1. INTRODUCCIÓN

Este libro presenta el desarrollo histórico, las actuales limitaciones y las perspectivas del análisis multivariable, y en específico al Analisis Factorial, aplicado al Analisis Financiero actual que se denomina análisis financiero multivariable. Esto se justifica por su actual importancia como complemento o incluso sustituto del análisis financiero tradicional basado únicamente en razones financieras o ratios para la toma de decisiones sobre inversión, financiación y política de dividendos.

Las propuestas metodológicas del análisis financiero multivariable actualmente presentan aún múltiples desacuerdos en cada uno de los elementos que conforman sus respectivos modelos. Dichos elementos son principalmente: la obtención y estructuración de las bases de datos, la selección de las variables independientes y la variable dependiente, la determinación de las unidades temporales y de análisis, el tipo de método estadístico multivariable de interdependencia y dependencia más adecuado para obtener evidencia empírica, e incluso existen desacuerdos en cuanto a la interpretación de la información obtenida para llegar a conclusiones eficientes.

A lo largo de este libro se explica la forma en que se ha desarrollado el nuevo pensamiento del análisis financiero a través de los métodos univariables, bivariables y multivariables, mismos que dan una perspectiva que aunque es más compleja resulta más eficiente y complementa los resultados del análisis financiero tradicional basado en coeficientes denominados razones financieras.

Las limitaciones de los ratios dentro del análisis financiero tradicional, también conocido como análisis financiero primario, han llevado a no pocas investigaciones sobre el tema a la necesidad de utilizar otras técnicas de análisis financiero más globales y de mayor alcance basadas en la estadística, como es el caso de los Modelos Univariables, Bivariables y Multivariables que han generado el concepto de anlasis financiero multivariabable. La investigación empírica realizada con todos estos modelos dentro del análisis del financiero se ha orientado principalmente hacia casos particulares como la solvencia, la rentabilidad o la predicción de quiebras (Gabas: 1990).

Entre las principales clasificaciones utilizadas en los modelos multivariables están las que los divide en: a) métodos descriptivos o exploratorios (no se establece ninguna hipótesis previa); y b) métodos explicativos o confirmatorios (se basan en un marco teórico para fundamentar y validar empíricamente una hipótesis). Otra importante clasificación es la que divide a los métodos en: a) métodos reductivos (análisis factorial, componentes principales, correlación canónica, análisis de clusters, análisis de correspondencias); y b) métodos de dependencia (análisis de la varianza, análisis de la covarianza, regresión múltiple, análisis discriminante, análisis de probabilidad condicional Logit y análisis de probabilidad condicional Probit).

Por ejemplo, la selección adecuada de la técnica multivariable para un modelo financiero predictivo utilizando ratios está en función principalmente de la forma que presente la variable dependiente y la base de datos con la que se estiman las variables independientes. Así, cuando la variable dependiente tiene una forma continua se utiliza la regresión. En cambio, cuando dicha variable dependiente presenta una forma categórica (cualidad) se puede utilizar el análisis discriminante, el análisis logit o el análisis probit.

En cuanto a la regresión múltiple, cuya forma es continua, se considera como uno de los métodos multivariables más simples utilizados en el análisis financiero multivariable, aunque es de tipo muy general. Este método muestra en qué medida la variabilidad conjunta de las variables independientes explica la variación de la variable dependiente. Aquí el problema radica en que no siempre en los modelos financieros (como los predictivos) la variable dependiente permite la asignación de valores de significación numérica de rango continúo, sobre todo en el instante de definir a la unidad temporal de las empresas fracasadas, pues el momento del fracaso financiero no es exacto o puntual. Ante esta situación, que es muy común que se presente, numerosos trabajos de investigación se han encaminado a expresar a la variable dependiente como dicotómica, con el fin de limitar la complejidad del modelo y poder aplicar la técnica de regresión. Una vez llevado a cabo esto, es posible también utilizar otras técnicas importantes para el analista financiero como el análisis discriminante, el análisis logit y el análisis probit. Estos dos últimos de hecho son variantes de la regresión que se pueden aplicar a variables categóricas. También algunos investigadores han considerado que el análisis discriminante es una adaptación de la regresión en los casos en que la variable dependiente es cualitativa.

Los modelos predictivos, que incluyen un conjunto de métodos estadísticos avanzados, se enfocan hacia el contenido de la información contable expresada en los ratios.

Los modelos univariables utilizan una sola variable mientras los multivariables, que son los más desarrollados, hacen uso de una combinación de variables dependientes e independientes para analizar dinámicamente las actividades financieras y económicas de la empresa con el fin de reducir variables y predecir problemas de rentabilidad, creación de valor, liquidez, solvencia o probabilidad de quiebra. Podiamos al respecto hacer la siguiente analogía: supóngase que la empresa esta representada por una mesa comformada por cuatro sostenes (“patas”). La tabla representaria la probabilidad de fracaso o éxito financiero (variable dependiente), en tanto los sotenes represantaría el grado de fortaleza financiera para sostener la tabla (variables interdependientes con sus respectivos pesos relativos).

Para el análisis financiero principal o final, ya más complejo, se combinan varios de los modelos multivariables con el fin de contar con herramientas de más alcance que sirvan en la medición y predicción del fracaso o éxito de la empresa mediante la obtención de los indicadores empíricos globales o de síntesis requeridos. Sin embargo, a la fecha existen serios problemas en cuanto a los métodos estadísticos aplicados

A lo largo de la revisión bibliográfica e histórica de los modelos de análisis financiero multivariable, se ha observado que entre los principales problemas estadísticos que éstos presentan están las dificultades en la distribución de las variables, la dispersión de grupos, la inadecuada reducción en el número de variables así como en la limitación de los factores, la elección incorrecta de las probabilidades poblacionales previas, la cuantificación incorrecta de los costes de error, la incorrecta interpretación de la significancia de los factores y de las variables independientes, entre otros. Con respecto al último punto, dentro del análisis discriminante existen serías dudas sobre la certeza de la contribución relativa de cada una de las variables independientes dentro de la función lineal, así como de su correcta interpretación. Para mejorar este aspecto se ha propuesto para la medición de los coeficientes, estimar “coeficientes estandarizados”. Sin embargo, esto no es posible realizarlo a través del análisis discriminante. Otra propuesta muy aceptada es seleccionar y reducir un conjunto original de factores aplicando métodos estadísticos reductivos, como el análisis de componentes principales. A partir de esta propuesta, nos enfocamos a desarrollar el método de componentes principales como parte central del análisis principal o final.

Los modelos sobre predicción de quiebras con ratios desarrollados a mediados de los años 60´s, se han continuando considerando bajo los ambientes tecnológicos y de normatividad contable de esa época. Sin embargo, en la actualidad esos elementos son totalmente diferentes y obligan a tratar el tema bajo nuevos enfoques. El ambiente tecnológico actual da las posibilidades de un estudio empírico no solamente estadístico, sino además, permite la utilización de poderosos sistemas informáticos en red que a través de la información en línea, es posible contrarrestar cada vez mejor el efecto window dressing (maquillaje contable).

Los estados financieros deben tener una utilidad práctica y todo analisis a traves de ratios debe tener en cuenta mostrar las limitaciones propias de las actuales técnicas basadas en ratios y estadística multivariable. Tambien se debe considerar la insuperable distancia que se da entre un estudio empírico y la realidad empresarial en donde muchas mediciones y cuestiones practicas se resuelven de forma pragmatica y no se puede sistematizar. Asi mismo se debe estudiar las principales causas de los fracasos empresariales pues la mayoría de los estudios se enfocan al análisis de las formulas clave para obtener el éxito empresarial. Es decir, el enfoque de nuevos analisis debería intentar elaborar metodologías en un un sentido inverso. Ello obliga a tomar como elemento central al efecto window dressing pues es uno de las herramientas utilizadas para ocultar los sintomas del fracaso empresarial. Es importante señalar que el window dressing no sirve únicamente para aparentar éxito en empresas fracasadas, sino se utiliza también en sentido inverso, es decir, para aparentar fracaso en empresas sanas. Esto es con el fin de evadir los impuestos o no hacer particpe de las utilidades de la empresa a ciertos colectivos que la conforman. En el caso de ciertas legislaciones todas empresa que obtenga utiliades tienen la obligación de repartir un porcentaje de esta entre los obreros y emnpleados que no sean de confianza o ejecutivos.

Para iniciar la determinación de la variable dependiente en una analisis finmanciero serio sugerimos que no siempre se parta del supuesto del fracaso. Como hemos visto puede enfocarse desde dos supuestos que presentan las empresas: a) como éxito financiero, y b) como fracaso financiero. En el primer caso los criterios se reducen a dos situaciones que no son tan polémicas: "empresa sana" (maximización de las utilidades y maximización del valor de la empresa) y "empresa no fracasada" (no presenta ningún síntoma de fracaso, aunque tampoco necesariamente presente ninguno de éxito). Este criterio se recomienda utilizarlo en aquellas investigaciones en donde la población de empresas quebradas sea muy reducida y no se cuente con una unidad temporal amplia (más de tres años). También coincidimos con Mora (1993) en el sentido de que este enfoque es mejor cuando el analista financiero tiene como objetivo principal el valorar la probabilidad de éxito en lugar que la del fracaso.

Además, al hablar de éxito empresarial también hay que considerar que actualmente este se puede interpretar de acuerdo a los cuatro pilares que sositnenen la tabla del éxito financiero: la maximización de la rentabilidad, la maximización del valor, la optimización de la liquidez y la optimización de la solvencia.

En el segundo enfoque, que es el de más amplia aceptación, seguimos detectando que hasta la fecha continúan las divergencias entre los autores en cuanto al momento y la intensidad que presenta la enfermedad financiera en la empresa. Pues hay quienes consideran que el estado de fracaso se inicia a partir de no alcanzar los objetivos del éxito financiero, hasta quienes lo aceptan únicamente cuando la empresa ha llegado a la quiebra definitiva y estado de liquidación total.

Para nosotros antes es más importante considerar que el concepto de fracaso no es un fenómeno puntual, sino un proceso de crisis que se compone de dos etapas: el fracaso económico y el fracaso financiero. Además, el fracaso responde a situaciones no sólo económicas, sino también a aspectos de tipo jurídico, conceptual, técnico, entre otros.

En cuanto a las posibles definiciones que se pueden presentar de acuerdo al contexto en dónde se desarrolla la investigación, es importante considerar el aspecto temporal del fracaso, pues la crisis puede ser transitoria o crónica, y en gran medida a partir de este hecho depende que la empresa inicie un procedimiento de suspensión de pagos o quiebra. Desde nuestro punto de vista existen básicamente cinco supuestos sólidos para definir técnicamente al fracaso empresarial y son: la suspensión de pagos decretada, la quiebra, la rentabilidad negativa o por debajo de su costo de oportunidad durante varios períodos (estos se definen de acuerdo al ciclo de explotación y maduración que presente el sector), el capital contable negativo, y por último el exceso de valor presente de los activos con respecto al valor presente de los pasivos.

Hemos de finalizar este apartado advirtiendo tres cosas: a) Que aquellos analisis financieros multivariables que no presentan un estudio detallado y sólido sobre la definición de la variable dependiente, seguramente sus fundamentos serán débiles con respecto a la selección de la muestra, afectando directamente la confiabilidad de las inferencias estadísticas; b) También hemos de subrayar la importancia que tiene la relación entre el efecto window dressing (maquillaje contable) y la determinación del éxito o fracaso en cualquiera de sus supuestos, pues si no se revisa dicho efecto, entonces las bases de datos proporcionarán indicadores o supuestos erróneos; y por último, c) En el caso de elegir entre una suspensión de pagos y una quiebra dentro de un sistema concursal eficiente, recomendamos se considere el primer supuesto por el hecho de que este tipo de empresas tienen la obligación de seguir generando estados financieros contables basados en el principio del devengo y no en el de la liquidación. Esto en definitiva coadyuva a mantener vigentes todos los principios de contabilidad generalmente aceptados al estar el negocio en marcha, facilitándose con ello la comparación entre las empresas sanas y las empresas fracasadas.