2. ALGUNOS ESTUDIOS DE PAISES EMERGENTES BASADOS EN EL MODELO ALTMAN

MODELO BAIDA Y RIBEIRO (BRASIL, 1979)

Durante 1979 Tara Baidya y Luis Manoel Ribeiro, de la Universidad de Rio de Janeiro, junto con Altman, de la Universidad de Nueva York, aplicaron el modelo de la Z-Score a la difícil experiencia financiera Brasileña que se presentó durante la década de los setenta. Este estudio se llevo bajo un ambiente caracterizado por porcentajes de inflación muy altos y en donde los ratios de cobertura se modificaron significativamente (aunque el PIB era para 1977 del 4.66%).

Además, según los reportes estadísticos de 1976, en el conjunto de los demás ratios se observaron significativas alzas. Según los autores, esta tendencia se debió al incremento en los gastos financieros que durante 1969-1975 pasaron del 20.1% al 39.2%. Por otra parte, los beneficios para hacer frente a estos gastos registraron tendencias muy accidentadas, pues de estar en 47.4% para el período 1969-1970, llegaron al 125% para el período 1973-1974; y posteriormente cayeron drásticamente hasta el 62.8% durante 1974-1975.

La metodología utilizada fue casi idéntica a la del trabajo pionero de Altman (1968), aunque la base de datos tuvo un alcance de 1 a 3 años previos a la quiebra. El primer año previo a la quiebra se consideró como la base para la muestra de control.

Para este estudio, que consideró el período 1973-1976, se seleccionó una muestra de 23 empresas con problemas financieros cuyo promedio en el tamaño de sus activos osciló entre los 30 y 40 millones de dólares. Aquí se consideró como variable dependiente a la empresa fracasada con problemas de solvencia, aunque no llegara a la quiebra (empresas con peticiones de quiebra: “falancias”, y empresas en proceso legal de reorganización: “concordatas”).

Estas empresas tenían en común que la mayoría de sus problemas se presentaron en los treinta últimos meses previos a su fracaso (período enero 1975 – junio 1977). Sin embargo, dicha uniformidad temporal creemos que no ayudó mucho, pues se incluyeron empresas de sectores productivos tan heterogéneos como fueron el textil, mobiliario, pulpa y papel, plásticos, metalúrgicos y otros que no especificaron los autores. Posteriormente, las empresas fracasadas se compararon con otra muestra de control un poco más grande (35 empresas sanas) por lo que se deduce que no se consideró básico el emparejamiento.

Con respecto al conjunto de ratios originales, se utilizaron los mismos 22 ratios del primer estudio de Altman, aunque adaptadas al caso brasileño según lo indicaron los autores. Esto se debió a que la evolución entre los capitales propios y los pasivos totales del conjunto de empresas brasileñas se vieron seriamente modificados por el entorno macroeconómico. Por ejemplo: la evolución del impulso y cobertura de los ratios del pasivo total / capital propio pasó del 80.5% hasta el 110.5% de 1975 a 1979. Por otra parte, durante el mismo período el capital propio de las empresas pasó del 55.4% al 47.5%; y los pasivos totales se incrementaron del 44.6% hasta el 52.5%.

Para la función lineal se utilizaron también las mismas variables independientes del trabajo original de Altman. Sin embargo, las variables X2 y X4 (que miden la rentabilidad acumulada y la solvencia) fueron modificadas. Esto se debió a que los balances generales de los Estados Unidos de Norteamérica difieren con respecto a los del Brasil en cuanto al concepto de “rentabilidad acumulada”. Para los norteamericanos se entiende que se llega al concepto de beneficios acumulados una vez que se han deducido los dividendos pagados en efectivo. En cambio, en Brasil este concepto se entiende como las ganancias retenidas después de la distribución de dividendos, los cuales pueden ser pagados hasta en un período de dos años posteriores a su decreto. Así, su “pago” sólo se reflejará como dividendos en acciones (capitalización de los dividendos).

Esta práctica obedece a métodos contables antiinflacionistas que buscan crear reservas para las correcciones monetarias de los activos fijos y de esta forma mantener el capital de trabajo al deducirlo de los beneficios. Los beneficios reales serán entonces menores con respecto a aquellos que son reportados en la cuenta de beneficios retenidos. Estas reservas evitan la descapitalización al incrementar los activos y el capital contable de la empresa.

Con respecto a la variable X2, fue propuesta por Altman con el fin de considerar la edad de la empresa, pues consideró que es más fácil que un negocio fracase cuando es de nueva creación. Los autores la expresaron en los siguientes términos: X2= Capital Contable Total – Aportaciones de los accionistas al Capital / Activos Totales.

Baidya y Ribeiro opinaron que una expresión más precisa del numerador podría determinarse al considerar a los beneficios retenidos anualmente más las reservas creadas y acumuladas a lo largo de la vida de la empresa. Según ellos, en la mayoría de las empresas brasileñas los “fondos” provienen directamente de los accionistas que los aportaron al principio de la creación de la empresa. Sin embargo, estos representan sólo una pequeña parte del capital contable actual, el cual incluye un conjunto de reservas anuales que reflejan la corrección monetaria de los activos ante la inflación. Esta información que es muy difícil de obtenerse desde fuera de la empresa para conformar una mejor base de datos, por desgracia no estuvo a disponibilidad de su investigación.

Para la variable X4, el capital social fue medido a través de una combinación del valor de mercado de todas las acciones con relación al valor en libros de los pasivos totales. Este indicador le había sugerido anteriormente a Altman qué tanto los activos pueden disminuir su valor al considerar el valor de mercado del capital contable menos los pasivos totales. Sin embargo, Baidya y Ribeiro concluyeron que dado que el capital social de las empresas brasileñas en general no se comercializa o cotiza en bolsa, es difícil determinar esta variable, ya que su numerador está compuesto por un valor de mercado (último precio de mercado de las acciones numerarias). Para obtener los nuevos valores de mercado del patrimonio o capital social sin considerar los valores en libros, sustituyeron y dividieron el capital social líquido entre el pasivo total actual (X4 = capital social líquido / pasivo total actual). Por otra parte, Altman también había propuesto como alternativa el utilizar el siguiente ratio: Capital Neto (activo neto o capital contable / Pasivo Total (valor en libros).

Para las otras tres variables independientes no se les aplicó ningún ajuste, aunque sí se reconoció que dada la variabilidad de los gastos financieros, dichas variables sí deberían también ajustarse a entornos inflacionarios para que fueran más compatibles con los procedimientos brasileños, y de esta forma poder obtener para el modelo más poder discriminatorio.

También es importante destacar la variable independiente X3, pues Altman desde sus primeros estudios consideró que este ratio media eficientemente la verdadera productividad de los activos de la empresa, ya que esta magnitud se basa en el potencial de sus activos para generar beneficios, y por lo tanto, la insolvencia se presenta cuando el total de los pasivos excede a la valuación de los activos. Por último, la variable X5 representa para los seguidores de la escuela de Altman, un estándar financiero importante que indica la capacidad de las ventas para generar los activos de la empresa.

Al tomar en cuenta las anteriores premisas, la investigación brasileña dio como resultado empírico dos modelos lineales. Al primero que denominaron Z1, incluyó cuatro de las cinco variables del modelo original de Altman (X2....X5). Esto se debió a que una vez aplicado el programa discriminante “stepwise”, los resultados indicaron que la variable X1 no presentaba ningún poder explicativo para el modelo. Además, el signo de su coeficiente era contrario a la lógica intuitiva. Según los autores, esto se debió a que algunas empresas presentan un crecimiento excesivamente acelerado sin recursos financieros suficientes para soportarlo. En tales casos el capital de trabajo neto pierde poder predictivo como variable independiente.

Para el segundo modelo que denominaron Z2, no se incluyó a la variable X2 por la dificultad para integrar sus componentes con las bases de datos contables que presentaban los estados financieros. Aunque esto mismo sucedió con la variable X4, la cual finalmente sí se incluyó. A continuación presentamos ambas Z-Scores.

Los resultados obtenidos en este trabajo dieron una exactitud de clasificación del 88% un año previo a los problemas financieros, llegando hasta el 78% tres años previos a dichos problemas. La exactitud de clasificación de los modelos fue ligeramente inferior durante el segundo y tercer año previo a la quiebra. Además, este trabajo intentó determinar los costes de error clasificatorio.

Baidya y Ribeiro concluyeron que el modelo predictivo de Altman, que aplicaron en su estudio, en el caso de economías emergentes presentaba problemas fundamentales en cuanto a la calidad y disponibilidad para obtener bases de datos fiables, pues la calidad de dichos datos era deficiente, debido en parte a que los gobiernos aún no estaban convencidos de la importancia sobre su supervisión. En el caso particular del Brasil, desde 1965 se habían ya hecho serios esfuerzos para crear instituciones que vigilaran la razonabilidad de los datos financieros. En 1972, el Banco Central de Brasil, a través del “Superinterden of Money and Credit”, emitió la Circular No. 179 para determinar un formato estándar que deberían seguir las empresas registradas en esta instancia a la hora de elaborar el balance general y el estado de resultados.

Para 1976, se revisó la Ley de Corporaciones Brasileñas y fue creada la “Commissáo de Valores Mobiliarios” para proteger a los accionistas minoritarios en cuanto a la alteración de la información financiera. Esto dio como resultado una nueva ley de impuestos para las corporaciones con el fin de mejorar sus estados financieros (diciembre de 1977). El gobierno en turno reconoció así la necesidad de desarrollar bancos de bases de datos a largo plazo.

Desde el punto de vista de Baidya y Ribeiro, el problema del desarrollo de las bases de datos en Latinoamérica ha sido generalizado, pues tanto en Brasil como en los demás países del área, cuyas economías han sido inestables y cambiantes en sus superestructuras, el analista financiero se encuentra ante diferentes criterios contables dentro de tres tipos de empresas que son: las del estado, las filiales multinacionales y las domésticas (que pueden ser privadas y con participación estatal). Según los autores, esto ha llevado a que algunos investigadores como Taylor (1977) en Colombia, optaran por no utilizar bases de datos públicas, pues generalmente corresponden a empresas grandes y aplican frecuentemente el efecto window dressing. Como alternativa algunos trabajos han seguido el ejemplo de Edmister (1972) en cuanto a utilizar bases de datos de empresas pequeñas, en las que en ocasiones es más fácil obtener información más confiable.

Sin embargo, el anterior problema también puede presentarse en algunos países desarrollados y prueba de ello fue la experiencia de 1973 que tuvo Altman con los malos resultados en Francia al desarrollar su modelo en 1973. En este país hasta finales de la década de los setenta, la Comisión de Operaciones de la Bolsa apoyaba la estricta confidencialidad de los estados financieros, y por lo tanto, era difícil saber los criterios contables que se aplicaban en partidas muy específicas. Altman para entonces aún consideraba que la aplicación de su modelo por parte de las instituciones financieras del Brasil podía ser comparable al llevado acabo en otros países desarrollados como los Estados Unidos. Esta idea posteriormente la cambiaría en México al proponer una nueva Z-Score.

MODELO SWASON Y TYBOUT (ARGENTINA, 1988)

En 1988 Eric Swanson, del Banco Mundial, y James Tybout, de la Universidad de Georgetown de Washington, estudiaron la asociación entre el incremento de los porcentajes de las quiebras, el incremento en los porcentajes de los tipos de interés reales, así como el establecimiento de los “stocks” de crédito como condiciones macroeconómicas de importancia para la supervivencia de las empresas. Los porcentajes de quiebra sectoriales fueron analizados para determinar si los sistemas de reforma tenían un efecto diferencial sobre la alta protección de las empresas. Además, los resultados de su modelo buscaron definir el rol que jugaban los costes financieros para determinar la probabilidad de quiebra, así como las diferencias significativas entre la reforma y la post-reforma económica de Argentina, en cuanto a los resultados de las empresas industriales.

En 1976, Argentina se había implicado en un programa de desregulación y estabilización financiera, así como en una liberalización de su economía. Esta reforma concluyó en 1981 con una rápida devaluación de su unidad monetaria y el restablecimiento de los controles gubernamentales. Bajo este esquema, Swanson y Tybout examinaron el efecto del programa de reforma sobre las empresas industriales pertenecientes a varios sectores económicos.

Un problema importante que detectaron a través de su investigación sobre esta línea de estudios fue que a esas fechas había pocos trabajos que se habían enfocado a países en vías de desarrollo. Para los autores esto tal vez obedecía a que la disponibilidad de bases de datos era un problema cualitativo en todos ellos, lo cual impedía aplicar modelos como el de Altman. Sin embargo, destacaba el hecho de que en Brasil el propio Altman, había iniciado ya intentos por encontrar la utilidad de los datos publicados en esos países para poder ser interpretados correctamente y analizados rigurosamente a través de su modelo dada la importancia que presentaba el contenido singular de su información.

En su trabajo Swanson y Tybout analizaron las quiebras argentinas sector por sector, distinguiendo entre aquellas empresas cuyas actividades gozaban de una alta protección y entre aquellas otras empresas que tenían poca o nula protección por parte del gobierno. Determinaron que en épocas de procesos de liberalización, los patrones relativos a la quiebra responden a los sistemas reformistas gubernamentales dirigidos a promover las exportaciones a expensas de las sustitución de las importaciones.

Para ellos las variables financieras: porcentaje de interés real y los “stocks” de créditos reales fueron los factores causales dominantes que se extendieron a lo largo de los años. Concluyeron que las fluctuaciones en los costes financieros afectaron negativamente las fluctuaciones de los resultados reales en cuanto a la determinación de las ganancias netas. Por otra parte, consideraron que los costes financieros afectan notablemente el riesgo de quiebra, pero en cambio, los resultados del mercado no afectan notablemente el número de quiebras. Aquí las ventas mostraron una correlación negativa constante.

Al revisar la literatura teórica observaron que los negocios fracasados habían sido definidos comúnmente como aquellos que no tienen un valor presente de activos en exceso con respecto al valor presente de sus pasivos. Sin embargo, las bases de datos de estas variables no estuvieron disponibles y aunque consideraron que esta condición analítica ni es necesaria, ni suficiente para que una entidad corporativa deje de existir, en cambio si es necesaria para una definición operativa. Al definir a la variable dependiente, consideraron que una empresa estaba fracasada cuando satisfacía por lo menos alguna de las tres condiciones siguientes:

a. Que estuviera en quiebra. Para ellos esto era un estatus “concursal” y por lo tanto estaba excluido del mercado de valores.

b. Que el estatus “concursal” se considerara como un supuesto a lo que marca el Capítulo XI de la Ley de Reforma de Quiebra de los Estados Unidos . Es decir, que la empresa estuviera en reorganización y acuerdos de repagos (aquí podía quebrar o no quebrar eventualmente la empresa).

c. Que sus transacciones en la bolsa de valores estuvieran suspendidas o canceladas cuando la corte o la comisión nacional de valores hubiera suspendido la autorización para ofrecer sus acciones en el mercado público.

Su análisis lo efectuaron de forma similar a como se había aplicado en los países industrializados, utilizando como técnicas estadísticas, el análisis discriminante y el análisis Probit. Su análisis les sugirió que la liberalización de los mercados financieros influye sustancialmente en ciertos sectores industriales, particularmente cuando cambian las políticas cambiarias, las cuales induce a grandes desviaciones en la paridad del poder adquisitivo. En tales circunstancias, la tasa de interés real sobre los préstamos en dólares y en pesos, suelen diferir considerablemente sobre el retorno real productivo de los activos, y éstos tienden entonces a ser muy volátiles.

En el caso particular de Argentina, a principios de 1987 se volvió nuevamente a un programa de estabilización que incluyó altas tasas de interés( 20% a 30% anuales). Los autores consideraron entonces que eran muy significativas las variables macroeconómicas dentro de los procesos de quiebra y que la falta de liquidez e insolvencia en el sector industrial podía significativamente empeorar los prospectos de avance en los países en vías de desarrollo, ya que dichos problemas reducen los resultados de las empresas. Por ejemplo, a largo plazo estos problemas pueden inducir a cambios negativos en el volumen y en la formación de capital. La relación entre las condiciones macroeconómicas y la tasa de quiebras en general era muy evidente e importante para Swanson y Tybout, aunque en su trabajo también incluyeron varios hechos que se enmarcan en el nivel microeconómico.

Con respecto a su base de datos, seleccionaron estados financieros de sólo empresas manufactureras pues pensaron que de acuerdo al tipo de empresa se puede establecer mejor el riesgo que se da entre los diferentes sistemas de dirección. Estas empresas se encontraban cotizando en la Bolsa de Valores de Buenos Aires durante el período de 1975-1982. Para la selección de las variables independientes incluyó tres factores y dieciséis ratios (ver cuadro siguiente).

Para Swanson y Tybout, la liquidez, el apalancamiento y los activos denominados en dólares netos (“currency exposure”), eran los factores que medían las características de los futuros flujos de ganancias de las empresas. Por eso, en su trabajo utilizaron una serie de variables de ingresos, costes, ventas, gastos de operación y costes financieros netos. Cada variable correspondiente a las ganancias la construyeron como un ratio para normalizar las medidas del tamaño de la empresa (tal fue el caso del pasivo total, el capital contable o los activos totales).

En su trabajo los ingresos netos que definieron simplemente como ventas menos costes intermedios (depreciaciones, salarios, impuestos intermedios y pagos) no se incluyeron como un indicador. En su lugar consideraron que era mejor incluir a los beneficios con base en su potencial pues para ellos, las tres variables de los beneficios básicamente implicaban los ingresos netos. Además, estos últimos no les habían demostrado una contribución de poder adicional explicatorio cuando las variables se presentaron como ingresos netos. Aquí se ignoró a los impuestos y a los ingresos no operativos.

Como lo esperaban ambos investigadores: los tres componentes de las ganancias sirvieron mejor para predecir las quiebras con respecto a sólo los ingresos netos. Con respecto a los activos denominados en dólares netos y según los datos, consideraron que era una variable que no se había antes utilizado en otros estudios predictivos, a pesar de que ésta proporciona una amplia extensión volátil entre el dólar y el peso. Por eso, para ellos, ésta fue importante para reconocer la denominación de la moneda para un mejor análisis.

MODELO PASCALE (URUGUAY, 1988).

En 1988 Ricardo Pascale, de la Universidad de Montevideo, desarrolló un modelo multivariable con el fin de predecir las quiebras en la industria manufacturera de Uruguay, tomando como muestra a empresas pequeñas, medianas y grandes. Este trabajo también fue asesorado por Altman y apoyado por el Banco de Uruguay dada la creciente falta de estudios que se registraban sobre este tema.

Para 1958 en Uruguay existía una crisis de pagos con altos porcentajes de inflación, estancamiento de las exportaciones y en consecuencia un muy bajo porcentaje de crecimiento real. En 1974, un nuevo equipo económico implementó fuertes cambios económicos tendientes a la liberalización y desregulación de la economía, enfocándose sobre todo en la reducción de la inflación y al saneamiento de la balanza de pagos. En general, desde mediados de la década de los cincuenta y hasta 1974, el gobierno venía implementando un programa de sustitución de importaciones ante una extrema crisis económica, en donde las autoridades acabaron por intervenir los mercados financieros.

Para 1978 el Banco Central de Uruguay disminuyó el porcentaje doméstico inflacionario y el gobierno redujo su intervención aún más en la economía, estableciéndose un nuevo sistema tributario. En lo económico, se incrementaron los precios del petróleo y se redujeron los de la carne y la lana. Esto fue un grave problema para las empresas uruguayas, pues los mercados se “dolarizaron”, se incrementaron las tasas reales y decrecieron las medidas proteccionistas. Al mismo tiempo, se fue desacelerando la tasa de devaluación, pero la inflación y el desempleo eran altos.

Pascale apuntó en la introducción de su trabajo que en el mundo académico de esos tiempos y ante este difícil panorama, la utilización del análisis de ratios para evaluar la posición de los negocios estaba cuestionada por no tener un desarrollo certero en el campo de la economía y las finanzas. Por eso, él se propuso intentar llevar a cabo el desarrollo de una investigación empírica en un sector estratégico de su país basado en el modelo Altman para superar la anterior tendencia.

La estructuración de su base de datos intentó ser rigurosa, pues comprendió la importancia que representaba este elemento dentro del modelo predictivo. Su metodología fue detallada para el tratamiento de los datos contables, y éstos se obtuvieron a través de un cuestionario estandarizado que se envió a las empresas para verificar el grado de acuerdo y desacuerdo. Con esto, Pascale sugería poner un especial énfasis en el control de la calidad de los datos a través de la correcta clasificación de dichos datos dentro de los estados financieros; la correcta valuación de los activos y pasivos en moneda extranjera (utilizándose el período final de la tasa de cambio); y verificó la valuación de los activos fijos (estandarizándolos en una primera aproximación de acuerdo a las leyes fiscales).

La información proporcionada por las empresas se emitió en valores actuales, y se deflactó para el primer año con el fin de expresarlos en monedas constantes. Para esto último el proceso que se siguió fue en términos específicos el siguiente:

1. Los activos y pasivos circulantes en moneda nacional fueron deflactados a través del índice de precios al por mayor del sector.

2. Las inversiones (excluyendo los activos fijos y otros activos y pasivos a largo plazo en moneda local) fueron deflactados utilizando el índice general de precios al consumidor.

3. Los activos y pasivos circulantes y no circulantes en moneda extranjera fueron valuados en moneda nacional mediante la conversión del balance (considerando el punto 1 y 2 antes descritos).

4. Los activos fijos fueron computados a su valor para efectos de impuestos durante el primer año para las series de balances que estaban disponibles. Para los otros años, el valor se ajusto a precios constantes para las compras y ventas. Estos valores fueron deflactados utilizando el índice de precios para inversiones brutas fijas.

5. El capital contable en términos constantes se calculó como la diferencia entre los activos y pasivos ajustados de acuerdo con la metodología arriba descrita.

6. Las ventas fueron deflactadas como un flujo de variables, utilizando el índice de precios al por mayor para el sector.

Pascale tomó como primer criterio para la selección de su muestra el tamaño de la empresa (teniendo preponderancia aquellas firmas con más de 50 trabajadores) y estableciendo como unidad temporal para el análisis el período de 1978 a 1982.

Para la muestra seleccionó dos submuestras: la primera fue de 44 empresas privadas manufactureras con serios problemas financieros. Aquí, las empresas consideradas como fracasadas estaban en liquidación, quiebra o acuerdos con los acreedores que habían intervenido de forma importante en los cambios estructurales o en la cesación de actividades de la entidad. El 77% de las empresas fracasadas tuvieron dificultades entre 1980 y 1981; y el 11% registraron sus problemas durante 1982. Para la submuestra de empresas sanas se seleccionaron 44 empresas sin problemas financieros a través del emparejamiento. Cabe mencionar que su estudio, al igual que muchos otros, no especificó o dio más detalles sobre las características de las empresas sanas.

Para las variables independientes, seleccionó a aquellas que habían demostrado gran poder discriminatorio, como por ejemplo: los ratios de: ventas netas / pasivo total, beneficio neto / activo total y pasivo circulante / pasivo total. El total de ratios utilizados fueron trece, de los cuales en seis no especificó sus componentes (ver cuadro siguiente)

VARIABLES INDEPENDIENTES UTILIZADAS POR PASCALE

1. Ratio de Rotación de Activos

2. Ratio de Circulante

3. Cambios en el Capital de Trabajo

4. Ventas / Capital de trabajo no Bancario

5. Ratio de Apalancamiento

6. Inventarios / Pasivo Bancario

7. Pasivo Bancario / Pasivo Total

8. Pasivo Fijo / Pasivo Total

9. Cuentas por Cobrar más Inventarios / Cuentas por Pagar más Recursos Espontáneos

10. Ratio de Rotación del Inventario

11. Tasa de Rotación

12. Ventas / Deudas

13. Beneficios Netos / Activos Totales

Todas las variables se calcularon en cada submuestra a partir del primer año previo a la quiebra o al último cierre contable para las empresas sanas, llegando hasta tres años previos al evento. A partir de esto, la función discriminante que obtuvo fue la siguiente:

MODELO PASCALE

Z = 3.70992 + 0.99418X1 + 6.55340X2 + 5.51253X3

X1 = Ventas / Pasivo

X2 = Beneficios Netos / Activo Total

X3 = Pasivo Fijo / Pasivo Total

La variable X1 midió el nivel de actividad, la X2 midió la tasa neta de rotación de los activos; y la variable X3 se asoció con la estructura de endeudamiento. Los altos porcentajes de estos ratios le indicaron a Pascale que la empresa tenía las características de sana; o en el caso contrario, que los bajos porcentajes indicaban que la empresa tenía problemas financieros.

Lo interesante de este modelo es que en el ratio X1, las ventas se expresaron en moneda constante (considerados al inicio del año fiscal). Con respecto al denominador, este era un promedio de las deudas (principio y final del año fiscal) y también estaba expresado en moneda constante de principios del período.

El ratio X3 (pasivo fijo / pasivo total) fue ajustado al poder de compra constante. Este tipo de ajuste lo consideró importante sólo para aquellas partidas que se presentaban en moneda extranjera. Con respecto al pasivo fijo, entendió que era aquel que se contrata a más de un año. Actualmente, este tipo de deudas se consideran entre períodos de tres hasta cinco años.

El ratio asociado con el endeudamiento lo consideró de la siguiente forma: activo total / pasivo total. Éste mostró una marcada diferencia entre las medias de los dos grupos de empresas. Sin embargo, esto no sumó ningún poder discriminatorio adicional para la función, y por lo tanto, no se incluyó en ésta.

Los resultados de este estudio que están resumidos en el Cuadro X, le indicaron a Pascale que de la muestra total compuesta por 85 empresas, 7 fueron mal clasificadas, lo que le dio un índice general de clasificación correcta del 91.8% para los dos grupos. El tipo de error tipo I fue mínimo (2.3%) y sólo una de las 44 empresas fracasadas fue mal clasificada. La zona gris se ubicó entre el 1.05 y el .04.

Los anteriores indicadores le llevaron a la conclusión de que aunque el modelo predictivo es fácil de utilizar, se requiere información que no siempre está disponible en las empresas. Es decir, la base de datos se volvió a presentar como uno de los problemas centrales. Además, Pascale también advirtió sobre el problema de los cálculos y el software, los cuales no siempre son los más apropiados o de más fácil acceso. Sus recomendaciones para futuras investigaciones se concretaron a la sugerencia de extender este modelo que fue realizado en un país en vías de desarrollo, hacia otros sectores y tamaños de empresas ubicadas en países desarrollados con fenómenos similares.

MODELO WOM Y YOUNG (COREA, 1995)

El estudio de Kim Won Dong, de la Universidad de Nueva York, y Eom Young Ho, de la Universidad de Suwom (1995), llevado a cabo en Corea del Sur con la colaboración de Altman, se reconoce que cualquier trabajo sobre los modelos predictivos requiere una base de datos con calidad.

También este estudio advierte que es muy frecuente que en muchas de las muestras se incluyan empresas privadas, empresas que son propiedad del gobierno o empresas que están subsidiadas; sin tomar en cuenta que existe una estructura financiera diferente entre cada una de ellas por la forma de su financiamiento propio y ajeno; del sector al que pertenecen; y además, como ya lo apuntaban Baidya y Ribeiro (1979): en gran medida esta diversidad de empresas está condicionada de forma diferente por las variables macroeconómicas del país donde están ubicadas.

Continuando con estas ideas iniciales, Wom y Young citan el caso de Japón, en donde observaron que a través del Ministerio de Finanzas y de los grandes bancos, se mantiene un rol tradicional para apoyar a las empresas fracasadas, manteniéndolas en muchas ocasiones activas artificialmente.

En el caso de Corea, este país registró un gran crecimiento a finales de la décadas de los setenta y los ochenta cuando el PIB llegó a ubicarse por arriba del 12% anual (1988-1990). Sin embargo, en 1991 la economía experimento un peligroso endeudamiento y el PIB decreció hasta el 6.8%; y para 1993 ya se situaba en 5.6% anual. Entonces el gobierno, a través del Banco de Corea, apoyó a las empresas más débiles sin considerar a la quiebra técnica como un factor decisivo para su continuidad.

Considerando las anteriores premisas y para la determinación de la variable dependiente, su modelo se enfocó a distinguir entre empresas sanas y empresas con enfermedades financieras. Estas últimas fueron consideradas como aquellas que presentaban insolvencias técnicas o estaban en proceso de liquidación. Con respecto a la insolvencia técnica, los autores opinaban que ésta es la última manifestación de la vida de una empresa, y por lo tanto, se podía considerar que era ya un hecho su quiebra.

Para la muestra seleccionaron empresas que se dedicaban a fabricar vestidos, productos metálicos, productos de madera, productos de pulpa y papel, motores de vehículos, productos de plástico, metales básicos y empresas constructoras. Como en anteriores ocasiones, hemos de apuntar lo heterogéneo de este tipo de muestras, que posteriormente se refleja en una base de datos con criterios contables muy diferentes al tener sobre todo inventarios y activos muy diversos, y por lo tanto, sistemas de valuación y amortización poco comparables.

Como variables independientes seleccionaron veinte ratios dentro de las cuales se incluyeron los cinco ratios de la función lineal de Altman (ratios: 1, 3, 4, 15, 20). Con el total de las variables seleccionadas Kim y Eom construyeron dos modelos que denominaron: X1-Score (para las empresas privadas); y X2-Score (para las empresas que cotizaran en la Bolsa). Este último modelo incluía el ratio valor de mercado del capital social / pasivo total.

Considerando que sólo 600 empresas cotizaban en ese entonces en la Bolsa de Valores de Corea, la k1-Score representó el indicador más práctico con respecto a la K2-Score. También varias de las variables independientes las expresaron con base en una transformación logarítmica para disminuir el efecto distorsionador del tamaño de los activos totales, la cobertura de intereses y la relación entre las ventas netas / activos totales.

Z-SCORE COREANAS

K1-Score = 17.862 + 1.472X1 + 3.041X2 + 14.839X3 + 1.516X4

K2-Sore = 18.696 + 1.501X1 + 2.706X2 + 19.760X3 + 1.146*X4

X1 = Log. Activo Total (tamaño)

X2 = Log. Ventas / Activo Totale (eficiencia)

X3 = Beneficios Retenidos / Activo Total (solvencia)

X4 = Valor en libros de Capital Social / Pasivo Total (solvencia y apalancamiento)

*X4= Valor de mercado del Capital Social / Pasivo Total(solvencia y apalancamiento)

Los factores del análisis fueron los siguientes: rentabilidad, liquidez, solvencia, apalancamiento, cobertura para gastos fijos, actividad o eficiencia con base al volumen de ventas, el tamaño de la empresa y la estabilidad de las ganancias.

Para este último factor se consideró al ratio de la siguiente manera: beneficios antes de intereses e impuestos / la desviación estándar de los tres últimos años de beneficios antes de intereses e impuestos. Un coeficiente elevado de este ratio les proporcionó buenos resultados a corto plazo y una volatilidad relativamente baja. En cambio, un coeficiente bajo les indicó lo opuesto. En cuanto al período para calcular las medias de volatilidad, determinaron que deberían de considerarse períodos entre tres a cinco años. Sin embargo, dado los resultados que obtuvieron en su último test, no les fue posible utilizar este ratio pues no existían suficientes datos en la submuestra de empresas fracasadas, lo que no quiere decir que desecharan la recomendación de su utilización en los casos en que se contara con una excelente base de datos para poder observar su comportamiento.

Para las bases de datos fijaron una unidad temporal de cinco años, considerando como primer año al último año fiscal disponible para obtener información financiera y previo al fracaso empresarial. Aquí sólo se consideró la información contenida en el balance general y en el estado de resultados.

Las primeras estimaciones de este estudio dieron como resultado univariable cálculos correspondientes a la media y mediana de las empresas fracasadas. Para los autores, las empresas fracasadas en general son las más pequeñas con menos beneficios y liquidez; con más apalancamiento, y que registran ratios muy bajos para la cobertura de los intereses. Por ejemplo: el ratio de capital social / pasivo total registró una mediana de 0.39 contra un 0.63 correspondiente a las empresas sanas. Para el ratio de pasivo total / capital social, se obtuvo una proporción de 2:1 para las empresas fracasadas; en cambio para las empresas sanas la proporción fue de 1:2 . Sin embargo, los mismos autores reconocieron que éste no era un indicador definitivo ya que posteriormente otros resultados les demostraron que, tanto las empresas sanas como las empresas fracasadas registraron ratios bajos.

Así, la media del ratio valor de mercado de capital social / pasivo total, fue de 0.52 para las empresas sanas, y del 1.18 para las empresas fracasadas. En el caso de la rentabilidad, aquí si se obtuvieron diferencias significativas al igual que para el ratio de cobertura de intereses (para las fracasadas fue de 0.6 y para las sanas de 4.6. Pero en el caso de la liquidez, los ratios fueron muy similares entre ambos grupos.

Una vez más estos resultados reforzaban la idea de que sí influyen definitivamente otros factores como son el tamaño de la empresa, el sector y sobre todo la incógnita del efecto que tiene el window dressing que impide llegar a generalizaciones más reales a través de un modelo predictivo.

También con esto se comprobó las limitaciones que presentaba el análisis univariable. Al aplicar un análisis de series temporales a las empresas fracasadas también obtuvieron pobres resultados. Los autores argumentaron que los indicadores de alerta en Corea no eran todavía tan efectivos como en los Estados Unidos bajo este método.

Al aplicar el MDA obtuvieron para el K1-Score, cuatro variables independientes, eliminándose el ratio: valor en libros del capital social / pasivo total. El criterio para seleccionar a dichas variables se basó en los siguientes cuatro criterios:

a.) Su alta significancia univariable.

b.) El signo correcto de todos los coeficientes del modelo.

c.) Un aceptable nivel de exactitud para las muestras y para el test de la muestra en general (“hold out”).

d.) Un nivel aceptable de exactitud a través del tiempo.

Con respecto a la exactitud de clasificación del modelo K1-Score, un alto índice para las firmas en quiebra significó mayor salud financiera y poca probabilidad de quiebra. La exactitud un año previo a la quiebra fue del 97% para las 33 empresas fracasadas; para el segundo año disminuyó al 88.2%; y en el tercero descendió hasta el 70% de exactitud. Por otra parte, la exactitud de clasificación para las empresas sanas fue en términos generales del 92% un año previo al último cierre fiscal; del 83% para el segundo año, y del 77% para el tercer año. Como se lee en estos últimos resultados, en las empresas sanas no se observa la pérdida gradual de exactitud predictiva, pues ésta se incrementa o disminuye aleatoriamente en los años intermedios.

Con respecto al modelo K2-Score, se sustituyó la contabilidad del devengo basada en valores contables por valores de mercado (variable X4). Según los autores, la exactitud de predicción de este modelo es similar a la del K1-Score, sin embargo, el primero tuvo como principal error que en varios casos las empresas clasificadas como sanas hasta el año de 1993, posteriormente llegaron a un punto claro de fracaso durante 1994 y 1995.