Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 64 Procesos de fracaso empresarial

en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

PROCESOS DE FRACASO EMPRESARIAL EN PYMES. IDENTIFICACIN Y CONTRASTACIN EMPRICA Jos Luis Arquero Montao (Universidad de Sevilla), Mara Cristina Abad Navarro (Universidad de Sevilla) y Sergio Manuel Jimnez Cardoso (Universidad de Sevilla).

RESUMEN La investigacin sobre fracaso empresarial tiene como objetivo el diseo de modelos pred ictivos. Hasta ahora, la investigacin existente utiliza un mismo planteamiento: la separacin de las empresas en dos categoras , sanas y fracasadas. Aunque estos mod elos llegan a proporcionar tasas iniciales de xito aceptables, su uso posterior muestra una cierta inestabilidad predictiva y escasa fiabilidad en contextos diferentes a los iniciales. Este trabajo investiga la existencia de diferentes procesos de fracaso, primer paso para el desarrollo de un nuevo marco terico para futuros diseos experimentales, que superen el modelo simplista de dicotoma sanas / fracasadas. Palabras clave: fracaso empresarial, sndromes de fracaso

1. ANTECEDENTE Y OBJETIVO DE LA INVESTIGACIN El principal referente de la investigacin en prediccin del fracaso empresarial es el trabajo de Altman (1968), donde propone un modelo multivariante que explota las diferencias entre empresas pertenecientes a dos muestras (fracasadas y no fracasadas), emparejadas por tamao y sector. Su xito al pronosticar el fracaso (superior al 90% en la muestra de control, al 80% en una muestra de empresas de bajo rendimiento y al 70% dos aos antes del fracaso) supuso una revolucin en la investigaci n contable. Este modelo permite aumentar la eficiencia del esfuerzo de anlisis, dirigindolo a las empresas situadas en la zona gris. Sin embargo, ni explica por qu algunas empresas fracasan ni reproduce la estrategia de decisin de los analistas. La investigacin posterior se aplic a la mejora del Z -score de Altman (por ejemplo, ver las revisiones efectuadas por Laffarga y Mora, 2002 y por Balcaen y Ooghe, 2006). El esfuerzo fue impresionante. El diseo experimental de Altman se aplic a otros pero dos, sectores y pases, empleando tcnicas estadsticas, variables, horizontes temporales y diseos muestrales idnticos o levemente diferentes. Sin embargo, no sufrieron alteraciones sustanciales ni el diseo experimental ni el enfoque instrumental que lo sustentaba. Sistemticamente se compararon muestras de empresas fracasadas y no fracasadas y se calificaban como aceptables los modelos que proporcionasen un xito clasificatorio comparable al obtenido por el Z -score. La eleccin del modelo y de las varia bles discriminantes se consideraron asuntos empricos, que deban resolverse siempre en favor de aquellos que mostrasen un mayor xito clasificatorio. Durante todos estos aos, parece que los investigadores creyeron que la identificacin del modelo predictivo definitivo estaba tan prxima que poda justificarse el empleo de tcnicas estadsticas inadecuadas, de minera de datos o la ausencia de una teora del fracaso (Belkaoui, 1980). Posiblemente creyeron que el modelo definitivo surgira al emplear ot ras variables, otras tcnicas estadsticas o muestras ms homogneas. La confianza en lograr un modelo predictivo definitivo lleg a ser tan grande que se jug con la idea de sustituir los criterios profesionales (o directamente a los profesionales) por mo delos matemticos (Ashton, 1982 y Libby y Lewis, 1982).

Revista Internacional de la Pequea y Mediana Empresa ISSN: 1989 1725

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 65 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

La disponibilidad de bases de datos amplias y de equipos informticos, as como la novedad que supuso la aplicacin de sofisticadas tcnicas estadsticas en la investigacin contable, incentiv la publicacin de numerosos trabajos, normalmente desarrollados sin el adecuado soporte terico. En estas circunstancias, es probable que el modelo seleccionado empricamente est significativamente influido por relaciones estadsticas espurias existentes en la muestra de empresas (Zavgren, 1983). Este problema, que se manifiesta en la escasa validez externa de los modelos predictivos, recibe el nombre de sobreajuste o sobreespecificacin y slo puede afrontarse eficazmente rechazando el instrumentalismo puro. Es decir, aceptando que las variables y/o los modelos contrastados deben estar soportados por teoras a priori del fenmeno. Recientemente, el diseo experimental tpico est sufriendo una evidente crisis, observable en la reduccin de los artculos public ados que lo emplean. Esta crisis, sin embargo, parece no haber sobrevenido por ninguna de las razones expuestas anteriormente, sino por mostrarse incapaz de proporcionar modelos estables (los propuestos por cada investigador para cada perodo, sector o pas son diferentes) y con tasas de xito adecuadas en muestras de control. En estas circunstancias el fin instrumental se incumple, debido al riesgo que entraa emplear sistemtica y automticamente los modelos en decisiones reales en las que slo resulta ad misible un pequeo porcentaje de errores. Desde luego, tampoco contribuye a su popularidad entre los profesionales el que las decisiones propuestas no puedan justificarse, ni en base a la doctrina financiera, ni empleando las polticas de decisin usualmen te aceptadas en las instituciones financieras. La crisis del modelo investigador predominante no ha reducido la necesidad de contar con instrumentos de prediccin del fracaso. Al contrario, los acuerdos de Basilea II han incrementado el inters de las ins tituciones financieras en contar con mtodos rigurosos para evaluar la probabilidad de impago. Por ello, parece justificado el esfuerzo en desarrollar modelos predictivos que superen las deficiencias detectadas. Algunos autores alegan que una de estas defi ciencias estriba en la posibilidad de que algunas empresas, que estn experimentando tensiones financieras o formas leves de fracaso, manipulen la informacin contable para aumentar la confianza del pblico (Beaver, 1968 y Wilcox, 1971), probablemente alte rando las magnitudes ms populares en el anlisis financiero. Tambin se argumenta que las empresas parecen seguir diferentes procesos que desembocan en el fracaso financiero (Laitinen, 1991 y 1993). Por ltimo, otros afirman que las tcnicas estadsticas sobreajustan los modelos predictivos para alcanzar el mximo xito clasificatorio en la muestra, reduciendo su validez externa (por ejemplo, Hair et al., 1999). El problema de la fiabilidad podra resolverse empleando estados contables auditados (sin sal vedades o ajustados por las salvedades). Esta restriccin no supondra la modificacin del diseo experimental tpico, aunque: a) impedira el desarrollo de modelos aplicables a las empresas ms pequeas y el empleo de grandes bases de datos sin cuestionar se su fiabilidad, y b) exigira que se depurasen los datos de las empresas fracasadas, que frecuentemente presentan informes de auditora con salvedades. En nuestra opinin, esta restriccin confinara la aplicacin del anlisis contable o financiero a un contexto que nunca debera abandonar: aqul en el que se cuenta con informacin contable fiable. Uno de los principales escollos del diseo experimental tpico es que, al distinguir nicamente empresas sanas y fracasadas, se basa en la hiptesis de la exi stencia de un proceso comn, mientras que las empresas parecen seguir diferentes procesos que desembocan en el fracaso (Laitinen, 1991 y 1993). Si la hiptesis subyacente es falsa, existiendo diferentes procesos de fracaso, el xito clasificatorio de un mo delo slo podra reproducirse en muestras con una combinacin de procesos equivalente a la experimental. En el peor de los casos, y en nuestra opinin ms probable, el intento de capturar con un nico modelo diferentes procesos de fracaso ocasionara la el eccin de variables y modelos espurios, invlidos y no fiables en otros contextos.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 66 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

Esta limitacin, sin embargo, no se ha visto reflejada en los ltimos trabajos publicados , que continan utilizando una distincin bsica entre empresas sanas y fracasadas ( ver por ejemplo Balcaen y Ooghe; 2004 y 2007 o Chakraborty y Sharma, 2007). nicamente el trabajo de Jones y Hensher (2007), aunque no llega a proponer distintos procesos de fracaso, utiliza tcnicas multinomial nested logit para la prediccin, obteniendo en su trabajo cuatro categoras finales: sanas, insolventes, quebradas y fusionadas En este sentido, el principal objetivo de este trabajo es proponer un primer paso hacia el desarrollo de un nuevo diseo experimental, que permita reconocer diferentes p rocesos o sndromes de fracaso empresarial. Para ello, analizamos un conjunto de PYMES fracasadas. El estudio se centra en PYMES dada la enorme importancia de este tipo de empresas en el tejido empresarial espaol. Como punto de partida terico para el a nlisis de las PYMES fracasadas empleamos, con ligeras variaciones, la concepcin de fracaso de Beaver (1966). Para Beaver, la empresa es una reserva de activos lquidos, en la que hay flujos de entrada y de salida de tesorera. La reserva sirve como colchn que permite salvar diferencias temporales entre estas entradas y salidas. En estos trminos, la solvencia se define en funcin de la probabilidad de que la reserva se agote hasta un punto en el que la empresa sea incapaz de atender a sus obligaciones al vencimiento. Nuestra concepcin establece que el fracaso financiero se produce cuando el deudor es incapaz de atender a sus compromisos. Puesto que cualquier acreedor estara dispuesto a aplazar el cobro de una deuda (o a conceder un prstamo) si se le compensa suficientemente y se le garantiza el reembolso, podra decirse que las empresas no fracasaran si los agentes externos confiasen en su capacidad para cumplir con sus compromisos en el futuro. Esto sera cierto incluso cuando parte de los acreedore s prefiriesen cancelar sus crditos, ya que la empresa siempre podra recurrir a los que siguen confiando en ella. Las expectativas favorables no slo aumentaran la capacidad de endeudamiento, tambin atraeran a los inversores. Por lo tanto, el fracaso f inanciero slo se producira al deteriorarse la confianza de los agentes externos. En nuestra opinin, esta confianza se basa en los siguientes datos: ? El patrimonio neto. La diferencia entre el activo real y el pasivo es la ltima garanta del cumplimiento de las obligaciones con los acreedores. Las expectativas de prdidas degrada esta garanta. Se consideraran variables representativas de esta garanta el valor del patrimonio neto, ratio patrimonio neto / activo total y la rentabilidad. Los activos extra funcionales actuales, los fondos generados esperados y la capacidad de captar financiacin adicional (de inversores y acreedores). Todos ellos constituyen recursos que pueden ser empleados para atender los compromisos representados por la financiacin ajena no espontnea, las previsibles inversiones necesarias de renovacin o ampliacin y el aumento previsto del capital circulante tpico. Se consideraran variables representativas de estos recursos y compromisos: la cifra de fondos generados ordinarios, el r atio (financiacin ajena no espontnea - activos extrafuncionales)/fondos generados ordinarios (tras impuestos), el ratio amortizacin acumulada/inmovilizado amortizable (indicador de la necesidad de inversiones de renovacin) y el incremento esperado del capital circulante tpico. Dada la importancia de las deudas no espontneas, se consider que la cobertura de los gastos financieros (BAIT/gastos financieros) era una variable que proporcionaba informacin sobre la garanta del cobro del servicio de la deu da.

Esta concepcin del fracaso no impide que el proceso de degradacin de las garantas pueda producirse de mltiples formas.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 67 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

2. SELECCIN DE LA MUESTRA DE EMPRESAS FRACASADAS El estudio se realiza en un contexto espaol. La informacin se obtuvo a partir de los datos contenidos en las bases de datos de Baratz y SABI. Para formar parte de la muestra de empresas fracasadas, se exigieron los siguientes requisitos: 1. La suspensin de pagos debi solicitarse al menos 3 aos antes de la realizacin del estudio, con el fin de poder contar con una empresa sana de caractersticas similares para la que se tuviera la certeza de inexistencia de fracaso posterior durante un periodo razonable. 2. Deba disponerse de datos contables de los tres ejercicios publicados i nmediatamente antes de la suspensin de pagos. Para asegurar la calidad de la informacin disponible, exigimos la disponibilidad de los informes de auditora y se desecharon las empresas con opiniones denegadas o informes negativos (datos no fiables). 3. Inexistencia de otras suspensiones de pagos, quiebras o interrupciones de actividad de la sociedad anteriores a la suspensin de pagos que se estudia. El objetivo de este requisito es evitar la contaminacin de la muestra, lo que se producira si no pudisemo s identificar sin error el momento en el que se produce el fracaso. 4. Tamao suficientemente grande para ser auditadas (lo que proporciona una informacin 1 de suficiente calidad y fiabilidad), pero sin exceder los lmites europeos para PYMES . Dado que la investigacin reciente (Abad et al 2003) indica que las salvedades valoradas provocan diferencias significativas en las magnitudes utilizadas en el anlisis financiero, se utilizaron los datos ajustados para aquellos casos con salvedades valoradas en el i nforme de auditora. Cada empresa fracasada se emparej con una sana del mismo sector (primeros cuatro dgitos del CNAE93), tamao similar (medido por activo total y cifra de negocios) con estados contables auditados sin salvedades y que no hubiesen frac asado en los tres ejercicios siguientes al ltimo empleado en la comparacin. Se identificaron 36 parejas de empresas que cumpliesen todas estas condiciones. 3. ANLISIS EMPRICO 3. 1. A NLISIS DE CASOS Y A GRUPAMIENTOS: SNDROMES Para cada empresa, se c alcul un conjunto de variables y ratios sobre la informacin proporcionada en los tres aos anteriores a la fecha suspensin (ver anexo). Estas variables cubran informacin sobre rentabilidad, solvencia y liquidez, etc. Como paso posterior, el equipo de investigadores, con un grado elevado de conocimiento de anlisis financiero, analiz cada caso particular obteniendo un conjunto de informes en el que, para cada firma , se resaltaba la situacin actual, su evolucin pasada y las variables principales que e xplicaban dicha evolucin. Los analistas, siguiendo un procedimiento similar al diagnstico mdico, se centraron en la bsqueda de los sntomas que pudiesen explicar la evolucin de la firma hacia el fracaso y que pudiesen discriminar diferentes proceso s. La ventaja de este procedimiento, particularmente

Segn la r ecomendacin de la Comisin de la Unin Europea de 6 de mayo de 2003, basndose en la Carta de la Pequea Empresa emitida en el Consejo Europeo de Santa Mara da Feira en junio de 2000, con entrada en vigor el 1 de enero de 2005, PYME es la unidad econmica con personalidad jurdica o fsica que ren e los siguientes requisitos : menos de 250 empleados y alguno de los siguientes: facturacin igual o menor de 50 millones de euros o total de balance igual o menor a 43 millones de euros.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 68 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

cuando no existe conocimiento previo sobre los sndromes, es que permite prestar atencin a detalles significativos que las tcnicas estadsticas al uso ignoraran. El anlisis de los informes confirm que las empresas no presentaban situaciones similares ni seguan un proceso comn. Para un porcentaje considerable de las empresas (cercano al 50%) el fracaso poda predecirse utilizando las medidas ms usuales, dado que presentaban flujos de fondos negativos que desembocaban en cifras muy bajas, o negativas, de fondos propios. Sin embargo, el resto de las empresas no presentaban las mismas caractersticas. Un segundo anlisis sobre este conjunto de empresas, centrndose en variables menos utilizadas, perm iti averiguar que un porcentaje superior al 25% de las empresas sufran una sbita degradacin de la cobertura de deudas tras un periodo de inversiones significativas financiadas con pasivos. Por ltimo, un grupo algo ms reducido de empresas mostraban un a situacin relativamente estable, aunque la rentabilidad y las coberturas de pasivo mostraban valores muy bajos. Una vez que los diferentes grupos se haban identificado en trminos generales, se obtuvieron reglas de adscripcin ms detalladas que definieran y permitieran la clasificacin de un caso a un sndrome concreto. La aplicacin estricta de estas reglas de adscripcin permiti la clasificacin inmediata de dos tercios de los casos en tres grupos, cuyos componentes tenan un comportamiento homogneo dentro del grupo y distinto al de los elementos incluidos en los otros dos. Estos grupos son: Agujero negro (10 casos, 28%). Son empresas con fondos generados ordinarios negativos en, al menos, dos de los tres aos anteriores a la suspensin, mostrando una situacin financiera muy dbil. El ltimo ao el patrimonio neto se hace negativo o muy pequeo (el ratio activo total / pasivo es inferior a 1,25 y este exceso puede ser consumido sustancialmente si las prdidas del ltimo ejercicio se repiten). Las p rdidas ordinarias que sufren degradan de forma evidente la garanta proporcionada por el patrimonio neto. A pesar de ello, el patrimonio neto no siempre muestra una tendencia decreciente, pues las empresas de este grupo amplan capital, revalorizan activo s o realizan resultados extraordinarios. No obstante, todos estos recursos son devorados rpidamente por las prdidas ordinarias. En nuestra opinin, estas empresas pueden ser detectadas y deben ser evitadas. Crecimiento fracasado (10 casos, 28%). En los ltimos ejercicios el activo crece significativamente (media anual superior al 10%). Este crecimiento se financia con un incremento significativo de la financiacin ajena no espontnea. Los fondos generados, sin embargo, no crecen o lo hacen slo puntualme nte, cayendo finalmente por debajo del punto de partida. Como consecuencia, las coberturas de intereses y de la financiacin ajena no espontnea se degradan significativamente. La empresa es incapaz de atender los vencimientos de la deuda. A diferencia del grupo anterior, los fondos generados ordinarios y los resultados (tanto los ordinarios como los netos) son tpicamente positivos durante los tres aos analizados. La probabilidad de fracaso en las empresas de este grupo es difcil de detectar con mucha antelacin, pues el deterioro de la situacin financiera se hace patente uno o, a lo sumo, dos ejercicios antes de la suspensin de pagos. Es nuestra opinin, el nico indicio del riesgo incurrido por estas empresas es el implcito en el rpido incremento d e tamao. En esta situacin, el decisor debera: a) vigilar con especial atencin la evolucin financiera de las empresas con crecimientos excesivamente rpidos, b) diversificar las inversiones en empresas en crecimiento y/o c) elevar la prima por riesgo e n las empresas con estas caractersticas. Revs (3 casos, 8%). Las empresas de este grupo son poco rentables (las rentabilidades econmicas nunca excedieron en ms de dos puntos al coste medio del pasivo) y con coberturas de financiacin ajena no espont nea e intereses muy pequeas. En el ltimo

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 69 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

ejercicio sufren importantes prdidas que superan los beneficios acumulados de los ltimos ejercicios y hacen que los fondos generados ordinarios sean negativos. Las empresas de este grupo, al igual que las del g rupo crecimiento fracasado, hasta el ao antes de la suspensin de pagos han tenido beneficios. La diferencia estriba en la estabilidad que han mostrado las cifras de activo (fuerte crecimiento en el grupo anterior) y la situacin financiera de partida (ms dbil en las de este grupo). Puesto que el nmero de casos agrupados es muy pequeo, las caractersticas de este grupo deben entenderse tentativas. En estas empresas, la probabilidad de fracaso era fcil de intuir varios ejercicios antes de la suspens in de pagos, debido a las escasas coberturas de intereses y del pasivo no espontneo. No obstante, la obtencin de beneficios y la relativa estabilidad de los datos en los aos 3 y 2, que en nada presagiaban una degradacin de la situacin, hacen que sea difcil anticipar el momento del fracaso o considerar ste como una situacin inevitable. En esta situacin, el decisor debera evitar las empresas con bajas coberturas de intereses y pasivos no espontneos, al menos cuando no muestran evoluciones favorables. Quedaron sin agrupar 13 empresas (un tercio de la muestra) que, aunque presentaban rasgos muy similares a los grupos reseados, incumplan alguna caracterstica para ser incluidos en ellos. Ninguna de ellas mostr comportamientos contrarios a nuestr a teora del fracaso. Respecto a los informes de auditora, el 83% de las dudas por continuidad las recibieron empresas agujero negro (60%) o similares (23%) . Se consideraron similares a agujero negro aquellas empresas que, excepto uno, cumplan todos los requisitos para ser incluidas en el grupo agujero negro. La concentracin de las dudas por continuidad en este grupo es muy destacable ya que, en conjunto, slo representan el 40% de las empresas de la muestra. 3.2. A NLISIS CONFIRMATORIO: REGRESIONES NOMINALES Para validar estadsticamente la clasificacin terica realizada en el anlisis de casos, utilizamos regresiones nominales (multilogit ). Las regresiones nominales generan un conjunto de n-1 modelos, sobre un total de n categoras. Cada mo delo permite el clculo de la probabilidad de que un elemento pertenezca a la categora modelizada frente a la de referencia. En nuestro caso, contamos con cuatro posibles categoras no ordenadas: empresas sanas (categora de referencia) y las tres corres pondientes a empresas fracasadas agujero negro, crecimiento fracasado y revs. Para la seleccin de las variables independientes partimos del conjunto de variables relevantes para la definicin de los sndromes en el estudio de casos, filtrando los ratios de contenido redundante2. Las variables seleccionadas fueron las siguientes: V14: Incremento de Fondos Generados V15: (Financiacin Negociada Corto Plazo + Otra Financiacin (Sin Coste Explcito) Corto Plazo- Activos Extrafuncionales)/FGO (Tras Impuestos) V23: Incremento de Activo Total V26: Patrimonio Neto / Activo Total V33: BAIT / Gastos Financieros por Intereses V61: Rentabilidad Econmica - Coste Medio Pasivo

Las tcnicas basadas en regresiones logsticas son muy sensibles a la existencia de problemas de multicolinealidad, de forma que, si se introducen como variables independientes dos que estn fuertemente correlacionadas entre s, los parmetros estimados suelen aparecer compensados entre s, careciendo de sentido econmico.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 70 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

Los estadsticos descriptivos correspondientes a estas variables, segmentados por d fracaso y cat egora se muestran en la tabla I. T ABLA I D ESCRIPTIVOS POR CATE GORA AO
Panel A, ao t-1 Categora Sana V14 0,1315 0,2299 -0,3100 1,1700 36 0,2293 0,7444 -0,3100 2,2900 10 0,0763 0,3772 -0,2400 1,0500 10 -0,0605 0,1665 -0,2100 0,1200 3 V14 0,1183 0,1619 -0,2900 0,5000 36 0,7512 2,4439 -0,4400 7,6900 10 0,1808 0,1721 -0,0700 0,4800 10 -0,0138 0,0734 -0,0800 0,0700 3 V15 6,8554 18,4462 0,0000 109,3500 36 856,7841 315,6477 15,0600 962,0000 9 316,0939 446,6908 8,8400 962,0000 10 962,0000 0,0000 962,0000 962,0000 2 V15 6,7951 18,5983 0,0000 110,0000 36 962,0000 0,0000 962,0000 962,0000 9 117,7500 298,1172 2,7900 962,0000 10 25,9387 23,2677 11,7100 52,7900 3 V23 0,1263 0,2042 -0,2800 0,9000 36 0,0399 0,2324 -0,3300 0,3900 10 0,2425 0,4254 -0,3700 1,1100 10 -0,1210 0,0471 -0,1600 -0,0700 3 V23 0,1686 0,2429 -0,2600 0,8600 36 0,2094 0,3263 -0,1600 0,9000 10 0,4108 0,4051 0,0400 1,4600 10 0,1808 0,1282 0,1000 0,3300 3 V26 0,4205 0,2253 0,0478 0,9484 36 0,0064 0,1458 -0,3078 0,1639 10 0,1192 0,0817 -0,0166 0,2557 10 0,0440 0,1624 -0,1402 0,1668 3 V26 0,4236 0,2252 0,0232 0,8799 36 0,0977 0,3419 -0,4795 0,6490 10 0,1919 0,1045 0,0246 0,3388 10 0,1450 0,1582 -0,0281 0,2822 3

istancia al

Aguj. negro

Crec. fracasado

Revs

Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N

V33 233,5755 1079,7303 -23,1890 6367,6000 36 -4,1340 7,4582 -23,9879 0,3031 10 0,5408 1,3680 -2,3045 2,1555 10 -2,1877 2,4194 -3,8450 0,5887 3 V33 618,3909 3580,6875 -2,1339 21504,5000 36 -3,3250 4,6698 -13,4685 0,0379 10 1,4368 0,8139 0,2115 3,0219 10 1,1492 0,1388 1,0540 1,3084 3

V61 0,0510 0,0667 -0,0500 0,2300 36 -0,2212 0,1682 -0,4900 -0,0300 10 -0,0359 0,0694 -0,1800 0,0200 10 -0,2640 0,1630 -0,3700 -0,0800 3 V61 0,0703 0,0863 -0,1200 0,3000 36 -0,2065 0,2039 -0,7600 -0,0200 10 0,0001 0,0293 -0,0600 0,0400 10 -0,0040 0,0131 -0,0200 0,0100 3

Panel B, ao t-2 Categora Sana

Aguj. Negro

Crec. Fracasado

Revs

Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 71 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

TABLA I (CONT. )
Categora Sana V14 0,1455 0,2052 -0,2900 0,7900 33 0,2939 0,8197 -0,1400 2,5500 10 0,3291 0,5905 Panel C, ao t-3 V15 6,9093 19,1775 0,0000 110,0000 36 643,1218 478,3399 0,0000 962,0000 9 6,0894 7,8426 V23 0,1716 0,2179 -0,2500 1,0300 33 0,0332 0,2060 -0,4100 0,2200 10 0,1515 0,1879 V26 0,4044 0,2338 0,0300 0,8908 36 0,3367 0,2750 -0,0045 0,8485 10 0,2324 0,1558 V33 10,8092 15,3765 -0,4562 67,0109 36 -7,2140 18,6815 -59,9155 1,2897 10 3,2784 4,1540 V61 0,0448 0,0726 -0,0800 0,2500 36 -0,2170 0,2320 -0,7800 0,0100 10 0,0239 0,0395

Aguj. negro

Crec. fracasado

Media Desviacin Est. Mnimo Mximo N Media Desviacin Est. Mnimo Mximo N Media Desviacin Est.

El primer modelo que presentamos se obtuvo empleando las variables anteriores y c todas las observaciones empresa-ao como independientes.

onsiderando

La tabla II presenta los tres (n -1) modelos, en los que la categora de empresa sana es la referencia. As, cada modelo proporciona, para un caso determinado, la probabilidad de que pueda considerarse que la empresa est aquejada de un sndrome concreto, teniendo como alternativa que pertenezca a la categora de referencia (sana). Estos modelos no son mutuamente excluyentes, lo que quiere decir que pueden indicar una probabilidad alta de que una empresa forme parte de ms de un grupo de fracaso. Una empresa es considerada como sana cuando la probabilidad de pertenecer a alguna de las categoras es inferior al 50%. En caso contrario, es asignada a la categora a la que pertenece con mayor probabilidad. La interpretacin de los parmetros B no es tan inmediata como en una regresin lineal (ver Greene, 1997, 787 y ss.), aunque el sentido de la relacin (signo) s es idntico.

MODELO MULTILOGITA
Panel A, Aguj ero negro B Intercepto V14 b V15 V23 V26 V33 V61 Panel B, Crecimiento Fracasado B Intercepto V14 V15 V23 V26 V33 V61

TAB LA II PARA TODOS LOS CASO S EMPRESA -AO

Error estnd. Wald 1,655 ,651 1,843 ,184 7,890 ,254 8,033 Wald ,353 ,191 ,983 3,429 12,518 1,055 2,358 Sig ,552 ,662 ,321 ,064 ,000 ,304 ,125 Sig ,198 ,420 ,175 ,668 ,005 ,614 ,005 ,934 1,185 ,004 1,826 2,619 ,149 10,807 Error estnd.

-1,202 ,956 ,005 ,783 -7,356 -,075 -30,630

,340 ,430 ,004 2,227 -6,147 -,047 -12,663

,572 ,985 ,004 1,202 1,737 ,046 8,247

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 72 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

T ABLA II (CONT.)
Panel C, Revs B Intercepto V14 V15 V23 V26 V33 V61 Pseudo R2 Nagelkerke ,850
a b

Error estnd. -,065 -2,921 ,002 ,760 -8,554 -,063 -29,599 ,773 2,181 ,004 1,884 2,710 ,131 10,912

Wald ,007 1,794 ,154 ,163 9,965 ,232 7,358

Sig ,933 ,180 ,695 ,687 ,002 ,630 ,007

La categora de referencia para los modelos Logit es sana. V14: Incremento de Fondos Generados V15: (Financiacin Negociada Corto Plazo + Otra Financiacin (Sin Coste Explcito) Corto Plazo - Activos Extrafuncionales)/FGO (Tras Impuestos) V23: Incremento de Activo Total V26: Patrimonio Neto / Activo Total V33: BAIT / Gastos Financieros por Intereses V61: Rentabilidad Econmica - Coste Medio Pasivo

De los resultados, se desprende que las empresas con el sndrome agujero negro se distinguen de las sanas bsicamente por las variable V26 y V61, de forma que es ms probable clasificar a una empresa como fracasada agujero negro cuanto menor sea el ratio patrimonio neto/activo total y cuanto menor sea la diferencia entre la rentabilidad econmica y el coste medio del pasivo. Para el sndrome de crecimiento fracasado, las variables ms significativas son la V23 (crecimiento del activo) y, de nuevo, la V26 (patrimonio neto/activo total). Para el ltimo sndrome, revs, las variables ms significativas son, de nuevo, la V26 y la V61. El grado de ajuste puede considerarse satisfactorio (pseudo R2 de Nagelkerke 85%). En la tabla III se compara la categora pronosticada por el modelo con la asignada a priori, tomando todas las observaciones a un tiempo. Como puede observarse, el porcentaje global de aciertos es del 80%. Especialmente destacable es el hecho de que el modelo clasifica correctamente el 95% de las observaciones empresa -ao sanas y un 81% de las observaciones correspondientes al sndrome agujero negro. El grado de acierto es muy inferior para los otros sndromes (crecimiento fracasado y revs) siendo pronosticadas como sanas en un nmero elevado de ocasiones.

TABLA III PREDICCIN FRENTE A C LASIFICACIN A PRIORI PARA TODOS LOS CASOS EMPRESA-AO Prediccin total empresas - ao Observado Aguj. Negro Cto. fracasado Revs Sana A. negro 22 2 2 1 16,3% Cto.frac. 3 14 2 3 13,3% Revs 1 0 1 1 1,8% Sana 1 14 3 96 68,7% Aciertos 81,5% 46,7% 12,5% 95,0% 80,1%

Aunque la distancia al fracaso es un dato desconocido para el decisor, consideramos que a efectos ilustrativos permite apreciar el diferente comportamiento de las empresas segn el grupo al que se adscriben, y por ende la posibilidad de predecir este comport amiento. Por ello, realizamos una nueva estimacin del modelo segmentado los datos por distancia al fracaso. La

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 73 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

comparacin de la categora asignada por el modelo con la categora a tabla IV .

priori se muestra en la

TABLA IV PREDICCIN FRENTE A C LASIFICACIN A PRIORI POR DISTANCIA AL FR ACASO Panel A (t-1) Observado Aguj. Negro Cto. fracasado Revs Sana Panel B (t-2) Observado Aguj. Negro Cto. fracasado Revs Sana Panel C (t-3) Observado Aguj. Negro Cto. fracasado Revs Sana A. negro 7 0 0 2 16,4% Cto.frac. 1 3 0 1 9,1% A. negro 9 0 0 0 15,8% Cto.frac. 0 8 1 1 17,5% A. negro 8 0 0 0 14,8% Cto.frac. 1 10 0 0 20,4% Prediccin t -1 Revs 0 0 2 0 3,7% Prediccin t -2 Revs 0 0 1 1 3,5% Prediccin t -3 Revs 0 1 1 0 3,6% Sana 1 6 2 30 70,9% Aciertos 77,8% 30,0% 33,3% 90,9% 74,5% Sana 0 2 1 33 63,2% Aciertos 100,0% 80,0% 33,3% 94,3% 89,5% Sana 0 0 0 33 61,1% Aciertos 88,9% 100,0% 100,0% 100,0% 98,1%

El xito clasificatorio vara sustancialmente segn la distancia al fracaso. En trminos ge nerales, el nivel de acierto en la prediccin de empresas sanas y agujero negro es constantemente alto (entre el 90% y el 100% de xito clasificatorio para las sanas, slo una empresa agujero negro es clasificada como sana en el ao -3). Igualmente los gra dos de ajuste son bastante buenos (pseudo R 2 de Nagelkerke oscilan entre el 70% y el 96%). Para los sndromes crecimiento fracasado y revs, el porcentaje de pronsticos acertados, en fechas alejadas del momento del fracaso, es discreto. Aunque aumen ta al 100%, para ambos grupos en el ao -1. Este resultado es razonable, ya que las caractersticas implcitas en la misma definicin de estos dos sndromes conllevan la dificultad de su deteccin temprana, confundindose con empresas sanas con cierta frec uencia. En este sentido, no obtener las mismas tasas de xito para stas empresas no supone un resultado contrario a nuestra teora del fracaso. Al contrario, estos dos ltimos sndromes se caracterizan por el hecho de que sus indicadores son los de empres as relativamente normales hasta muy poco antes del fracaso. Es particularmente destacable el porcentaje de aciertos en el ao -1, que estrictamente es del 98%, pero que slo tiene un error confundiendo de sndrome una empresa, que, de todas formas, es clasificada como fracasada.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 74 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

Estos resultados indican que las empresas sanas y las agujero negro pueden ser detectadas con una tasa de xito bastante alta y con suficiente antelacin. Sin embargo, las empresas revs y crecimiento fracasado slo son detectables 1, a lo mximo 2 aos, antes de su fracaso.

4. CONCLUSIONES El principal objetivo de este trabajo ha sido la identificacin inicial de diferentes sndromes conducentes al fracaso empresarial. Esta identificacin se ha realizado analizando caso por c aso un conjunto de PYMES fracasadas en busca de las causas concretas ya que consideramos que en la coyuntura econmica actual resulta de vital importancia contar con mecanismos para la deteccin temprana del fracaso en estas empresas. Como resultado se id entifican tres procesos sustancialmente distintos en la forma en que se genera la situacin de fracaso y en las variables que permiten un diagnstico. Agujero negro Crecimiento fracasado Revs

A diferencia de las empresas agujero negro, la posi bilidad de fracaso en las empresas crecimiento fracasado es difcil de detectar con mucha antelacin, pues el deterioro de la situacin financiera se hace patente uno o, a lo sumo, dos ejercicios antes del fracaso. E n nuestra opinin, el nico indicio de l riesgo incurrido por estas empresas es el implcito en el rpido incremento del tamao. En esta situacin, el decisor debera: a) evitar las empresas con crecimientos excesivamente rpidos, b) diversificar las inversiones en empresas en crecimiento y/o c ) elevar la prima por riesgo en las empresas con estas caractersticas. En las empresas revs, la probabilidad de fracaso era fcil de intuir varios ejercicios antes de la suspensin de pagos, debido a las escasas coberturas de intereses y del pasivo no espontneo. No obstante, la obtencin de beneficios y la relativa estabilidad de los datos en los aos 3 y 2, que en nada presagiaban una degradacin de la situacin, hacen difcil anticipar el momento del fracaso, incluso considerarlo inevitable. En es ta situacin, el decisor debera evitar las empresas con bajas coberturas de intereses y pasivos no espontneos, al menos cuando no muestren evoluciones favorables. Para validar la clasificacin a priori se realizaron regresiones nominales. Las variables independientes que aparecen como significativas en los modelos son coherentes con la descripcin de los diferentes sndromes y se obtuvo un porcentaje de aciertos elevado en la identificacin de empresas sanas y agujero negro. Los errores de clasificacin para estos grupos se concentran en el ao ms alejado. Estos resultados confirman nuestras hiptesis sobre los procesos de fracaso, en la medida en que los resultados soportan la existencia de diferencias empricas entre los diferentes subgrupos de empresas fracasadas. Los resultados muestran un xito clasificatorio muy diferente segn la categora. Mientras que para las empresas sanas y la categora agujero negro las tcnicas permiten una clasificacin casi perfecta, para los otros (crecimiento fracas ado y revs) el xito clasificatorio se limita al ejercicio anterior al fracaso, confundindose con frecuencia con empresas sanas. Esto no debe verse como un resultado contrario a nuestra teora del fracaso, sino al contrario; dado que estas empresas son sanas y muestran indicadores relativamente normales hasta muy poco antes del fracaso.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 75 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

La identificacin de diferentes sndromes tiene importantes implicaciones para la investigacin y la toma de decisiones. Respecto a la investigacin, al identificar pr ocesos claramente diferenciados (I) pone en tela de juicio la validez del diseo experimental seguido hasta ahora, que slo distingue empresas sanas y fracasadas y (II) es el primer paso para avanzar siguiendo un diseo experimental distinto, que mejore o ample la clasificacin propuesta, o proponga modelos de prediccin basados en diferentes herramientas estadsticas o de inteligencia artificial. Respecto a la toma de decisiones, (I) permite distinguir entre empresas que pueden ser fcilmente identificadas y deben ser evitadas (agujero negro) y empresas en la que los riesgos deben ser diversificados (crecimiento fracasado) y (II) proporciona la oportunidad de desarrollar sistemas de apoyo a la decisin basados en reglas. El empleo de modelos multinomia les, o de cascadas de modelos logsticos, en los que las salidas son probabilidades estimadas de pertenencia a un grupo determinado de empresas fracasadas, puede ser de utilidad para implementar los modelos de calificacin interna previstos en el acuerdo B asilea II. Como posibles extensiones del trabajo, debemos indicar las siguientes: ? aumento de la muestra con una proporcin entre empresas sanas y fracasadas similar a la de la poblacin, ? valoracin de la inclusin (siguiendo a Liu, 2004) de variables ma croeconmicas en el modelo ? valoracin de la incidencia de la calidad de la informacin en la capacidad predictiva del modelo, comparando los resultados obtenidos con informacin de calidad con los obtenidos para empresas no auditadas.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 76 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

5. BIBLIOGRAFA ABAD, C., ARQUERO, J.L. Y JIMNEZ, S.M. (2003): La calidad de la informacin contable de las empresas fracasadas. Boletn AECA. 62, 24-28. ALTMAN, E.I. (1968): Financial ratios, discriminant analysis and the prediction of corporate bankruptcy The Journal of Finance, XXIII, 4, 589-609. ASHTON, R.H. (1982): Human information processing in Accounting. Studies in Accounting Research n 1. American Accounting Association. BALCAEN, S. Y OOGHE, H . (2004): Alternative methodologies in studies on business failu re: do they produce better results than the classical statistical methods?. Working Papers of Faculty of Economics and Business Administration, Ghent University, Belgium from Ghent University, Faculty of Economics and Business Administration BALCAEN, S. Y OOGHE, H. (2006): 35 years of studies on business failure: an overview of the classic statistical methodologies and their related problems. The British Accounting Review, 38, 6393 BEAVER, W.H. (1966): Financial ratios as predictors of failure. Journal of Accounting Research, supplement, 71-127. BEAVER, W.H. (1968): Alternative accounting measures as predictor of failure. The Accounting Review, enero, pp. 113 - 122. BELKAOUI, A. (1980): Industrial bond ratings: a new look. Financial Management , otoo, pp. 44 51. CHAKRABORTY, S Y SHARMA, S.K . (2007): Prediction of corporate financial health by Artificial Neural Network. International Journal of Electronic Finance. Vol. 1, Number 4, Pages: 442 459 GREENE, W. (1997): Econometric Analysis. Prentice Hall, International Edition. HAIR, J. F., ANDERSON, R.E., TATHAM, R. L. Y BLACK, W. C. (1999): Multivariate Analysis . Prentice Hall. JONES, S. Y HENSHER, D.A . (2007). Modelling corporate failure: A multinomial nested logit analysis for unordered outcomes . The British Accounting Review. Vol 39, Issue 1, Pages 89 107. LAFFARGA BRIONES, J. Y MORA ENGUDANOS, A. (2002): La prediccin del fracaso empresarial. El estado de la cuestin en Espaa. En La gestin del riesgo de crdito. Mtodos y modelos de prediccin de la insolvencia empresarial, 25-45. AECA . LAITINEN, E. (1991): Financial ratios and different failure processes. Journal of Business Finance and Accounting, 18, 5, 649 -673. LAITINEN, E. (1993): Financial predictors for different phases of the fa ilure process. Omega, 21, 2, 215-228. LIBBY, R. Y LEWIS, B . (1982): Human information processing research in accounting: the state of the art in 1982. Accounting, Organizations and Society, vol. 7, n 3, pp. 231 -285. LIU, J. (2004) Macroeconomic deter minants of corporate failures: evidence from the UK, Applied Economics , 36:9, pp. 939 945. WILCOX, J.W. (1971): A simple theory of financial ratios as predictors of failure. Journal of Accounting Research, otoo, pp. 389-395. ZAVGREN, C.V. (1983): Th e prediction of corporate failure: the state of the art. Journal of Accounting Literature, vol. 1, pp.1-38.

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2

Jos Luis Arquero Montao, Mara Cristina Abad Navarro y Sergio Manuel Jimnez Cardoso 77 Procesos de fracaso empresarial en PYMES identificacin y contrastacin emprica ________________________________________________________________________________________________

ANEXO : VARIABLES Y RATIOS UTILIZADOS EN EL ANLISIS DE CASOS

V01 V02 V03 V04 V05 V06 V07 V08 V09 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 V21 V22 V23 V24 V25 V26 V27 V28 V29 V30 V31 V32 V33 V34 V35 V36 V37 V38 V39 V40 V41 V42 V43 V44 V45 V46 V47 V48 V49 V50 V51 V52 V53 V54 V55 V56 V57 V58 V59 V60 V61 ACTIVO CIRCULANTE PASIVO CIRCULANTE ACTIVO CIRCULANTE FUNCIONAL ACTIVO EXTRAFUNCIONAL FINANCIACIN NEGOCIADA A CORTO PLAZO FINANCIACIN ESPONTNEA A CORTO PLAZO TESORERA FONDO DE MANIOBRA CAPITAL CIRCULANTE TPICO ACTIVO CIRCULANTE / PASIVO CIRCULANTE (ACTIVO CIRCULANTE-EXIST) / PASIVO CIRCULANTE TESORERA / PASIVO CIRCULANTE FONDOS GENERADOS ORDINARIOS (FGO) (tras impuestos) INCREMENTO DE FONDOS GENERADOS (FINANCIACIN NEGOCIADA CORTO PLAZO + OTRA FINANCIACIN (sin coste explcito) CORTO PLAZO- ACTIVOS EXTRAFUN CIONALES)/FGO (tras impuestos) PERIODO MEDIO DE MADURACIN DE EXISTENCIAS PERIODO MEDIO DE MADURACIN DE CLIENTES PERODO MEDIO DE MADURACIN DE SUMINISTRADORES ANTICIPOS DE CLIENTES / CLIENTES ANTICIPOS A PROVEEDORES / PROVEEDORES (TESORERA + DEUDORES + IFT)/GASTO MEDIO DIARIO ACTIVO TOTAL INCREMENTO DE ACTIVO TOTAL PASIVO PATRIMONIO NETO PATRIMONIO NETO / ACTIVO TOTAL FINANCIACIN NEGOCIADA OTRA FINANCIACIN (sin coste explcito) GASTOS FINANCIEROS POR INTERESES ACTIVO TOTAL / PASIVO (FINANCIACIN NEGOCIADA+ OTRA FINANCIACIN)/FONDOS GENERADOS ORDINARIOS (tras impuestos) (FINANCIACIN NEGOCIADA+ OTRA FINANCIACIN - ACTIVO EXTRAFUNCIONAL)/FONDOS GENERADOS ORDINARIOS (tras impuestos) BAIT / GASTOS FINANCIEROS POR INTERESES AMORTIZACIN ACUMULADA / INMOVILIZADO MATERIAL E INMATERIAL BRUTO DOTACIN A LA AMORTIZACIN / INMOVILIZADO MATERIAL E INMATERIAL BRUTO Y GASTOS DE ESTABLECIMIENTO RESULTADO DEL EJERCICIO RESULTADO ANTES DE IMPUESTOS RESULTADOS ORDINARIOS RESULTADOS EXTRAORDINARIOS RESULTADOS ORDINARIOS ANTES DE GASTOS FINANCIEROS E IMPUESTOS (BAIT) RESULTADO DE EXPLOTACIN RENTABILIDAD FINANCIERA NETA TIPO IMPOSITIVO EFECTIVO RENTABILIDAD FINANCIERA BRUTA RENTABILIDAD FINANCIERA BRUTA ORDINARIA RENTABILIDAD ECONMICA RENTABILIDAD INVERSIONES FINANCIERAS RENTABILIDAD ACTIVIDADES TPICAS MARGEN SOBRE VENTAS ROTACIONES SOBRE ACTIVOS FUNCIONALES (sin activos en curso) PASIVO AJENO/ INVERSIN EN LA EMPRESA COSTE MEDIO DEL PASIVO FINANCIACIN NEGOCIADA / PASIVO AJENO COSTE MEDIO FINANCIACIN NEGOCIADA INCREMENTO DEL RESULTADO DE EXPLOTACIN / INCREMENTO DE VENTAS CONSUMOS GASTOS DE PERSONAL AMORTIZACIN Y PROVISIONES DE TRFICO OTROS GASTOS DE EXPLOTACIN INGRESOS DE EXPLOTACIN RENTABILIDAD ECONMICA - COSTE MEDIO PASIVO

Revista Internacional de la Pequea y Mediana Empresa

Vol.1. n 2