Ratios financieros, análisis discriminante y predicción de firmas en bancarrota

- Intentar una evaluación de este problema: la calidad del análisis de ratios como
técnica analítica (la predicción de firmas en quiebra se utiliza como  caso ilustrativo)

1. Análisis de la razón tradicional

- Antes se utilizaba un tipo de información cualitativa que evalúe solvencia, en contexto
de 1930 concluyeron => empresas en quiebra exhiben significativamente diferentes
ratios de medición en comparación con las firmas que no están en quiebra.
- Análisis de ratios financieros en un contexto de predicción de quiebras => emparejó de
forma individual para empresas en quiebra emparejadas a las que no fracasaron.
- Observando el antes y después de la quiebra se concluye => el análisis de ratios puede
ser útil para predecir la quiebra.
- En general, los índices que miden la rentabilidad, la liquidez y la solvencia
prevalecieron como indicadores más significativos.

2. Análisis discriminante múltiple

- El análisis anterior se presta para una interpretación errónea. Ejemplo: firma con
BAJA rentabilidad o solvencia puede ser considerado como potencial en quiebra. Sin
embargo, debido a su liquidez por encima del promedio, la situación no puede
considerarse grave (hay ambigüedad).
- Se deben aplicar pesos objetivamente a los índices más importantes
- MDA  técnica estadística que se utiliza para clasificar una observación en varios
grupos a priori dependiendo de las características de las observaciones individuales.
- Se utiliza para clasificar y/o hacer predicciones en problemas donde la variable
dependiente aparece en forma cualitativa.
Paso N°1: establecer un grupo de clasificaciones explícito.
Paso N°2: recopilar datos para los objetos en el grupo
Paso N°3: MDA intenta derivar una combinación lineal de estas características que
discrimine “mejor” entre los grupos.
- VENTAJA N°1: considera un perfil completo de características comunes a las firmas
relevantes, así como la interacción de estas propiedades.
- VENTAJA N°2: (principal) al tratar con problemas de clasificación es el potencial de
analizar todo el perfil variable del objeto simultáneamente en lugar de examinar
secuencialmente sus características individuales

3. Desarrollo del modelo

Selección de muestras

- Grupo 1: firmas que presentaron petición en quiebra (no homogéneo en tamaño)

- Grupo 2: muestra pareada de firmas manufactureras seleccionadas de forma
aleatoria estratificadas por la industria y tamaño.
- Las empresas del grupo 2 todavía existían durante el análisis. Para la prueba de
muestra inicial, los datos provienen de los estados financieros con una fecha anterior
al periodo de quiebra. Respecto al grupo del tamaño de activos, no se consideran
empresas pequeñas ni muy grandes.

Selección de variables
 - Tenemos compilados una lista de 22 variables. Las variables se clasifican en 5
categorías estándar de índices (liquidez, rentabilidad, apalancamiento, solvencia y
actividad)
- De las 22 se escogen 5 que hacen el mejor trabajo global en la predicción de la
bancarrota corporativa.
- Entra en evaluación la contribución de todo perfil, y al ser un proceso iterativo, no
permite afirmar que dicha función discriminante sea óptima pero realiza el mejor
trabajo dentro de las opciones.

X1: capital de trabajo / activos totales (wc/ta)

Es una medida del líquido neto de activos de la empresa en relación con la capitalización
total. Es al diferencia entre activo circulante y el pasivo circulante. En general, si una
empresa experimenta pérdidas operativas constantes, tendrá activos circulantes cada vez
más reducidos en relación con el total de activos.

X2: utilidades retenidas / activos totales (re/ta)

Las utilidades retenidas son la cuenta que informa el monto total de las ganancias reinvertidas
y/o pérdidas de una empresa durante toda su vida. Esta cuenta está sujeta a “manipulación”.
La edad de una empresa se considera implícitamente en esta relación.

X3:ganancias antes de intereses e impuestos / activos totales (EBIT/ta)

Medida de la verdadera productividad de los activos de la empresa, independientemente de

cualquier impuesto o factor de apalancamiento. Dado que la existencia última de una empresa
se basa en el poder adquisitivo de sus activos. La insolvencia en el sentido de quiebra ocurre
cuando el total de pasivos excede al total de activos con un valor determinado por el poder
adquisitivo de los activos.

X4: valor de mercado del patrimonio / valor en libros del pasivo total (mve/tl)

La medida muestra cuánto puede disminuir el valor de los activos de la empresa (medido por
el valor de mercado de las acciones más la deuda) antes de que los pasivos exceden a los
activos y la empresa se vuelva insolvente.

X5: ventas / activos totales (s/ta)

Relación financiera estándar que ilustra la capacidad de gestión para hacer frente a las
condiciones competitivas. Debido a su relación única con otras variables, la relación
ventas/activos ocupa el segundo lugar en contribución a la capacidad de discriminacion
general del modelo.

Los coeficientes discriminantes de la ecuación I muestran signos positivos, por lo tanto: cuanto
mayor sea el potencial de quiebra de una empresa, menor es su puntuación discriminante. La
prueba F es la relación de las sumas de los cuadrados.
La prueba de significancia rechaza la H0 de que las observaciones provienen de la misma
población. La esencia del procedimiento es comparar el perfil de una empresa individual con el
de las agrupaciones alternativas. De esta forma, la empresa queda asignada al grupo que más
se le parezca.

4. Resultados empíricos

(1) Muestra Inicial (Grupo 1)

Se examinan dos grupos utilizando datos de un estado financiero antes de la quiebra. Dado
que los coeficientes discriminantes y las distribuciones de grupo se derivan de esta muestra, se
espera un alto grado de clasificación exitosa. El modelo es extremadamente preciso al clasificar
el 95 por ciento de la muestra total correctamente.

(2) Resultados Dos Años Antes de la Quiebra.

La segunda prueba se hace para observar la capacidad de discriminación del modelo para las
empresas utilizando datos de dos años antes de la quiebra. La reducción en la precisión de la
clasificación de grupos es comprensible porque la quiebra inminente es más remota y los
indicios son menos claros. Sin embargo, el 72 por ciento de la asignación correcta es evidencia
de que la bancarrota puede ser previsto dos años antes del evento.

(3) Sesgo potencial y técnicas de validación.

Cuando las empresas solían determinar los coeficientes discriminantes se reclasifican, la

precisión resultante está sesgado hacia arriba por (a) errores de muestreo en la muestra
original y (b) búsqueda parcialidad. La posibilidad de sesgo debido a la búsqueda intensiva es
inherente a cualquier estudio empírico.

(4) Muestra secundaria de empresas en quiebra.

Con el fin de probar el modelo rigurosamente tanto para empresas en quiebra como para las
que no lo están, se introducen dos nuevas muestras. Se añaden 25 firmas. Los resultados aquí
son sorprendentes en el sentido de que normalmente no se esperaría que los resultados de
una muestra secundaria fueran superiores a los de la muestra discriminante inicial (96 por
ciento frente a 94 por ciento). Dos posibles razones son que el sesgo al alza normalmente
presente en las pruebas de muestras iniciales no se manifiesta en esta investigación, y/o el
modelo, como se dijo antes, es algo menos que óptimo.

(5) Muestra Secundaria de Empresas No Concursadas.

¿Qué pasa con las muchas empresas que sufren dificultades temporales de rentabilidad, pero
en realidad no se declaran en quiebra? Prueba rigurosa de la eficacia del modelo discriminante
sería buscar una gran muestra de empresas que han tenido problemas de ganancias y luego
observar los resultados de la clasificación de la MDA. Más del 65 por ciento de estas empresas
habían sufrido dos o tres años de ganancias negativas en los tres años previos a la
presentación de informes. A continuación, las empresas son evaluadas por el modelo
discriminante para determinar su potencial predictivo de quiebra.

Los resultados, ilustrados a continuación, muestran que quince de las sesenta y seis empresas
son clasificados como en quiebra con los cincuenta y uno restantes clasificados correctamente.
Él número de clasificaciones erróneas es en realidad catorce, ya que una de las empresas fue
quiebra dentro de los dos años posteriores al período de datos.

Por lo tanto, el modelo discriminante clasificó correctamente el 79% de las firmas de muestra.
Este porcentaje es aún más impresionante si se tiene en cuenta que estas empresas
constituyen una muestra secundaria de reconocidamente por debajo del promedio actuación.

(6) Precisión predictiva de largo alcance.

Una extensión adecuada, por lo tanto, sería examinar las empresas para determinar la eficacia
general del modelo discriminante durante un período más largo período de tiempo anterior a
la quiebra. Poco se menciona, sin embargo, del verdadero significado de estos resultados de
años anteriores. Hasta ahora, hemos visto que la bancarrota se puede predecir con precisión
para dos años antes de la falla. ¿Qué pasa con los años más remotos?

Para responder a esta pregunta, se recopilan datos de las 33 empresas originales. desde el 3er,
4to y 5to año antes de la quiebra. Uno esperaría sobre una base a priori que, a medida que
aumenta el tiempo de entrega, la relativa capacidad predictiva del modelo disminuiría. Los
índices en cuestión tienen tendencia a deteriorarse a medida que se hace más próxima la
bancarrota. Después del segundo año, el modelo discriminante se vuelve poco confiable en su
capacidad predictiva y, también, que el cambio de un año a otro tiene poca o ninguna
significado.

Trascendencia.

El modelo de predicción es un pronosticador preciso de fallas hasta dos años antes de quiebra
y que la precisión disminuye sustancialmente a medida que el tiempo de entrega aumenta.
Con el fin de investigar las posibles razones que subyacen a estos hallazgos la tendencia en las
cinco variables predictivas se traza sobre una base univariante para cinco años anteriores a la
quiebra.

Las dos conclusiones más importantes de este análisis de tendencias son

(1) que todos de los índices observados muestran una tendencia de deterioro a medida que
se acerca la quiebra y

(2) que el cambio más serio en la mayoría de estas proporciones ocurrió entre el tercer y el
segundo año anterior a la quiebra.
5. Aplicaciones

El uso de un modelo discriminante múltiple para predecir la quiebra ha mostrado varias

ventajas, pero los banqueros. El procedimiento descrito a continuación se puede utilizar para
seleccionar un punto de "corte", o valor Z óptimo, que permite realizar predicciones sin
soporte informático. Al observar aquellas empresas que han sido mal clasificadas por el
discriminante modelo en la muestra inicial, se concluye que todas las empresas que tienen una
puntuación Z de superiores a 2,99 caen claramente en el sector "no en quiebra", mientras que
aquellas empresas que tienen una Z por debajo de 1,81 están todos en bancarrota. El área
entre 1.81 y 2.99 será definirse como la "zona de ignorancia" o "área gris" debido a la
susceptibilidad a errores de clasificación (ver Cuadro I). Como se observan errores en este
rango de valores, no estaremos seguros acerca de una nueva empresa cuyo valor Z se
encuentre dentro de la "zona de la ignorancia". Por lo tanto, es conveniente establecer una
guía para clasificar las empresas en el "área gris".

El proceso comienza con la

1. identificación de observaciones de muestra que caen dentro el rango superpuesto.

Estos aparecen como en la Tabla 6. El primer dígito de la empresa número identifica
el grupo, con los últimos dos dígitos ubicando la empresa dentro el grupo.
2. A continuación, se encuentra el rango de valores de Z que da como resultado el
número mínimo de clasificaciones erróneas.

En el análisis, Z está entre (pero sin incluir) los valores indicados producen las siguientes
clasificaciones erróneas, como se muestra en la Tabla 7. El mejor valor crítico cae
convenientemente entre 2.67-2.68 y por lo tanto 2.675, el punto medio del intervalo, se elige
como el valor Z que discrimina mejor entre las empresas en quiebra y las que no están en
quiebra. Por supuesto, la verdadera prueba de este valor Z "óptimo" es su poder de
discriminación no solo con la muestra inicial, sino también con las muestras secundarias. los
resultados de estas pruebas son incluso ligeramente superiores al trabajo realizado por la
computadora asignaciones, con el beneficio adicional de aplicabilidad práctica.
Evaluación de préstamos comerciales.
Se han dedicado estudios a la función de oferta de préstamo y a la adopción de un modelo
heurístico de préstamo bancario oficial mediante el cual se utilizó un modelo informático
desarrollado para simular la función de oficial de crédito.

Un dispositivo rápido y eficiente para detectar los riesgos crediticios desfavorables podrían
permitir al oficial de crédito evitar decisiones potencialmente desastrosas. El punto
significativo es que el modelo MDA contiene muchos de las variables comunes a la
evaluación de préstamos comerciales y al análisis discriminante se ha utilizado para la
evaluación de préstamos de consumo. Por lo tanto, el potencial presenta mismo para su
utilización en el sector empresarial.

Las variables que son tan importantes como el propósito del préstamo, su vencimiento, el
valor en cuestión, el estado del depósito del solicitante, y el particular características del banco
no se consideran explícitamente en el modelo, la MDA probablemente no debería usarse como
el único medio de evaluación crediticia. Sin embargo, el índice de puntaje Z discriminante se
puede usar como una guía en los esfuerzos para reducir los costos de investigación de los
solicitantes de préstamos. Menos tiempo y esfuerzo sería gastado en empresas cuyo puntaje
Z es muy alto, es decir, por encima de 3.0, mientras que aquellas con puntuaciones Z bajas
indicarían una investigación muy exhaustiva.

Esta política sería aconsejable para el oficial de préstamo que tenía algún grado de fe en el
discriminante enfoque de análisis, pero que no quería que su decisión final dependiera
únicamente de una puntuación numérica. Además, el método sería particularmente eficiente
en el caso de préstamos a corto plazo o préstamos relativamente pequeños donde la
evaluación crediticia normal proceso es muy costoso en relación con los ingresos esperados
del préstamo. Aquí yacen ventajas importantes del modelo MDA: su simplicidad y bajo costo.

Consideraciones de Control Interno y Criterios de Inversión.

Una tarea extremadamente importante de la administración corporativa es evaluar
periódicamente y con honestidad la condición actual de la empresa. Al hacerlo, pueden
reconocerse importantes fortalezas y debilidades y, en este último caso, cambios en las
políticas y acciones por lo general estarán en orden. La sugerencia aquí es que el modelo
discriminante, si se usa correcta y periódicamente, tiene la capacidad de predecir problemas
corporativos lo suficientemente temprano como para permitir que la gerencia se dé cuenta
de la gravedad de la situación a tiempo para evitar el fracaso. Si la falla es inevitable, los
acreedores y accionistas de la empresa pueden estar mejor si una fusión con una empresa
más fuerte empresa se negocia antes de la quiebra.
Las aplicaciones de un pronóstico preciso de quiebra modelo no se limitan a consideraciones
internas o a propósitos de evaluación crediticia. Un predictor eficiente de dificultades
financieras también podría ser una valiosa técnica para descartar inversiones indeseables. El
modelo es básicamente predictivo el analista puede utilizar estas predicciones para
recomendar una política de inversión adecuada. Por ejemplo, las observaciones sugieren que,
si bien los inversores son algo capaces de anticipar caídas en las operaciones resultados de
empresas selectivas, existe una tendencia abrumadora a subestimar la difícil situación
financiera de las empresas que finalmente quiebran. Empresas en la muestra original cuyos
puntajes Z estaban por debajo de la llamada "zona de ignorancia" experimentó una
disminución promedio en el valor de mercado de su común acciones del 45 por ciento desde el
momento en que el modelo predijo por primera vez la quiebra hasta la fecha real de falla (un
período promedio de alrededor de 15 meses).

Si bien los resultados anteriores se derivan de una muestra ciertamente pequeña de firmas
muy especiales, las implicaciones potenciales son de interés. Sí un individuo ya posee acciones
en una empresa cuyo futuro parece sombrío, según el modelo, debería venderlo para evitar
nuevas caídas de precios. La venta seria evitar pérdidas adicionales y proporcionar capital para
inversiones alternativas. Aquellos inversionistas agresivos que buscan oportunidades de venta
corta podrían adoptar una política diferente. Un inversor que utilizara esta estrategia se habría
dado cuenta de una 26 por ciento de ganancia sobre los valores cotizados elegibles para ventas
en corto en la original muestra de empresas en quiebra. En el caso de las grandes empresas,
donde la quiebra ocurre con menos frecuencia, un índice que tiene la capacidad de pronosticar
a la baja los movimientos parecen prometedores. Esto podría ser especialmente útil en el
área de selección eficiente de cartera. Es decir, las empresas que parecen ser muy
susceptibles a las recesiones, de acuerdo con el modelo discriminante, serían rechazadas con
respecto a independientemente de cualquier potencial positivo. Por el contrario, las empresas
que exhiben estos mismos las características a la baja podrían venderse en corto, lo que
permitiría que la cartera gerente a ser más agresivo en sus otras opciones.

6. OBSERVACIONES FINALES

Este artículo busca evaluar la calidad analítica del análisis de razones.

Con el fin de evaluar su rigor potencial, se combinó un conjunto de razones financieras en un

enfoque de análisis discriminante para el problema de la predicción de la quiebra empresarial.
La teoría es que las razones, si se analizan dentro de un marco multivariado, adquirirán mayor
importancia estadística que la técnica común de comparaciones secuenciales de razones.

El modelo de razón discriminante demostró ser extremadamente preciso para predecir

quiebra correctamente en el 94 por ciento de la muestra inicial con el 95 por ciento de todas
las empresas de los grupos en quiebra y no en quiebra asignadas a su clasificación de grupos.
Además, la función discriminante fue precisa en varias muestras secundarias introducidas para
probar la confiabilidad del modelo. Se corrobora la investigación de los movimientos de la
relación individual antes de la quiebra los hallazgos del modelo de que la bancarrota se puede
predecir con precisión hasta dos años antes de la falla real con la precisión disminuyendo
rápidamente después del segundo año. Una limitación del estudio es que las empresas
examinadas eran todas corporaciones manufactureras que cotizan en bolsa para las cuales se
pudieron obtener datos, incluidas las cotizaciones de precios de mercado.