Predicción de Insolvencia Empresarial en Colombia
Oscar Iván Ovalle P Iván Heredia L
Colegio de Estudios Superiores de Administración –CESA- Maestría en Finanzas Corporativas
Oscar Iván Ovalle P Iván Heredia L
Directores:
Jaime Ricaurte Junguito Ana María Ricaurte
Colegio de Estudios Superiores de Administración –CESA- Maestría en Finanzas Corporativas
Contenido
Resumen ... 6
Evolución de los métodos estadísticos ... 9
Análisis discriminante simple (ADS). ... 10
Análisis discriminante múltiple (ADM). ... 10
Aplicación de modelo de Altman internacionalmente ... 13
Inglaterra. Autores: Taffler y Tisshaw (1977).. ... 13
Brasil. Autores: Altman, Baidya y Ribeiro Dias (1979).. ... 13
Uruguay. Autores: Pascale (1988).. ... 14
Marco Teórico ... 15
Insolvencia Empresarial en Colombia ... 16
Los Modelos Z ... 18
Modelo Z’. ... 21
Modelo Z” ... 22
Indicadores Financieros ... 23
Objetivo General ... 25
Objetivos Específicos ... 25
Metodología ... 25
Desarrollo ... 31
Resultado de Z-‐Score para empresas insolventes ... 34
Resultado de Z-‐Score para empresas solventes ... 34
Comparación de indicadores financieros con Z-‐Score ... 35
Liquidez………... .. 36
Actividad. ... 36
Endeudamiento.. ... 37
Rentabilidad.. ... 37
Conclusiones ... 40
Obras Consultadas ... 44
Lista de Tablas
Tabla 1 Variables usadas en el Z-Score ... 20
Tabla 2 Interpretación del puntaje Z-Score ... 21
Tabla 3 Interpretación del puntaje Z’ ... 22
Tabla 4 Interpretación del puntaje Z” ... 23
Tabla 5 Indicadores financieros clasificados por enfoque ... 23
Tabla 6 Agrupación de las empresas a evaluar ... 26
Tabla 7 Resultados de comparar el Z-Score con el estado de solvencia real ... 29
Tabla 8 Resultados de comparar el Z-Score con el resultado de los indicador financieros ... 31
Tabla 9 Muestra de empresas seleccionada por categoría y tamaño ... 32
Tabla 10 Sectores seleccionados ... 32
Tabla 11 Empresas Insolventes. Año de acuerdos y fechas de evaluación ... 33
Tabla 14 Resultado Z-Score comparado con indicadores financieros ... 38
Tabla 15 Resultado Z-Score comparado con indicadores financieros por Tamaño ... 39
Tabla A1 Cronología de los estudios de predicción de quiebra ... 46
Tabla A2 Evolución de la ley de quiebra en Colombia ... 48
Tabla A3 Muestra del listado de las 652 empresas ... 49
Tabla A4 Muestra del Cálculo del Z-Score ... 50
Tabla A5 Muestra de cálculo con Indicadores Financieros ... 51
Tabla A6 Muestra de generación de alertas en indicadores financieros ... 52
Tabla A7 Cálculo de nivel de acierto por indicador financiero ... 53
Tabla A7b Cálculo de nivel de acierto por indicador financiero (continuación) ... 54
Lista de Figuras
Figura 1 Insolvencia basada en las acciones ... 15
Figura 2 Insolvencia basada en flujos ... 16
Figura 3 Cálculo del Z-Score Z” por empresa ... 28
Figura 4 Comparación del Z-Score con el resultado real de las empresas ... 28
Figura 5 Cálculo de los indicadores financieros ... 29
Resumen
El indicador Z-Score con más de 40 años de aplicación, es reconocido como el modelo pionero en la predicción de quiebra empresarial. Su metodología de análisis discriminante múltiple (MDA), fue usada por Edward Altman quien, para calcularlo, trabajó con información de empresas norteamericanas, en un proceso repetitivo de selección, descarte y categorización basado en ratios financieros. Aunque sus ecuaciones se usan y mencionan académicamente, hay que reconocer los ajustes que el mismo autor ha tenido que hacer, cada vez que los aplica en escenarios específicos, propios de países con economías diferentes a las anglosajonas. Por eso existen modelos Z-Score ajustados en Brasil y China.
Sin embargo, el uso de estos indicadores en la industria colombiana, se reduce a unos cuantos trabajos de investigación. El análisis de la documentación existente revela la escasa aplicación de estas metodologías, además de marcar el notorio retraso en el campo investigativo de este tema en Colombia. De hecho los trabajos de investigación sobre este tema consideran nulas las aplicaciones prácticas de estos modelos en el país ( Ochoa Garro et al., 2009). En relación al tema de investigación de indicadores de quiebra e insolvencia financiera, León Valdés (2009) afirma que:
Aunque esta clase de análisis –como se mencionó al iniciar éste artículo– es
prácticamente desconocida en el país, creemos que vale la pena iniciar su divulgación en los medios empresariales del país como una herramienta adicional para la toma de decisiones oportunas y que conduzcan a una mejor y más eficiente administración financiera de las empresas colombianas. En manos de las universidades y de los contadores públicos está el acoger o no esta iniciativa en sus programas de implementación y fomento a la investigación. (p. 31)
quiebra en Colombia. Es en este contexto en el cual surge la necesidad de comprobar la utilidad y validez de los indicadores de insolvencia de Altman como instrumentos de poder predictivo y de diagnóstico financiero en las empresas colombianas, para emitir juicios y decidir invertir, vender, comprar o crecer, dependiendo del escenario previsto.
El presente trabajo parte de esta premisa, de que debe evaluarse la viabilidad y precisión del Z-Score de Altman, aplicado al entrono empresarial colombiano para concluir si es suficiente el modelo actual o si hay razones para calcular un modelo propio.
Tan esencial como la comparación de estos modelos, es el planteamiento de la
metodología que permite el seguimiento de los cálculos y la verificación de los resultados. Por esta razón, la base de este trabajo pretende también, ilustrar la misma metodología que utilizó Altman. Inicialmente se selecciona una muestra de 652 empresas establecidas en Colombia, las cuales se agrupan en dos categorías: solventes e insolventes. Por disponibilidad de información, se trabajan los estados financieros de los años 2004 y 2007 y se realiza el pronóstico para calcular el nivel de acierto del modelo. Dada la relevancia de los indicadores financieros en la
determinación del modelo de Altman, se realiza el cálculo de varios indicadores de liquidez, actividad, endeudamiento y rentabilidad para determinar los ratios más acordes con el resultado del Z-Score aplicado, seleccionar los que mejor se comportan y descartar los más imprecisos. Finalmente, a partir de los valores resultantes del Z-Score y de los ratios financieros, se debe concluir el nivel de precisión del modelo actual, enumerando los ratios financieros seleccionados y los descartados con sus niveles de precisión y falla, en un modelo personalizado y específico para la economía colombiana. Se quiere determinar el alto nivel de precisión del Z-Score cuando se localiza y sentar las bases para el cálculo de un modelo propio que tome como punto de partida los hallazgos que se deriven de esta investigación.
en la predicción de quiebra, una reseña resumida de la ley en Colombia en lo referente a protección ante insolvencia y quiebra, la evolución histórica de la metodología, se explican los aspectos teóricos más importantes de los indicadores Z de Altman, se describe la metodología a aplicar para el desarrollo de la investigación y finalmente se presenta el cálculo del Z-Score como método de diagnóstico de insolvencia aplicado en el entorno colombiano en conjunción con los ratios financieros agrupados por enfoque.
Palabras clave: insolvencia, financial distress, multiple discriminant analysis, financial ratios, Z-Score model
Los trabajos de investigación sobre análisis de insolvencia se interesan por las
variaciones entre las variables a considerar y los modelos estadísticos más adecuados. El inicio de estas investigaciones las marca William Beaver (1966), con sus modelos univariables de predicción de fracaso empresarial a través de ratios. Según sus estudios concluye que el ratio cash flow a deuda total es el de mayor valor predictivo. La técnica que usa consiste en la comparación de las medias con el fin de discriminar dos grupos: empresas fracasadas y no fracasadas en los años anteriores al fracaso y el test de clasificación dicotómica, que se basa en un único ratio y representa un test predictivo. (Douglas Colauto, Taboada Pinheiro, & Lima Pinheiro, 2009)
En el análisis dicotómico se ordenan todas las observaciones de la muestra por cada ratio que se analiza y al encontrar un punto de corte, se separan las empresas insolventes de las solventes, de manera que se minimiza el número de observaciones incorrectas (Douglas et al., 2009).
Basado en los estudios de Beaver, Edward Altman (1968) inició sus investigaciones con los modelos multivariables aplicados en empresas que entraron en quiebra y en otras que no lo hicieron. Altman introdujo múltiples predictores de quiebra mediante el Análisis Discriminante Múltiple (MDA) con los cuales creó su modelo Z-Score en 1968 (Ibarra Mares, Análisis de las dificultades Financieras de las empresas Empresas en una economóa emergente, 2001) y luego de más de 40 años de investigación y de perfeccionar sus predictores, llegó a ser el más popular de los investigadores de indicadores de quiebra.
Evolución de los métodos estadísticos
Análisis discriminante simple (ADS). Su autor más importante fue Beaver (1966). Más de 30 ratios financieros fueron probados. El ratio de flujo de caja sobre deuda fue el mejor predictor de la insolvencia
Análisis discriminante múltiple (ADM). Los investigadores más relevantes fueron: Altman (1968), Altman, Haldeman y Narayanan (1977). Se incluyeron 5 variables explicativas en el modelo del valor Z: (a) capital de trabajo entre activo (liquidez a corto plazo), (b) beneficio retenido entre activo (rentabilidad acumulada y edad relativa de la empresa), (c) beneficio antes de intereses e impuestos entre activo (rentabilidad actual y valoración del mercado del valor de mercado de la empresa), (d) Valor de mercado de la empresa entre valor contable de las deudas (solvencia a largo plazo y valoración global de la empresa) y (e) ventas entre activo (habilidad de la empresa de generar ventas con los activos). (1968)
Se incluyeron siete ratios financieros en un modelo revisado del valor Z: (a) beneficio antes de intereses e impuestos entre activo, (b) estabilidad de los ingresos (medida normalizada de la desviación estándar de una estimación sobre una tendencia de cinco a diez años de (a)), (c) servicio de la deuda (beneficio antes de intereses e impuestos entre pagos totales por intereses), (d) beneficios retenidos entre activos acumulados, (e) ratio circulante, (f) capitalización (recursos propios entre capital total) y (g) tamaño de la empresa (medida por los activos). (1977)
Regresión logística (LR). Sus autores más relevantes fueron Ohlson (1980), Zmijewski (1984). Cuatro factores básicos fueron probados y propuestos en el modelo del valor-O: (a) tamaño de la empresa, (b) estructura financiera, (c) performance de la empresa y (d) la liquidez corriente. (1980)
Fueron propuestos tres ratios financieros en el modelo logístico de Zmijewski: (a) ingresos netos entre activo, (b) deuda entre activo y (c) activo circulante entre pasivo circulante.
(1980), Zmijewski (1984). Cuatro factores básicos fueron probados y propuestos en el modelo del valor-O: (a) tamaño de la empresa, (b) estructura financiera, (c) performance de la empresa y (d) la liquidez corriente. (1980)
Fueron propuestos tres ratios financieros en el modelo logístico de Zmijewski: (a) ingresos netos entre activo, (b) deuda entre activo y (c) activo circulante entre pasivo circulante.
Técnica de escalamiento multidimensional (MDS). Sus autores más relevantes fueron Mar-Molinero y Ezzamel (1991), Mar Molinero y Neophytou (2004). Trabajaron con cuarenta ratios financieros en el modelo cubrieron las cinco categorías principales debatidas en la literatura: (a) apalancamiento financiero (deuda total entre activo), (b) rentabilidad (capital de trabajo de las actividades ordinarias entre ventas), (c) flujo de caja operativo (flujo de caja de las actividades ordinarias), (d) liquidez (activo circulante entre activo) y (e) actividad (ventas entre activo).
Modelos de redes neuronales. Sus autores más relevantes fueron Tam y Kiang (1992). Consideraron diecinueve ratios financieros (de los estados financieros de bancos) incluidos en el modelo NN captan: (a) suficiencia del capital del banco (capital entre activo), (b) calidad de los activos (préstamos comerciales e industriales entre préstamos netos y arrendamientos
financieros), (c) beneficios actuales del banco (gastos totales entre activo) y (d) la liquidez (préstamos totales y arrendamientos financieros entre depósitos totales). (1992)
(activo circulante entre pasivo circulante) y rentabilidad de mercado necesaria (beneficio neto entre activo) (McKee, 1995).
Utilites additives discriminantes (UTADIS). Sus autores más relevantes fueron Zopounidis y Doumpos (1999), Voulgaris, Doumpos y Zopounidis (2000). Después de aplicar un análisis de componentes principales se seleccionaron doce variables. Entre ellas: (a) activo neto entre capital a largo plazo, (b) existencias por 365 días entre ventas, (c) ventas entre activo fijo y (d) activo circulante entre pasivo circulante. Tres grupos de SME se crearon después de la aplicación de un análisis grupal.
El método más popular de todos en cuanto a análisis de insolvencia ha sido el Z-Score de Altman (1968), el cual fue revisado y ajustado por su autor en posteriores oportunidades. El modelo trabaja seleccionando dos grupos de empresas: las insolventes y las sanas.
Básicamente se trata de una ecuación que consta de la combinación de varios ratios financieros que se ponderan hasta lograr los pesos adecuados para cada variable o ratio.
El primer modelo trabajó con empresas manufactureras estadounidenses que cotizaban en bolsa y esta característica fue una de sus primeras limitaciones. Pero con el ánimo de optimizar su modelo, Altman calculó dos nuevos modelos, uno de los cuales aplicó a las empresas que no cotizaban en bolsa y otro que aplicaba a todas la empresas. Como lo indica Ochoa Garro et al.,
El modelo de Altman tiene tres divisiones dependiendo de la empresa a la cual se aplique: el modelo original fue creado para empresas manufactureras que cotizan en bolsa;
posteriormente, éste fue modificado y adaptado para las empresas manufactureras que no cotizan en bolsa; y, por último, fue adecuado para todo tipo de empresas.
considera más escenarios de impago en una muestra más amplia de empresas con situaciones variadas de (a) tamaño y perfil financiero, (b) actividades de mercado y (c) criterios de información financiera y contable (Platikanova, 2005).
El modelo Z de Altman et al., de 1977, logró un test estadístico más avanzado que le permitió mejorar la precisión de la predicción1 y es apropiado para cualquier tipo de empresa sin importar su tamaño, lo que permite superar la limitación del modelo Z-Score de Altman (1968) de aplicarse solo a empresas manufactureras que coticen en bolsa.
En varios países, de hecho, se llevaron a cabo ajustes o ponderaciones sobre estas
ecuaciones como lo hizo Altman, y, en cada caso, al hacer los cálculos respectivos se encontraron distintos coeficientes, se tomaron diferentes ratios y se hicieron varios ajustes, con el ánimo de ajustar el modelo de predicción de insolvencia de Altman a la situación específica.
Aplicación de modelo de Altman internacionalmente
A continuación se resumen los resultados y ajustes que surgieron al aplicar el modelo de Altman en algunos países. Particularmente resultan relevantes, para el presente trabajo de investigación, los trabajos realizados en los países en vías de desarrollo y en Latinoamérica (Brasil, Uruguay y Argentina).
Inglaterra. Autores: Taffler y Tisshaw (1977). Tuvieron resultados errados en el 15% de las empresas de las empresas calificadas con perfil de quiebra. Para ajustar el modelo se propuso un modelo múltiple que mejora el rendimiento financiero.
Brasil. Autores: Altman, Baidya y Ribeiro Dias (1979). Se hizo evidente el problema en el modelo Z-Score de Altman (1968) al aplicarse en empresas que no cotizaban en bolsa, ya que
1 Según Platikanova (2005), el modelo estima la relación más apropiada, lineal o
no era posible calcular el coeficiente del ratio al cual le interesa el valor de mercado de las acciones. Otro problema se identificó con el ratio Utilidades Retenidas / Activos, ya que el cálculo de las utilidades retenidas se determina según las normativas locales. Para ajustar el modelo se reemplazó este ratio por: el resultado de pasivo total menos capital aportado por accionistas divido entre el total del activo.
Argentina. Autores: Swason y Tybout (1988). Tuvieron problemas con la recolección de la información por la poca disponibilidad de las bases de datos. Limitaron por esta causa la muestra a empresas manufactureras que cotizaran en bolsa. Los resultados mostraron que los costos financieros afectaban notablemente el riesgo de quiebra contrario a la influencia de los resultados de mercado que no afectaba el número de quiebras. Consideraron importante el comportamiento de las variables macroeconómicas en relación a la tasa de quiebras. Los ratios de ganancias se aplicaban mejor para predecir quiebras que solo la utilidad neta (Ibarra Mares, Análisis de las dificultades Financieras de las empresas Empresas en una economóa emergente, 2001).
Uruguay. Autores: Pascale (1988). Desarrolló un modelo multivariable específico para las empresas manufactureras de Uruguay. Se propuso demostrar la importancia en la
Marco Teórico
Insolvencia significa incapacidad de pago de la deuda y carencia de medios para pagarla. Una definición apropiada es: “decir que un negocio cae en la insolvencia es decir que no cuenta con una cantidad suficiente de efectivo para satisfacer los pagos programados de intereses y de capital, es decir, la empresa no puede servir su deuda” (Besley & Brigham, 2001). Como consecuencia, la empresa debe decidir entre liquidarse o reestructurarse si desea continuar.
La insolvencia se puede considerar de dos maneras: por capital y por flujos de efectivo. La insolvencia basada en capital ocurre cuando la empresa tiene un valor neto negativo, como se muestra en la Figura 1.
Figura 1
Figura 1 Insolvencia basada en las acciones
Nota: Insolvencia basada en las acciones. El valor de los activos es inferior al valor de la deuda. Gráfica tomada del Libro “Corporate Finance”, Ross, S., Westerfield, R. W., & Jaffe, J. 2009, 9th ed., p. 919.c
Serie 1
A C T I V O S D E U D A C A P I T A L A C T I V O S D E U D
A Capital negati vo
Empresa solvente Empresa
La insolvencia basada en flujos, como se muestra en la Figura 2, se presenta cuando el flujo operativo de efectivo no alcanza para pagar las obligaciones contraídas (Ross, Westerfield, & Jaffe, 2009). Como última consecuencia, la insolvencia empresarial lleva a la quiebra.
Figura 2
Figura 2 Insolvencia basada en flujos
Nota: Insolvencia basada en flujos. Los flujos de efectivo son insuficientes para cubrir los pagos de las obligaciones contractuales. Gráfica tomada del Libro “Corporate Finance”,Ross, S., Westerfield, R. W., & Jaffe, J. 2009, 9th ed., p. 919.
Insolvencia Empresarial en Colombia
El gobierno colombiano reglamentó la insolvencia empresarial en Colombia mediante la ley 1116 del 2006. Como dice la Superintendencia de Sociedades de Colombia, en su cartilla de sobre el nuevo régimen de insolvencia empresarial, la ley colombiana busca “la protección del crédito y la recuperación conservación de la empresa viable como unidad de explotación
0 15 30
Obligaciones contractuales
Dé^icit de ^lujos de efectivo
Insolvencia
económica y fuente generadora de empleo, a través de procesos de reorganización y de liquidación judicial” (Ministerio de Comercio, Industria y Turismo ; Superintencia de Sociedades, 2007).
Con el procedimiento de reorganización empresarial, se busca salvar al deudor, mediante un acuerdo que celebre con los acreedores para el pago de las deudas vigentes. De esta manera, la ley colombiana busca que el deudor pueda superar sus dificultades financieras y reanude sus operaciones comerciales, aun cuando la empresa tenga que reducir su capacidad o tenga que venderse como empresa en marcha a otra empresa o tenga que extinguirse siguiendo un
procedimiento de adjudicación o en caso de incumplimiento del acuerdo celebrado, tenga que dar lugar a la apertura de un procedimiento de liquidación judicial.
El régimen de insolvencia colombiano reglamenta la liquidación judicial para que mediante la mediación de un juez, se disponga de los bienes del deudor poniendo fin a la actividad comercial de una empresa, transformando los bienes en dinero para venderlos y para que se distribuya el producto de esa venta entre los acreedores mediante un acuerdo de
adjudicación. La venta de la empresa como unidad de explotación económica finaliza con la desaparición de la misma como entidad jurídica mercantil.
Según la cartilla de régimen de insolvencias de la Superintendencia de Sociedades, se pueden acoger al régimen de insolvencia: (a) personas naturales comerciantes, (b) personas jurídicas no excluidas, que realicen negocios permanentes en el territorio nacional de carácter privado o mixto, (c) sucursales de sociedades extranjeras y (d) patrimonios autónomos afectos a la realización de actividades empresariales, de acuerdo con la reglamentación que expida el gobierno nacional (Ministerio de Comercio, Industria y Turismo ; Superintencia de Sociedades, 2007).
1995 y de la ley 550 de 1999. La Tabla A2, resume la evolución de la ley colombiana en la normatividad del régimen de insolvencia empresarial.
Los Modelos Z
Los modelos Zson modelos de calificación de crédito. Se basan en un modelo predictivo que enfatiza el análisis de los ratios financieros y que logra responder a tres preguntas: (a) cuáles ratios son los más importantes para detectar la bancarrota, (b) qué peso se debe asignar a estos ratios y (c) cómo deben establecerse esos pesos objetivamente (Altman, 2000). El modelo Z-Score trata de un análisis lineal en el cual cinco medidas son ponderadas y sumadas hasta
alcanzar un puntaje ( score ) el cual llega a ser la base para clasificar empresas en dos grupos pre definidos ( empresas insolventes, empresas solventes) (Altman, 2000). La ecuación del Z-Score fue calculada por Edward Altman siguiendo los estudios previos de William Beaver, quien trabajó con ratios financieros en modelos univariables. Altman buscó combinar los ratios usando una técnica estadística conocida como análisis discriminante múltiple (MDA).
El análisis discriminante múltiple (MDA) es una técnica usada en los años 30, en estudios de biología y psicología. Es usada para clasificar y para hacer predicciones en problemas en donde la variable dependiente aparece en forma cualitativa, como por ejemplo: hombre, mujer; solvencia, insolvencia. Una vez recolectados los datos, MDA deriva una combinación lineal de las características las cuales se discriminan entre los dos grupos. Al analizar empresas, los ratios financieros hacen las veces de características en el modelo y por la técnica MDA se determina un conjunto de coeficientes discriminantes. Cuando se aplican estos coeficientes a los ratios, existe una base para clasificar las empresas en uno de los dos grupos ( solvencia e insolvencia). La función discriminante transforma los valores de las variables individuales en un score
Z = V1X1 + V2X2 + … + VnXn.
V1,V2…Vn son los coeficientes discriminantes.
X1,X2…Xn son las variables independientes (Altman, 2000).
En la función discriminante el MDA computa el coeficiente discriminante Vi y las variables independientes Xi son los valores actuales o en este caso los ratios financieros.
Modelo Z-Score. Para determinar el modelo, Altman y su equipo seleccionaron 66 empresas y armaron dos grupos de 33 cada uno. El grupo uno estaba conformado por la
empresas del sector industrial público americano que entraron en bancarrota durante el periodo comprendido entre 1946 y 1965. Para conformar el grupo dos seleccionaron empresas
manufactureras americanas que durante el mismo periodo estaban solventes. Las empresas se estratificaron por sector y por tamaño, con valor de activos comprendidos en el rango de $1 a $25 millones de dólares, de acuerdo al tamaño que se encontró en la muestra de las empresas del grupo uno. A continuación se seleccionaron 22 ratios financieros los cuales se resumieron en cinco categorías: liquidez, rentabilidad, apalancamiento, solvencia y actividad. Sometiendo estos datos a un proceso iterativo se obtienen los coeficientes y la siguiente función discriminante:
Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 1.0X5 (1) Las cinco variables del modelo son los siguientes ratios:
X1 = Capital de Trabajo/Total Activos X2 = Utilidades Retenidas/Total Activos X3 = EBIT/Total Activos
X4 = Valor de Mercado de Capital/Valor en libros Total Pasivos X5 = Ventas/Total de Activos
Tabla 1
Tabla 1 Variables usadas en el Z-Score
Ratio Financiero Categoría Significado
Capital de Trabajo/Total
Activos Liquidez y tamaño En una empresa que sufre permanentes pérdidas operacionales, los activos corrientes se contraen en relación con el total de los activos Utilidades Retenidas/Total
Activos
Rentabilidad, apalancamiento
La edad de la empresa está implícita en este ratio. Las empresas jóvenes son más propensas a quebrar. Si este ratio es pequeño, significan bajas utilidades acumuladas y alta
posibilidad de quiebra. Si la relación de UR y TA es grande, indica que se ha financiado reteniendo las
utilidades en lugar de hacer uso de deuda.
EBIT/Total Activos Productividad Mide el poder de generación de ingresos de los activos. La
insolvencia ocurre cuando el total de los pasivos excede el valor de la empresa como una fuente de flujos de fondos.
Valor de Mercado de
Capital/Valor en libros Total Pasivos
Solvencia Este ratio indica cuánto declina el valor de los activos antes de que los pasivos excedan a los activos y la empresa llegue a ser insolvente. Ventas/Total de Activos Actividad Medida de capacidad de manejo en
condiciones competitivas.
Nota: Ratios usados como variables en la función discriminante Z-Score de Altman. Elaboración propia con datos tomados del paper “Predicting Financial Distress on Companies”,Altman, Edward, 2000, pp. 9-12.
Tabla 2
Tabla 2 Interpretación del puntaje Z-Score
Menos de 1.81 1.82 – 2.7 2.7 – 2.99 Más de 3.0
La empresa incurrirá en quiebra. Pocas posibilidades de recuperar solvencia.
Problemas financieros en un lapso de dos años. Es el intervalo más bajo del área gris. Se deben tomar
medidas drásticas para evitar la quiebra.
Relativa seguridad. Se sitúa dentro de un área de observación ( área gris ) y está debajo del umbral de más alta seguridad.
La empresa no tendrá problemas de solvencia en el corto y mediano plazo. Factores como la mala gestión, fraude, desaceleración económica pueden ocasionar cambios inesperados.
Nota: El resultado del índice Z-Score sitúa a la empresa en un rango de valores que permite emitir un juicio sobre la predicción de quiebra. Elaboración propia.
Las limitaciones del Z-Score de Altman consistían en que el modelo solo aplicaba a empresas manufactureras que cotizaban en bolsa. Esto representó un problema para aplicar el modelo en empresas no inscritas en la bolsa y empresas comerciales o de servicios. Por esta razón, Altman revisó su función discriminante primero para aplicar a todo tipo de empresa y luego para aplicarla en empresas de los mercados emergentes.
Modelo Z’. Este modelo resultó de una revisión del Z-Score que hizo Altman, debido a las limitaciones del modelo Z-Score, el cual solamente aplicaba a empresas públicas
manufactureras que cotizaban en bolsa. Lo que buscaba era aplicar el modelo a empresas del sector privado. De hecho, en el modelo Z-Score, X1 requiere del precio de la acción. Para
Z’ = 0.717X1 + 0.847X2 + 3.107X3 + 0.420X4 + 0.998X5 (2)
En esta ecuación se ve que el mayor peso ponderado lo da el coeficiente de X3 que corresponde EBIT/TA ( Total de Activos ).
La interpretación del resultado del índice Z’ se muestra en la Tabla 3. Tabla 3
Tabla 3 Interpretación del puntaje Z’
Menos de 1.23 1.24 – 2.89 Más de 2.89
La empresa incurrirá en quiebra. Pocas
posibilidades de recuperar solvencia.
Problemas financieros en un lapso de dos años. Es el intervalo más bajo del área gris. Se deben tomar medidas drásticas para evitar la quiebra.
La empresa no tendrá
problemas de solvencia en el corto y mediano plazo. Factores como la mala gestión, fraude,
desaceleración económica pueden ocasionar cambios inesperados.
Nota: El resultado del índice Z’ sitúa a la empresa en un rango de valores que permite emitir un juicio sobre la predicción de quiebra. Elaboración propia.
Modelo Z’’. En la función Z’ se observó sin embargo, que, el coeficiente de X5 otorgaba un peso importante a la rotación de activos, y como en las empresas manufactureras ese ratio tiene valores significativos, los cálculos con las empresas comerciales y de servicios resultaban distorsionados. Este hecho motivó un nuevo ajuste de la función Z’, el cual resultó en la
eliminación del coeficiente y la variable X5 y el mayor peso a la variable X3 de EBIT/TA. El resultado de su nueva función Z” sin la variable X5 fue:
Z” =6.56X1 + 3.26X2 + 6.72X3 + 1.05X4 (3)
Tabla 4
Tabla 4 Interpretación del puntaje Z”
Menos de 1.10 1.11 – 2.59 Más de 2.60
La empresa incurrirá en quiebra. Pocas posibilidades de recuperar solvencia.
Problemas financieros en un lapso de dos años. Es el intervalo más bajo del área gris. Se deben tomar medidas drásticas para evitar la quiebra.
La empresa no tendrá
problemas de solvencia en el corto y mediano plazo. Factores como la mala gestión, fraude, desaceleración económica pueden ocasionar cambios inesperados.
Nota: Un nuevo ajuste de la función Z” resultó en la eliminación del coeficiente y la variable X5 y el mayor peso a la variable X3 de EBIT/Total Activos. Elaboración propia.
Indicadores Financieros
Los indicadores financieros son razones o relaciones entre cuentas de balance o del estado de resultados y tienen el propósito de indicar tendencias, señalar probabilidades y los puntos fuertes y débiles de un negocio (Ortiz Anaya, 2011).
Los indicadores financieros se pueden agrupar de acuerdo a su enfoque de la siguiente manera: (a) liquidez, (b) actividad, (c) rentabilidad y (d) endeudamiento. A continuación, en la Tabla 5, se presenta un resumen de los indicadores financieros más importantes y los cuales serán utilizados en el presente trabajo.
Tabla 5
Tabla 5 Indicadores financieros clasificados por enfoque
Enfoque Indicador Razón Descripción
Liquidez Prueba ácida (liquidez)
Activo corriente – inventarios/ Pasivo corriente
Capacidad de la empresa para cancelar sus obligaciones corrientes sin depender de los inventarios. Saldos en efectivo Actividad Rotación
cartera en días
Cuenta por cobrar promedio*365/Ventas a crédito
Días que tarda la empresa en recuperar su cartera. Qué totalidad se vuelve en efectivo. Depende del plazo promedio de la empresa
Continuación
Enfoque Indicador Razón Descripción
Actividad Rotación de inventarios
Inventario promedio*365/ costo de mercancía vendida
Cada cuántos días la empresa convierte sus inventarios a efectivo o cuentas por cobrar. Depende del costo y durabilidad del producto
Actividad Rotación de proveedores
Cuentas por pagar promedio*365/compras a crédito del periodo
Cada cuántos días promedio la compañía paga sus cuentas por pagar
Actividad Ciclo de efectivo
Rotación de cartera (días) + Rotación de inventario( días) – Rotación de proveedores (días)
Días que la empresa tiene que financiar con recursos costosos su ciclo operativo
Rendimiento Margen bruto Utilidad bruta/Ventas netas Qué porcentaje de utilidad bruta son generadas en el año por la ventas netas Rendimiento Margen
operacional Utilidad
operacional/Ventas netas
Qué porcentaje de utilidad operacional son generadas en el año por la ventas netas
Rendimiento Margen neto Utilidad neta/Ventas netas Qué porcentaje de utilidad netas son generadas en el año por la ventas netas Rendimiento Rendimiento
del patrimonio ROE
Utilidad neta/Patrimonio Qué rendimiento obtienen los socios o dueños de la compañía sobre su inversión en el periodo de tiempo
Rendimiento Rendimiento del activo total ROA
Utilidad neta/Activo total bruto
Capacidad del activo para generar utilidades independientemente de cómo haya sido financiado
EBITDA EBITDA Utilidad operacional + gasto por depreciación + gasto por amortizaciones
Valor de la utilidad operacional en términos de efectivo
Actividad + rendimiento
Sistema
Dupont Utilidad neta/Ventas x Ventas/Activo Total
Si el rendimiento de la inversión proviene de la eficiencia del uso de los recursos para producir ventas o del margen neto de utilidad que generan las ventas
Endeudamiento Nivel de
endeudamiento Total pasivo con terceros/Total activo
Porcentaje de participación de los acreedores dentro de la empresa
Endeudamiento Impacto de la carga
financiera
Gastos financieros/Ventas
Cuánto hay que destinar de las ventas para pagar los gastos financieros
Endeudamiento Cobertura de
intereses Utilidad de
operación/intereses pagados
Incidencia de los gastos financieros sobre las utilidades de la empresa
ed.). Bogotá: Universidad Externado de Colombia (pp. 177-235).
Objetivo General
Definir la validez de la aplicación del diagnóstico de quiebra en el ámbito empresarial colombiano, usando los indicadores Z de Altman en conjunto con los indicadores financieros de liquidez, actividad, endeudamiento y rentabilidad.
Objetivos Específicos
Revisar la literatura existente, los trabajos de investigación sobre los modelos, y las metodologías predictores de insolvencia y quiebra comprobados a nivel internacional.
Aplicar la metodología de métodos discriminantes de predicción de quiebra en las empresas del sector colombiano.
Seleccionar una muestra de las empresas que se acogieron a la ley 550 de 1999 o a la ley 1116 del 2006 y que por lo tanto entraron a liquidación judicial o a reestructuración
organizacional.
Aplicar los modelos financieros de diagnóstico de quiebra para determinar su validez en el contexto colombiano complementados con el análisis de indicadores financieros.
Comparar los resultados obtenidos de la aplicación de modelos financieros predictores de quiebra con los resultados reales de insolvencia y con los resultados de los indicadores
financieros.
Definir si en Colombia son aplicables los modelos a usar como diagnóstico predictor de quiebra, indicando los indicadores financieros que aciertan y los que fallan.
Sentar las bases para calcular un modelo discriminante para el entorno colombiano.
Metodología
Sociedades, 2013). En la sección de portafolio estadístico, se encuentra el listado de las
Sociedades en reorganización y validación judicial acumulado al 30 de septiembre del 2013. En este listado está la relación de las empresas que, al 30 de septiembre del 2013, se acogieron a la ley 1116 y entraron en acuerdo de reorganización, reestructuración, o liquidación obligatoria o judicial, ver. Con este listado se forman dos categorías de empresas, una categoría corresponde al grupo de empresas que se acogieron a la ley de insolvencia y la otra categoría agrupa a las empresas que no presentaron insolvencia en el mismo periodo de tiempo analizado. Cada categoría agrupa las empresas se acuerdo a su tamaño y al sector que pertenecen, según la clasificación definida por la Superintendencia de Sociedades que se puede ver en la Tabla 6. Tabla 6
Tabla 6 Agrupación de las empresas a evaluar
Categoría Valor en activos SMLMVa Número empleados
Micro 0 - 500 0 - 10
Pequeña 501 - 5,000 11 - 50
Mediana 5,001 - 30,000 51 - 200
Grande mayor de 30,001 Más de 200
Nota: Elaborado según la información publicada en la página web de la Superintendencia de Sociedades.
a Salario mínimo legal mensual vigente.
buscan sus estados financieros de dos, tres o cuatro años atrás y se toman los estados financieros más próximos al período de declaración de insolvencia para cumplir con el requisito de Altman de asegurar la precisión del pronóstico. Finalmente, se arma la base de datos de empresas con cifras de balance, estados de resultados y flujos de efectivo y se procede a calcular y analizar el indicador Z-Score. De las tres ecuaciones mencionadas para calcular el Z-Score, se toma la ecuación (3) o Z’’pues esta ecuación aplica a todas las empresas, sin importar si cotizan en bolsa o si son manufactureras o comerciales.
Para calcular el Z-Score por cada empresa seleccionada, se toman las cuentas contables de los estados financieros ya recabados y se calculan los ratios que se necesitan para la ecuación, los cuales están especificados en la Tabla 1. A continuación se presenta la ecuación y las variables a calcular, las cuales corresponden a los ratios que se indican.
Z” =6.56X1 + 3.26X2 + 6.72X3 + 1.05X4
Las cuatro variables independientes del modelo son los siguientes ratios:
X1 = Capital de Trabajo/Total Activos X2 = Utilidades Retenidas/Total Activos X3 = EBIT/Total Activos
X4 = Patrimonio/Valor en libros Total Pasivos Z’’ = Índice
Figura 3. Figura 3
Figura 3 Cálculo del Z-Score Z” por empresa
NIT 6,56 X1 3,26 X2 6,72 X3 1,05 X4 Z-Score Z”
Resultado Z-Score
830063156 0,23 -0,01 -0,53 0,06
-0,26 INSOLVENTE
890929714 1,69 -0,32 -0,88 1,01 1,50 ZONA GRIS
800118281 3,86 -0,31 -0,16 0,58
3,96 SOLVENTE Nota: Un valor menor a 1.10 se marcará con una flecha roja, un valor mayor a 2.60 se marcará con una flecha verde y un valor entre 1.10 y 2.60 se marcará con una flecha gris. Nota: Elaboración propia con cálculos sobre información de la Superintendencia de Sociedades.
El resultado del Z-Score calculado para cada empresa se compara con el estado de insolvencia o solvencia de la empresa que se reportó en el futuro, a los cuatro, tres, dos o un año siguientes. El resultado de esta comparación puede tener tres valores:
(a) Acierto: cuando el Z-Score dio el mismo estado que el reportado por la empresa. (b) Falla: cuando no coincide el resultado del Z-Score con el reportado por la empresa. (c) Zona Gris: cuando el resultado del Z-Score indica una zona en la cual no se puede definir con certeza el resultado. Ver Figura 4.
La Tabla 7 muestra las posibles combinaciones y los resultados de comparar el Z-Score con el estado de solvencia de la empresa en el futuro.
Figura 4
Figura 4 Comparación del Z-Score con el resultado real de las empresas
Zscore Resultado
Zscore
Según Ley 1116 Superintendencia
Comparación con Zscore
Tamaño NIT
1,14 INSOLVENTE INSOLVENTE ACIERTO GRANDE 860026186
1,50 ZONA GRIS INSOLVENTE ZONA GRIS MEDIANA 890929714
Nota: Comparación del Z-Score con el resultado real de la empresa. De la comparación entre el Z-Score y el estado real de la empresa pueden resultar los valores de acierto, falla o zona gris. Tabla 7
Tabla 7 Resultados de comparar el Z-Score con el estado de solvencia real
Resultado Zscore SUPERINTENDENCIA Según ley 1116 Comparación con Zscore
INSOLVENTE INSOLVENTE ACIERTO
SOLVENTE SOLVENTE ACIERTO
INSOLVENTE SOLVENTE FALLA
SOLVENTE INSOLVENTE FALLA
ZONA GRIS INSOLVENTE ZONA GRIS
ZONA GRIS SOLVENTE ZONA GRIS
Nota: El resultado de comparar el Z-Score calculado con el estado real de solvencia de la empresa puede dar tres resultados: Acierto, Falla o Zona Gris. Elaboración propia.
Una vez determinado el nivel de acierto del cálculo del Z-Score con la realidad, el siguiente paso consiste en calcular los indicadores financieros de liquidez, actividad, endeudamiento y rentabilidad por cada empresa como lo muestra la Figura 5. Figura 5
Figura 5 Cálculo de los indicadores financieros
LIQUIDEZ ENDEUDAMIEN
TO
ACTIVIDAD RENTABILIDAD RENTABILIDAD RENTABILIDAD
NIT PRUEBA
ÁCIDA
NIVEL DE ENDEUDAMIEN
TO
ROTACIÓN DE CARTERA (días)
MARGEN NETO ROE EBITDA
Nota: Para cada empresa se calculan los indicadores financieros para luego comparar estos resultados con el Z-Score. Elaboración propia.
Dependiendo del resultado de cada indicador, se indicará un valor de “ALERTA” si el valor del indicador sobrepasa los rangos esperados del mismo como se indica en la Tabla 10, en caso contrario un valor de “OK” indicará que el valor del ratio está dentro del rango esperado, el cual también se evalúa de acuerdo a lo indicado en la Tabla 7. En la Figura 6 se ve una muestra un ejemplo de este cálculo. El anexo en Excel de indicadores financieros muestra los valores y las fórmulas utilizas en cada caso, así como la derivación de las respuestas.
Figura 6
Figura 6 Generación de alertas en indicadores financieros
NIT PRUEBA ÁCIDA
FLUJO DE EFECTIVO
ROTACIÓN DE CARTERA
(días)
ROTACIÓN DE INVENTARIOS
(días)
ROTACIÓN DE PROVEEDORES
(días)
NIVEL DE ENDEUDA-MIENTO
860026186 ALERTA OK OK ALERTA ALERTA OK 830063156 ALERTA ALERTA OK ALERTA ALERTA ALERTA
800034870 ALERTA OK OK OK ALERTA OK
830049192 ALERTA OK OK OK OK ALERTA
890929714 OK OK ALERTA ALERTA ALERTA OK 800118281 ALERTA ALERTA OK ALERTA ALERTA OK 800041761 OK OK ALERTA ALERTA ALERTA ALERTA 860050329 ALERTA ALERTA ALERTA ALERTA OK ALERTA 890922879 ALERTA OK ALERTA ALERTA OK ALERTA 890209321 OK OK ALERTA ALERTA ALERTA ALERTA 890924742 OK OK ALERTA OK ALERTA ALERTA
Nota: Al calcular los indicadores financieros se generan las alertas cuando los valores calculados indiquen el riesgo. Elaboración propia.
“SOLVENTE”. Una “FALLA” se produce si el indicador tiene un valor de “ALERTA” y el Score un valor de “SOLVENTE” o si el indicador financiero dio un resultado de “OK” y el Z-score dio un resultado de “INSOLVENTE”. La Tabla 8 resume los posibles resultados de comparar el Z-Score con el resultado de los indicadores financieros.
Tabla 8
Tabla 8 Resultados de comparar el Z-Score con el resultado de los indicador financieros
Resultado Zscore Indicador Financiero Comparación con Zscore
INSOLVENTE ALERTA ACIERTO
SOLVENTE ALERTA FALLA
INSOLVENTE OK FALLA
SOLVENTE OK ACIERTO
ZONA GRIS ALERTA ZONA GRIS
ZONA GRIS OK ZONA GRIS
Nota: El resultado de comparar el Z-Score calculado con el resultado de la evaluación de los indicadores financieros puede dar tres resultados: Acierto, Falla o Zona Gris. Elaboración propia.
Desarrollo
El análisis comienza con la selección de las empresas de acuerdo a lo mencionado en la metodología. Son dos categorías: (a) empresas insolventes y (b) empresas solventes. Cada categoría consta de 326 empresas para un total de 652. En cada categoría hay tres agrupaciones por tamaño dependiendo del valor de los activos y el número de empleados, según la definición establecida por la Superintendencia de Sociedades, como se puede ver en la Tabla 6: (a) empresas grandes, (b) empresas medianas y (c) empresas pequeñas. Adicionalmente, las empresas
pertenecen las empresas seleccionadas. La clasificación por sector se hace por el código CIIU2.
Tabla 9
Tabla 9 Muestra de empresas seleccionada por categoría y tamaño
Total
INSOLVENTE 326a
GRANDE 100
MEDIANA 159
PEQUEÑA 67
SOLVENTE 326
GRANDE 100
MEDIANA 159
PEQUEÑA 67
Total general 652
Nota: Resumen de los datos a analizar. Se trata de dos categorías, cada una con 326 empresas seleccionadas para un total de 652.
a El detalle de las empresas seleccionadas se puede observar en el apéndice. Elaboración propia. Tabla 10
Tabla 10 Sectores seleccionados
Código CIIU Descripción del sector Total
A0 ACTIVIDADES AGRÍCOLAS 51
B0 PESCA 4
C1 CARBÓN Y DERIVADOS 3
D1 TEXTILES Y CALZADO 163
D2
DERIVADOS DEL PETROLEO Y
GAS 136
D3 VEHÍCULOS 142
F4 OBRAS CIVILES 26
G5 COMERCIO AL POR MAYOR 90
H5 ALIMENTOS 6
I6 TURISMO, TRANSPORTE 10
J6 SERVICIOS FINANCIEROS 4
2 El código CIIU es un código de clasificación de actividades económicas, utilizado por la Cámara de
K7 INFORMATICA 13
M8 EDUCACIÓN 1
O9 SERVICIOS COMUNITARIOS 3
Total general 652
Nota: Se seleccionan diversos sectores en la muestra para realizar el análisis. Elaboración propia.
Se tienen los estados financieros de las empresas al 2004 y 2007 para tomar las cifras. De las 652 empresas seleccionadas, las insolventes, es decir 326, se acogieron a la ley de
insolvencia en el rango de años desde el 2005 al 2011 en la cantidad mostrada en la Tabla 11. El pronóstico para las empresas que se acogieron a la ley en los años 2005, 2006 y 2007 se hace con los datos de balance, estado de resultados y flujo de efectivo del 2004. De la misma forma, el pronóstico para las empresas que se acogieron a la ley en los años 2008, 2009, 2010 y 2011 se hace con los datos de balance, estado de resultados y flujo de efectivo del 2007.
Tabla 11
Tabla 11 Empresas Insolventes. Año de acuerdos y fechas de evaluación
LEY 1116 SUPERINTENDENCIA
Año de los datos de balance
Año de los datos de balance
Año de acuerdo de insolvencia 2004 2007 Total general
2005 44 44
2006 32 32
2007 17 17
2008 33 33
2009 50 50
2010 59 59
2011 91 91
Total general 93 233 326
Nota: Las empresas insolventes seleccionadas se evalúan con los datos de los estados financieros del 2004 y 2007. Elaboración propia.
se sabe cuáles empresas fueron insolventes después del 2004 y del 2007 y cuáles empresas no presentaron problemas de solvencia. Del cruce del Z-Score calculado en el 2004 o el 2007 según sea el caso, con el estado de solvencia conocido en los años futuros indicados se pueden
determinar los aciertos, fallas y zonas grises, de tal manera que se puede evaluar el porcentaje de acierto y error en cada categoría, tamaño y sector.
Resultado de Z-Score para empresas insolventes
De las 326 empresas insolventes seleccionadas, hubo un pronóstico errado en 68 empresas equivalentes al 21%. En 190 empresas hubo un pronóstico de acierto en insolvencia. De igual manera 68 empresas fueron pronosticadas en zona gris, es decir, existe incertidumbre de solvencia e insolvencia. En suma, el 74% del pronóstico de insolvencia fue acertado. La
evaluación por tamaño, contrario a lo que se esperaba, mostró un mayor porcentaje de acierto en las empresas medianas equivalente al 78%, ligeramente por encima del 76% de acierto en las empresas de tamaño grande y muy superior en comparación con el porcentaje de acierto del 65% en las empresas pequeñas. El detalle de este resultado se puede observar en la Tabla 12.
Tabla 12
Tabla 12 Empresas Insolventes. Resultado Z-Score
RESULTADO Z-SCORE
ACIERTO FALLA Total general ACIERTO
INSOLVENTE
GRANDE 53 17 70 76%
MEDIANA 91 26 117 78%
PEQUEÑA 46 25 71 65%
Total INSOLVENTE 190 68 258 74%
Total general 190 68 258
Nota: El porcentaje de acierto es del 74%. Las empresas medianas tienen el mayor porcentaje de acierto con un 78%. Elaboración propia.
Resultado de Z-Score para empresas solventes
equivalentes al 28%. En 176 empresas hubo un pronóstico de acierto en solvencia. De igual manera 79 empresas fueron pronosticadas en zona gris, es decir, existe incertidumbre de solvencia e insolvencia. En suma, el 71% del pronóstico fue acertado. La evaluación por tamaño, contrario a lo que se esperaba, mostró un mayor porcentaje de acierto en las empresas medianas equivalente al 75% por encima del 69% de acierto en las empresas de tamaño grande y del porcentaje de acierto del 67% en las empresas pequeñas. El detalle de este resultado se puede observar en la Tabla 13.
Tabla 13
Tabla 13 Empresas Solventes. Resultado Z-Score
Resultado Zscore
ACIERTO FALLA Total general ACIERTO
SOLVENTE
GRANDE 57 26 83 69%
MEDIANA 88 30 118 75%
PEQUEÑA 31 15 46 67%
Total SOLVENTE 176 71 247 71%
Total general 176 71 247
Nota: El porcentaje de acierto es del 71%. Las empresas medianas tienen el mayor porcentaje de acierto con un 75%. Elaboración propia.
Comparación de indicadores financieros con Z-Score
A continuación se resume el nivel de acierto del Z-Score calculado con los resultados de varios indicadores financieros. Se diagnostica: (a) liquidez, (b) actividad, (c) endeudamiento y (d) rentabilidad. Al cruzar el resultado del Z-Score en cada empresa, con los diferentes
acierto es del 78%. La rentabilidad muestra un 73% de precisión en el ROA y en el margen neto de utilidad, 67% en EBITDA y 70% en margen operacional. En los indicadores de actividad sin embargo, se alcanzó el 58% de acierto con el indicador del flujo de efectivo y un 65% de
precisión en la rotación de proveedores. Estos resultados de más del 70% confirman la validez de la precisión en el cálculo del Z-Score en las empresas colombianas pero igualmente señala la mayor precisión en los resultados de los indicadores de liquidez, endeudamiento y rentabilidad.
Liquidez. El 66% de las empresas pronosticadas como insolventes con el Z-Score fueron calificadas con alerta por la prueba ácida y el 91% de las empresas calificadas como solventes por el Z-Score fue evaluada de idéntica manera por la prueba ácida como se observa en la Tabla 14. En suma, se alcanzó un 78% de acierto en la evaluación del pronóstico de liquidez entre Z-score y los indicadores financieros. Este resultado señala un buen nivel de precisión en el pronóstico de insolvencia y liquidez usando el Z-Score lo cual significa que cuando se
pronostique una empresa como insolvente por Z-Score hay mucha probabilidad de que de igual manera tenga problemas serios de liquidez. Si la empresa es calificada como solvente por el Z-Score hay una alta probabilidad de que la misma empresa no tenga problemas serios de liquidez en el corto plazo. Se reconoce, que, aunque la probabilidad de pronóstico es muy alta en las empresas calificadas como insolventes con el Z-Score (66%), la precisión es aún mayor cuando se trata de calificar una empresa como solvente (91%). En cuanto al resultado por tamaño de la empresa, se puede observa una mayor precisión en el pronóstico realizado en las empresas
grandes ( 70% y 94%) aunque también es muy buena la precisión en las empresas medianas (56% y 92%). Ver Tabla 15.
que el puntaje del Z-Score no es una señal seria en relación con el nivel de actividad de una empresa. En estos casos cuando se hacen los pronósticos de solvencia con el Z-Score debe hacerse un análisis separado del diagnóstico de actividad de las empresas. Es lógico que esto tenga que hacerse de esta manera especialmente con los indicadores de actividad, ya que la rotación de cartera, de inventarios y de proveedores deben complementarse con el resultado de los demás indicadores para juicios más precisos.
Endeudamiento. En indicadores de endeudamiento se obtuvieron los niveles más altos de precisión como puede observarse en la Tabla 14. Los porcentajes del 84% de precisión al evaluar el apalancamiento total y el 82% calculando el nivel de endeudamiento, permiten suponer la alta probabilidad de un diagnóstico similar al comparar el Z-Score con estos indicadores, en cuanto a la forma en que participan los acreedores en el financiamiento de la deuda en las empresas en el pronóstico de solvencia. Si el Z-Score indica que la empresa tiene problemas de solvencia es muy probable que la empresa evaluada tenga problemas de deuda. Si el Z-Score indica que no hay problemas de solvencia puede suponerse que todo anda bien con el manejo de la deuda en la empresa. Aunque la probabilidad de pronóstico es muy alta en las empresas calificadas como insolventes con el Z-Score (59%), la precisión es aún mayor cuando se trata de calificar una empresa como solvente (89%). En cuanto al resultado por tamaño de la empresa, se puede observar una precisión muy similar en las empresas de todos los tamaños. El pronóstico es muy alto, preciso y similar en cada empresa sin importar el tamaño de la misma. Ver Tabla 15.
Rentabilidad. Conjuntamente con los indicadores de endeudamiento, los indicadores de rentabilidad muestran los más altos porcentajes de acierto al comparar el pronóstico de la
indicador con el 67% de acierto. El cálculo de los indicadores de rentabilidad permite suponer la alta probabilidad de un diagnóstico similar al comparar el Z-Score con estos indicadores, en cuanto a la efectividad en la administración de los costos y gastos y de la conversión de las ventas en utilidades. Si el Z-Score indica que la empresa tiene problemas de solvencia es muy probable que la empresa evaluada tenga problemas rendimiento. Si el Z-Score indica que no hay
problemas de solvencia puede suponerse que todo anda bien con el manejo de los costos, gastos y con la eficiencia administrativa en la empresa. Aunque la probabilidad de pronóstico es muy alta en las empresas calificadas como insolventes con el Z-Score (57%), la precisión es aún mayor cuando se trata de calificar una empresa como solvente (89%). En cuanto al resultado por tamaño de la empresa, se puede observar una precisión muy similar en las empresas de todos los tamaños. El pronóstico es muy alto, preciso y similar en cada empresa sin importar el tamaño de la misma. Ver Tabla 15.
Tabla 14
Tabla 14 Resultado Z-Score comparado con indicadores financieros
INDICADOR INSOLVENTE SOLVENTE ACIERTO
LIQUIDEZ
PRUEBA ÁCIDA 66% 91% 78%
ACTIVIDAD
FLUJO DE EFECTIVO 52% 65% 58%
ROTACIÓN DE CARTERA 48% 32% 41%
ROTACIÓN DE INVENTARIOS 46% 38% 42%
ROTACIÓN DE PROVEEDORES 57% 73% 65%
CICLO DE EFECTIVO 58% 37% 48%
ENDEUDAMIENTO
NIVEL DE ENDEUDAMIENTO 74% 90% 82%
ENDEUDAMIENTO FINANCIERO 72% 54% 63%
CARGA FINANCIERA 22% 78% 50%
COBERTURA DE INTERESES 36% 64% 50%
RENTABILIDAD
MARGEN BRUTO DE UTILIDAD 43% 85% 64%
MARGEN OPERACIONAL 54% 85% 70%
MARGEN NETO DE UTILIDAD 59% 89% 73%
DUPONT 57% 89% 73%
ROE 51% 70% 51%
ROA 57% 89% 73%
EBITDA 48% 87% 67%
Nota: Resultado de comparar el Z-Score calculado con el resultado de los indicadores financieros. Elaboración propia.
Tabla 15
Tabla 15 Resultado Z-Score comparado con indicadores financieros por Tamaño
INDICADOR INSOLVENTE SOLVENTE
LIQUIDEZ 66% 91%
GRANDE 70% 94%
MEDIANA 56% 92%
PEQUEÑA 77% 85%
ACTIVIDAD 74% 90%
GRANDE 51% 93%
MEDIANA 79% 88%
PEQUEÑA 86% 89%
ENDEUDAMIENTO 59% 89%
GRANDE 57% 86%
MEDIANA 54% 90%
PEQUEÑA 68% 91%
RENTABILIDAD 57% 89%
GRANDE 57% 87%
MEDIANA 52% 91%
PEQUEÑA 63% 91%
Conclusiones
Luego de calcular masivamente el Z-Score, de aplicar los ratios financieros y de
cuantificar el porcentaje de acierto de estos resultados en 652 empresas colombianas, agrupadas en dos categorías de 326 insolventes y 326 solventes en los años 2004 al 2007, se encontraron los siguientes resultados:
Se calculó un porcentaje total de acierto del 79% en el pronóstico del Z-Score. Este resultado está conformado por los siguientes hallazgos:
(a) De una muestra de 326 empresas insolventes, el Z-Score arrojó el mismo pronóstico en 190 empresas.
(b) De una muestra de 326 empresas solventes, el Z-Score arrojó el mismo pronóstico en 176 empresas.
(c) De la muestra total de 652 empresas, el Z-Score calificó a 147 como de pronóstico incierto, es decir, en zona gris. De esas 147 pronosticadas por el modelo como zona gris, en la realidad 65 resultaron insolventes y 82 solventes.
Al considerar el tamaño de las empresas, el mayor porcentaje de acierto se logró con las empresas calificadas como “medianas” por la Superintendencia Financiera, es decir, aquellas cuyo monto el activos totales está entre 5,001 y 30,000 salarios mínimos vigentes y entre 52 y 200 empleados. El porcentaje de acierto fue de 78% pronosticando insolvencia y el 75%
pronosticando solvencia. Estos valores fueron cercanos, aunque superiores al porcentaje de 76% de acierto pronosticando insolvencia y 69% pronosticando solvencia, logrado en las empresas “grandes”, que son aquellas que superan los límites de activos totales y empleados de las
pronosticando insolvencia y 67% pronosticando solvencia.
Las anteriores conclusiones, permiten confirmar la precisión y vigencia del modelo Z-Score como modelo de predicción de insolvencia en todo tipo de empresas de le economía colombiana.
Esta conclusión, va en contra de lo normalmente divulgado en los documentos de investigación sobre insolvencia con Z-Score y en los libros de Finanzas Corporativas, en los cuales se favorecen las empresas manufactureras grandes. En este trabajo, en cambio, a raíz del contexto empresarial colombiano, se consideraron todo tipo de empresas, no solo manufactureras, sino comerciales, de servicios y de distinto tamaños. Como se sostuvo, el indicador Z-Score resultó ser un modelo confiable pronosticando insolvencia para todo tipo de empresa sin importar tamaño ni sector.
Al realizar la comparación del pronóstico logrado con el Z-Score y los resultados de los indicadores financieros agrupados en los enfoques de liquidez, actividad, endeudamiento y rentabilidad, se identificó que los resultados más acertados son los que corresponden a los indicadores de liquidez, endeudamiento y rentabilidad. La más baja precisión, sin embargo, ocurre con los indicadores de actividad los cuales comprenden rotación de cartera, inventarios y proveedores. A pesar del generalizado buen nivel de acierto en estos indicadores, hay algunos que se comportan mejor en el pronóstico y que pueden tomarse en cuenta al momento de hacer un diagnóstico financiero. Esos indicadores son: (a) en liquidez, la prueba ácida, (b) en
endeudamiento, el apalancamiento total y el nivel de endeudamiento y (c) en rentabilidad, el margen neto de utilidad, el margen operativo, el ROA y el EBITDA.
resultado del Z-Score con los valores de estos indicadores, en cuanto a la forma en que participan los acreedores en el financiamiento de la deuda en las empresas en el pronóstico de insolvencia. La conclusión es, que si el Z-Score indica que la empresa tiene problemas de solvencia es muy probable que la empresa evaluada tenga serios problemas de deuda.
En los indicadores de liquidez, el 66% de las empresas pronosticadas como insolventes con el Z-Score fueron calificadas con alerta por la prueba ácida y el 91% de las empresas calificadas como solventes por el Z-Score fue evaluada de idéntica manera. Se alcanzó un 78% de acierto en la evaluación del pronóstico de liquidez al comparar los resultados del Z-Score y de los indicadores de liquidez. Este resultado señala un buen nivel de precisión en el pronóstico de insolvencia y liquidez usando el Z-Score, lo cual significa que cuando se pronostica una empresa como insolvente por Z-Score hay mucha probabilidad de que de igual manera tenga problemas serios de liquidez.
En cuanto a los indicadores de rentabilidad, los mismos reflejaron altos porcentajes de acierto al comparar el pronóstico de la solvencia de una empresa por Z-Score y por indicadores de rentabilidad. Los indicadores de margen neto de utilidad alcanzaron un puntaje del 70% de acierto, los indicadores de margen operacional y ROA lograron 73% de acierto. El EBITDA también mostró ser un buen indicador con el 67% de acierto. El cálculo de los indicadores de rentabilidad permite suponer la alta probabilidad de un diagnóstico similar al comparar el Z-Score con estos indicadores, en cuanto a la efectividad en la administración de los costos y gastos y de la conversión de las ventas en utilidades.
Obras Consultadas
Altman, E. I. (2000). Predicting Financial Distress of Companies: Revisiting the Z-SCORE and ZETA® models. Stern School of Business, New York University, New York.
Besley, S., & Brigham, E. F. (2001). Fundamentos de Administración Financiera (Decimosegunda ed.). Méxioc, D.F., México: McGraw Hill.
Brealey, M. A. (2010). Principios de Finanzas Corporativas (Novena ed.). México: McGraw Hill.
Douglas Colauto, R., Taboada Pinheiro, L. E., & Lima Pinheiro, J. (2009). Información Contable en la Predicción de Insolvencia: Estudio inferencial univariante aplicado a empresas españolas. Revista Contemporânea de Contabilidade, pp. 153, 154.
Fernández, P. (2000). Valoración de Empresas. Barcelona: Gestión 2000.
Ibarra Mares, A. (2001). Análisis de las dificultades Financieras de las empresas Empresas en una economía emergente. Tesis Doctoral en Dirección y Administración de Empresas .
Barcelona.
León García, O. (1999). Administración Financiera (3a ed.). Bogotá: Oscar León García.
León Valdés, C. (2009). Revistade la Universidad Externado de Colombia. Recuperado el 29 de Abril de 2013, de revistas.uexternado.edu.co:
http://revistas.uexternado.edu.co/index.php/contad/article/view/1295
Ministerio de Comercio, Industria y Turismo ; Superintedencia de Sociedades;. (2007). Nuevo Régimen de Insolvencia Empresarial Ley 1116 DE 2006 . Cartilla Nuevo Régimen de Insolvencia Empresarial Ley 1116 DE 2006 , pp. 1-6.
Contaduría Universidad de Antioquia, pp. 54, 225-255.
Ortiz Anaya, H. (2011). Análisis financiero aplicado (14 ed.). Bogotá: Universidad Externado de Colombia.
Platikanova, P. (2005). El análisis económico-financiero: Estado del arte. Revista de Contabilidad y Dirección, 2, pp. 95-120.
Ross, S., Westerfield, R. W., & Jaffe, J. (2009). Corporate Finance (9th ed.).
Superintendencia de Sociedades. (1 de 5 de 2013). Superintendencia de Sociedades. Recuperado el 1 de 5 de 2013, de Superintendencia de Sociedades Estadísticas de Procesos:
http://www.supersociedades.gov.co
Apéndice Tabla A1
Tabla A1 Cronología de los estudios de predicción de quiebra
Etapa Descriptiva
El análisis financiero a través del método de ratios para la predicción de quiebras
Año Autor Descripción
1932-1965 Fitzpatrick Paul; Winakor Arthur y Smith Raymond; Mervin Charles; Horrigan James
Estos trabajos se caracterizaron por intentar demostrar que los ratios de las empresas que fracasaban presentaban una tendencia desfavorable conforme se acercaba la fecha del fracaso definitivo de la empresa.
Inicio de la etapa predictiva
Estudios de modelos univariables basados en información contable tradicional
Año Autor Descripción
1966-1968 William Beaver Utilizó métodos estadísticos avanzados que le permitieran determinar el nivel de solvencia y de liquidez de las empresas para posteriormente predecir la quiebra. Trabajó con el método discriminante univariable. Aunque trabajó también con el método multivariable, finalmente no lo consideró tan eficiente como su modelo. A partir de sus estudios Altman trabajó
sus modelos Z de predicción de quiebra. Desarrollo de la etapa predictiva
Estudios de modelos multivariables basados en información contable tradicional
Año Autor Descripción
1968-1985 Altman Edward; Deakin Edward; Edmister Robert; Blum Marc; Ohlson James; Rose Peter y Giroux Gary; Taffler Richard; Zavgren Christine
La teoría de la predicción de quiebra se fortaleció con los métodos estadísticos multivariables, como el análisis discriminante lineal, análisis discriminante cuadrático, análisis de regresión, análisis factorial, entre otros. Este método se aplica a una diversidad de variables en una muestra de observaciones.
Continuación
Año Autor Descripción
1980-1989 Dambolena Ismael y Khory; Dambolena Ismael y Shulman Joel; Largay James y Stickney Clyde Casey Cornelius; Casey Cornelius y Bartczack Norman; Gentry James, Newbold Paul y Whiford David; Kurokawa Yurikaru y Takahashi Kichinosuke; Gambola
Micahel, Haskins Mark, Kentz Edward y Williams David; Ghalon James y Vigelan Robert; Azis Abdul y Lawsom Gerld
A partir de la década de los ochenta, se iniciaron estudios para investigar si existía evidencia empírica de una mayor capacidad predictiva al utilizarse el Cash Flow
operativo. Los primeros reportes de su uso se remontan a 1987 cuando por decisión de
la FASBa se volvieron obligatorios, en
ellos se advirtió que el simple concepto de Cash Flow operativo no era suficiente, pues existían otras medidas que también eran importantes como el Cash Flow de
financiación, el de inversión, entre otros. El Cash Flow es un término polisémico, cuyo significado desde el punto de vista
financiero es flujo de caja.
Estudios de modelos multivariables basados en el análisis factorial
Año Autor Descripción
1973-1987
Pinches George, Mingo Kent, Carthuthers Kent y Eubank Arthur; Chen Kung y Shimerda Thomas Gombola Michel y Ketz Edward Casey Cornelius y Bartczack Norman; Gombola Michael, Haskins Mark, Kentz Edward y Williams David
La gran cantidad de ratios utilizados hasta el momento en los diferentes modelos predictivos, provocó que muchos analistas se refirieran a un mismo ratio con diferente nombre. Como consecuencia, estos autores se enfocaron en la utilización del análisis factorial que aunque es un análisis más complejo que el análisis univariable, integra varias características de los
modelos multivariables con el fin de contar con herramientas de más alcance que sirvan para obtener los indicadores de síntesis requeridos.
Nota. Tomado de Ochoa Garro, Y. V., Toro Cartagena, D. C., Betancur Gallego, L. A., & Correa García, J. A. (2009). El indicador Z, una forma de prevenir el riesgo de continuidad. Contaduría Universidad de Antioquia, pp. 54, 225-255.
