El SFAS No. 95 constituye el documento pionero en la formulación de la declaración de los flujos de efectivo, después de haber considerado varios estudios preliminares incluyendo el estudio de Bowen (1986).
Diversos investigadores, entre ellos Biglieri (2006) destacan que los flujos de efectivo superan al beneficio neto como estimadores de la insolvencia empresarial.
3.4. Los modelos de predicción de fracaso empresarial no paramétricos con redes neuronales e inteligencia artificial
Los modelos de predicción desde la perspectiva de los ratios económico- financieros (devengo) y los ratios basados en el flujo de efectivo, tienen en común el hecho de que emplean métodos paramétricos, lo que puede plantear algunos problemas estadísticos, tales como:
1. Violaciones de la hipótesis de la normalidad y la independencia de las variables explicativas;
46
2. Reducción del tamaño de la muestra, y
3. Especificar el algoritmo de clasificación apropiada.
La investigación empírica muestra que los modelos no paramétricos son más eficientes en la clasificación de empresas en grupos de riesgo en comparación con el análisis discriminante, incluyendo el modelo de Fix-Hodges (Stein y Ziegler, 1984). En un enfoque más general, que se compara el análisis discriminante lineal y cuadrático, el "logit", programación matemática, la partición recursiva, un modelo teórico con varios atributos de las entidades de banca de EE.UU. (Srinivasan y Kim (1987)), llegando a conclusiones similares.
En la década de los noventa empezaron a surgir estudios basados en redes neuronales, un área en la que la inteligencia artificial ha demostrado ser fructíferos.
Las obras más representativas sobre las aplicaciones de redes neuronales a los problemas de financiación fueron las de Altman et al. (1994), Bardos y Zhu (1997), Hair et al. (1998), Yang, Platt y Platt (1999), Brandão (1999), Fernandes (2000), Amorim (2000), Crespo et al. (2000), Charitou et al. (2004) y Gambrel (2004).
3.5. Síntesis
1. En vista de los estudios examinados, la conclusión general que obtenemos sobre la investigación sobre los flujos de efectivo en la predicción de insolvencia empresarial es conmtradictoria, no permitiéndonos obtener ninguna conclusión. 2. Casey y Bartczak (1984, 1985), Gombola et al. (1983) demuestran que los flujos de
efectivo no proporcionan información adicional sobre las variables basadas en el devengo en la predicción de la quiebra empresarial. Otros estudios como el de Gilbert et al. (1990) y Ward (1994) demuestran que los flujos de efectivo operativos pueden aumentar la capacidad predictiva significativa respecto a los modelos basados en variables económicas y financieras (devengo).
3. Más recientemente, los estudios de Charitou et al. (2004) conceden una importancia especial a las variables de CFFO (flujo de caja de operaciones) para predecir la insolvencia empresarial.
47
4. En el mismo sentido, Biglieri (2006) demuestra que los flujos de efectivo superan claramente al principio del devengo en la predicción de la quiebra empresarial. 5. La mayoría de los estudios basados en ratios basados en los flujos de efectivo y
ratios económico-financieros (devengo) para predecir la quiebra empresarial generan modelos de predicción cuya la capacidad oscila entre 70% y 99% de precisión. Es necesario tener en cuenta que los avances estadísticos y el software a disposición de los investigadores aumentan la capacidad investigadora.
6. Al realizar esta revisión de los modelos existentes en la literatura en la predicción del fracaso empresarial, se puede comprobar que tienen varias limitaciones, además de una serie de ventajas.
7. Una de las limitaciones consiste en la selección de la muestra, debido a interpretaciones diferentes del momento temporal en el que se produce el fracaso empresarial. De hecho, la primera dificultad que se presenta en la selección de la muestra es la determinación de lo que constituye un fracaso empresarial. La ausencia de una teoría general de la insolvencia empresarial implica la existencia de desacuerdo sobre la noción de esta realidad, ya que pueden ser identificados dentro de un rango que va desde la falta de rentabilidad hasta la insolvencia permanente. 8. Esta limitación es muy importante ya que la definición de la insolvencia que se
asuma fijará las condiciones para la formación de grupos de "solvente" y "quiebra", dando lugar a cambios en el tamaño de la población y la muestra.
9. La selección de variables independientes se presenta como otra dificultad en la ausencia de un marco teórico sobre el fracaso. Los ratios basados en el devengo son los indicadores más utilizados como variables independientes de los modelos, con la observación de que hay modelos que integran las variables cualitativas.
10. El uso muy extendido de los ratios se basa principalmente en la facilidad de cálculo y comparación, a pesar de enfrentar una serie de inconvenientes tales como:
a) La ausencia de una teoría que se basa la selección de las variables; b) Problemas relacionados con la forma funcional de los coeficientes;
c) Cuestiones relacionadas con la distribución de los valores que los ratios puedan alcanzar,
48
d) Las diferencias sectoriales y de tamaño entre las empresas.
11. Aunque algunos de estos inconvenientes pueden ser mitigados a través de una interpretación económica de los resultados, siempre hay un cierto grado de incertidumbre a la hora llevar a cabo una investigación empírica sobre el diseño de las variables y las deducciones que se puede inferir.
12. Otra custión surge con las limitaciones metodológicas para la construcción de modelos. Los diferentes métodos utilizados en la definición de modelos de predicción de insolvencia empresarial tratan de resolver, en parte, los problemas que había con los modelos precedentes, ya que a algunos problemas que se incorporan otros, porque, a día de hoy, no hay técnica estadística exenta de problemas.
13. También en el campo de la metodología surgen limitaciones operacionales, que se derivan del hecho de que los modelos se construyen a posteriori, mientras que su análisis se realiza sobre la base de una herramienta de predicción, y por lo tanto: a) Es necesario tener en cuenta que la relación entre el fracaso empresarial
(variable dependiente) y los ratios financieros (variables independientes) puede no ser estable en el tiempo debido a varios factores;
b) Los modelos son válidos para el entorno económico en el que fueron construidos y perderán su validez cuando se intente extrapolar estos resultados a otras condiciones económicas;
c) La aplicación de los modelos suponen un desconocimiento a priori del fracaso empresarial. Este problema dificulta la aplicación de los modelos.
14. Las limitaciones mencionadas no implican que los modelos de predicción de la insolvencia de las empresas no sean útiles, sino sólo que tienen que ser utilizados con las precauciones que imponen tales restricciones.
15. Las investigaciones sobre la capacidad predictiva de los flujos de efectivo operativos, confieren a esta magnitud una mayor importancia en la predicción de la insolvencia empresarial, siendo la obra paradigmática de Gilson et al. (2000), Charitou et al.(2004) y Biglieri (2006), dada la importancia que conceden las variables basadas en los flujos de efectivo.
49
16. El estudio Serer et al. (2009) procede a la modelización probabilística de la conducta de un sistema de control, integrada en un panel de ratios económico-financieros (devengo) y los flujos de efectivo, lo que permite jerarquizarlos de acuerdo a eficiencia temporal para advertir de una posible quiebra. El estudio se basa en los modelos de distribución de probabilidad y concluye que la supremacía de los ratios de rentabilidad y flujo de caja como determinantes de la crisis empresarial.
17. A la par de modelos de regresión Logit y Probit así como el análisis discriminante y distribución de probabilidad se han desarrollado modelos de predicción de fracaso no paramétricos con redes neuronales e inteligencia artificial. Estos modelos están diseñados para eliminar los problemas que a menudo se atribuyen a modelos estadísticos paramétricos.
18. Como una obra de referencia que abarca Galicia, área geográfica estrechamente relacionado con el norte de Portugal, se hace hincapié en el estudio de Crespo et al.(2000), que demostró una alta capacidad de predicción, de aproximadamente 89,5%, utilizando una serie de ratios económico-financieros (devengo) como predictores de fracaso empresarial.
19. En el estudio de Charitou et al. (2004), cuyo objetivo era validar y complementar los resultados del modelo Logit aplicado un modelo de redes neuronales para la misma muestra, se confirman las dificultades atribuidas al modelo de red neuronal, sobre su viabilidad en la práctica, abriendo caminos para la aplicación de otros métodos denominados sistemas de inducción y árboles de decisión.
20. Como principal conclusión, el análisis de la literatura sobre los resultados más relevantes muestran que los modelos de predicción del fracaso empresarial incluyen una serie de limitaciones a la muestra, la definición de la variable dependiente, las variables independientes, la fiabilidad de la información financiera, así como las limitaciones de la técnicas econométricas y estadísticas utilizadas para desarrollar los modelos.
50