151 ❏Proponer un nuevo modelo de análisis de Estados Financieros, consecuencia del estudio de

patrones y correlación de datos.

❏Desarrollar una metodología específica para sustentar el grado de certeza asignado al modelo obtenido.

Actividades básicas del proyecto

Desde el año 2005 la S.E.C. (Securities and Exchange Commission) de Estados Unidos ha recibido por medio del sistema EDGAR (Electronic Data Gathering, Analysis, and Retrieval System) los Estados Contables de las empresas que regula, codificados por medio del lenguaje XBRL (eXtensible Business Reporting Language). Al 31 de julio de 2016 se cuenta con aproximadamente unas 187.000 presentaciones, que, al estar parametrizadas en formato XBRL constituyen un destacado repositorio de datos, para poder aplicar técnicas de análisis de predictibilidad, y de medición de performance de gestión empresarial.

El proyecto SECBI (Business Intelligence sobre información de SEC) prevé las siguientes actividades vinculadas al logro de sus objetivos:

Actividades vinculadas al análisis y formulación de modelos:

❏Evaluación de modelos de predictibilidad de quiebras empresariales.

❏Verificación de dichos modelos por medio de uso de datos actuales extraídos de la información que facilita la SEC (muestra acotada de datos).

❏Evaluación y análisis de desvíos e índices de certeza de los modelos.

❏Verificación de modelos aplicándolos sobre muestras de tamaño masivo de datos. Evaluación, y análisis de desvíos.

❏Proposición de nuevos modelos o cambios en los existentes.

Rosa S. Campanaro, Daniel J. Díaz, Luciano Gardenal, Alicia G. Marchese

152

Actividades vinculadas al área de IT

❏Gestión de descarga desde el RSS (Really Simple Syndication) de la SEC de las presentaciones realizadas por empresas reguladas.

❏Conversión de formatos XBRL a JSON.

❏Almacenamiento local en File Systems y en BD NoSQL (MongoDB).

❏Gestión de interacción entre el repositorio MongoDB y BD relacional (MySQL y otras).

❏Gestión de técnicas de análisis y minería de datos por medio de entorno de programación R Desde el enfoque de tareas a realizar vinculadas con el ámbito de análisis y formulación de modelos de predictibilidad de quiebras y eficiencia empresarial, se ha procedido a evaluar los siguientes modelos

Predictibilidad de quiebras empresariales

Modelos de Beaver, Altman, Deakin, Olshon, Taffler, Zavgren

Encontramos gran cantidad de trabajos de diferentes autores que han propuesto distintos modelos de predictibilidad de quiebras. De los cuales, seleccionamos para profundizar algunos de mayor trascendencia

William Beaver1_{, 1966-1968, se basa en modelos univariables y en investigar la capacidad}

predictiva de los ratios financieros. Se focalizó en la búsqueda de un único ratio, que tuviera la mejor capacidad de predicción.

Esta focalización también significó su punto débil, dando paso a investigar el desarrollo nuevos modelos utilizando dos o más ratios y la idea de modelos multivariantes, que Altman utilizó por primera vez.

1 Ibarra Mares, Alberto (2001). Análisis de las dificultades financieras de las empresas en una economía emergentes: Las bases de datos y las variables independientes en el sector hotelero de la bolsa mexicana de valores. (2001), págs. 33-39.

Análisis de estados contables aplicando XBRL y herramientas de inteligencia de negocios

153

Edward Altman2_{, 1968, ha venido recibiendo revisiones y adecuaciones, es sin dudas uno de los}

más difundidos en los ámbitos académicos, financieros y empresariales. Se diferenció de otros trabajos de análisis de quiebra por utilizar modelos predictivos (detectar probables situaciones de insolvencia/quiebra) en lugar de modelos descriptivos o explicativos de las quiebras y cambiar la técnica estadística base del modelo, utilizando un análisis discriminante múltiple (MDA - Multiple Discriminant Analysis).

EdwardDeakin3_{, en los años 70, desarrolló un modelo alternativo de fracaso empresarial,}

considerando el modelo univariable de Beaver y contrastándolo con el modelo multivariable de Altman.

Utilizó para sacar conclusiones el denominado scaled vector y el spearman Rank order.

James Ohlson4_{, en 1980 realiza un nuevo estudio de predictibilidad de quiebras y concluye con}

algunas aseveraciones de los modelos anteriores al suyo, que pueden llegar a ser cuestionables, como que el modelo Altman asume que los ratios analizados presentan distribuciones normales, o que los errores de clasificación son tratados con carácter aditivo, y se considera que el mejor modelo es el que “minimiza” la suma de porcentajes de error.

Richard Taffler5_{, 1983, su modelo está basado en los trabajos que se habían desarrollado hasta}

esa fecha en el Reino Unido. Su principal aporte consiste en separar los modelos de las empresas manufactureras de las empresas de distribución. Trata de explorar la utilidad del punto de corte de la técnica discriminante y determina de qué manera las técnicas de las Z-Scores podían ser utilizadas en ese momento en el Reino Unido.

Christine Zavgren6_{, 1985, su investigación tenía por objetivo reducir el número de variables}

utilizadas en los modelos anteriores. Consideró que determinar la probabilidad de quiebra era más importante que llegar a determinar la quiebra o no quiebra.

2 Altman Edward I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate.

3 Deakin, Edward B. (1972). “Discriminant Analysis of Predictors of Business Failure”, Journal of Accounting Research, vol. 10, n.° 1, spring, págs. 167-179.

4 Ohlson James A. (1980). “Financial Ratios and the Probabilistic Prediction of Bankruptcy”. Journal of Accounting Research; spring; págs. 109-131.

5 Taffler, R. (1983). "La evaluación de la solvencia y el rendimiento de la empresa mediante un modelo estadístico"

Contabilidad y Business Research, otoño, págs. 295-307.

6 Ibarra Mares, Alberto (2001). Análisis de las dificultades financieras de las empresas en una economía emergentes: Las bases de datos y las variables independientes en el sector hotelero de la bolsa mexicana de valores. págs. 81-83

Rosa S. Campanaro, Daniel J. Díaz, Luciano Gardenal, Alicia G. Marchese

154

De él tomamos su importante conclusión, de que se debían mejorar las bases de datos contenidas en los estados financieros para mejorar los modelos predictivos.

Aproximación tecnológica - procesos de desarrollo

XBRL

Tal como se mencionó anteriormente, la SEC7 _{de Estados Unidos ha puesto a disposición un}

amplio repositorio con los Estados Contables de las empresas americanas que regula. Esta información se encuentra codificada con el lenguaje XBRL (eXtensible Business Reporting Language)8_.

XBRL es un lenguaje derivado de XML (eXtensible Mark-Up Language), estándar universalmente aceptado para la representación, transmisión y explotación de información en Internet, reglado y promovido por la w3c9_.

El marco de trabajo (Framework) que provee XBRL para la representación de información financiera y de negocios se sustenta elementalmente en tres ámbitos de trabajo: documentos de instancias (reportes XBRL), Taxonomías y documentos fundacionales.

Los documentos fundacionales son los esquemas de datos elementales para la codificación de información financiera. En estos documentos se definen los tipos de datos que utilizará el lenguaje (datos monetarios, formatos de fechas, etc.).

Las Taxonomías de XBRL usarán la “materia prima” que les proveen los documentos fundacionales, para modelar esquemas de datos financieros, propios de un dominio específico. Por ejemplo Normas Internacionales de Información Financiera, US-GAAP, información financiera específica solicitada por un regulador, etc.

7 SEC: Securities and Exchange Commission (2016) - “SEC-XBRL” version obtenida el 26/07/2016

https://www.sec.gov/xbrl/site/xbrl.shtml.

8 XII XBRL International Inc.(2013) Especificación XBRL 2.1 versión obtenida el 26/07/2016

http://www.xbrl.org/Specification/XBRL-2.1/REC-2003-12-31/XBRL-2.1-REC-2003-12-31+corrected-errata-2013-

02-20.html.

9 W3C World Wide Web Consortium Especificación XML version obtenida el 26/07/2016

Análisis de estados contables aplicando XBRL y herramientas de inteligencia de negocios

155

Las Taxonomías de XBRL se encuentran compuestas por 2 tipos de recursos. Los esquemas de datos (XML Schemas), en los cuales se definen los elementos financieros a ser utilizados, y los

linkbases que estructuran las relaciones que existen entre esos elementos financieros (relaciones de cálculos, de definiciones, de orden de presentación, etc.).

Por último, los documentos de instancias o reportes XBRL, son los que contendrán la información financiera particular de un organismo a un momento determinado. Esta información será validada contra la Taxonomía para asegurar la consistencia de la información financiera representada en los mismos.

Es de destacar que el marco de trabajo de XBRL también provee especificaciones para el modelado dimensional y multidimensional de datos financieros (XBRL dimensions)10_,

versionado taxonómico (versioning)11_{, procesos de rendering (XBRL InLine)}12 _{y desarrollos para}

validaciones de cálculos y relaciones complejas de elementos financieros (XBRL formulas)13_.

Al ser XBRL un sub-lenguaje, derivado directamente de XML, hereda para sí mismo, todas las especificaciones relativas a acceso a datos, conformance, y transformaciones que posee su lenguaje padre.

Todo lo expresado anteriormente se puede visualizar en la figura n.° 1: Marco de trabajo XBRL (XBRL´s Framework).

10 XII XBRL International Inc.(2012) XBRL Dimensions 1.0 versión obtenida el 26/07/2016 http://www.xbrl.org/specification/dimensions/rec-2012-01-25/dimensions-rec-2006-09-18+corrected-errata- 2012-01-25-clean.html.

11 XII XBRL International Inc.(2013) Especificación XBRL Versioning 1.0 versión obtenida el 26/07/2016

http://www.xbrl.org/specification/versioning-base/rec-2013-02-27/versioning-base-rec-2013-02-27.html.

12 XII XBRL International Inc.(2013) Especificación XBRL InLine 1.1 versión obtenida el 26/07/2016

http://www.xbrl.org/specification/inlinexbrl-part1/rec-2013-11-18/inlinexbrl-part1-rec-2013-11-18.html.

13 XII XBRL International Inc.(2013) Especificación XBRL Formula 1.0 versión obtenida el 26/07/2016

http://www.xbrl.org/wgn/xbrl-formula-overview/pwd-2011-12-21/xbrl-formula-overview-wgn-pwd-2011-12-

Rosa S. Campanaro, Daniel J. Díaz, Luciano Gardenal, Alicia G. Marchese

156