3. LOS ELEMENTOS DEL AN�LISIS FINANCIERO MULTIVARIABLE

Para desarrollar el an�lisis financiero multivariable debemos obtener los principales elementos que componen el modelo. Dichos elementos a los que nos referimos son los siguientes: a) la unidad de an�lisis; b) la unidad geogr�fica c) la unidad temporal (tiempo o per�odo de la base de datos); y d) la selecci�n de la muestra.

1. LA UNIDAD DE ANALISIS.

La unidad de an�lisis de nuestra investigaci�n comprende a las empresas muestreadas. En este punto lo m�s importante es seleccionar empresas comparables entre s�, y para esto se requieren dos elementos fundamentales que son: a) la definici�n del tama�o de las empresas; y b) la definici�n del sector al que pertenecen �stas. Con respecto al segundo punto, cada qui�n debe seleccionar el sector que le sea de m�s inter�s y que conozca. Hay que determinar el total de empresas que existen en ese sector en cada uno de los pa�ses, para el posterior muestreo.

Sobre el tama�o de las empresas existen acuerdos generalizados para clasificar a �stas como grandes, medianas o peque�as. Las caracter�sticas m�s t�picas que definen al tama�o son: el importe de los activos totales, el volumen de las ventas y el importe de los beneficios. Adem�s, en el caso de este estudio y con relaci�n a las caracter�sticas que se tienen que tomar en cuenta para tener un conocimiento m�s completo sobre las dimensiones de las empresas que se van a comparar, se consideraron otros dos criterios adicionales que son: el pasivo total y el capital contable. La raz�n de incluir las �ltimas dos variables es con el fin de obtener elementos m�s objetivos en cuanto al tama�o real que tiene la empresa en t�rminos econ�micos y financieros, pues el analista puede determinar mejor el tama�o con base a la proporcionalidad que existe entre las fuentes de financiamiento propias y ajenas (estructura de capital), as� como a la aplicaci�n de �stas en inversi�n financiera e inversi�n productiva.

Con respecto a algunos de los principales factores que son influidos por el sector al que pertenece la empresa, est�n los dos siguientes: la rotaci�n de los activos y el tama�o de los activos fijos. El per�odo de rotaci�n de las existencias es muy importante, pues �ste se comporta de acuerdo al sector al que pertenece la empresa. Por ejemplo, en el sector comercial se registran �ndices de rotaci�n superiores a los de la construcci�n. Adem�s, si consideramos que el �ndice de rotaci�n forma parte del ratio de rentabilidad, y por otra parte, la cuenta de inventarios representa una de las fases m�s importantes de ciclo de explotaci�n, entonces se puede deducir que el �ndice de inventarios es una variable independiente que afecta directamente a la liquidez, la tesorer�a y la solvencia de la empresa.

En el caso del tama�o de los activos fijos, es bien conocido que sectores como el de la construcci�n presentan una estructura en su activo fijo del 90% aproximadamente con respecto al total de sus activos, mientras otros sectores como el de los servicios presentan una inversi�n en activos financieros de aproximadamente el 40%. En el caso del sector bancario, normalmente su inversi�n financiera llega a ser hasta del 80% con respecto a su inversi�n total. Lo anterior nos indica claramente la importancia de la segmentaci�n de los sectores para una correcta aplicaci�n de los ratios. Con respecto al pasivo, las empresas grandes tienen en general un endeudamiento ajeno m�s elevado. Con respecto a las utilidades y su relaci�n con las ventas, se deben obtener indicadores que caractericen el tama�o de la empresa.

2. LA UNIDAD GEOGRAFICA.

La unidad geogr�fica se refiere a la selecci�n del pa�s, regi�n y sector al que pertenece la empresa. Hasta la fecha la unidad geogr�fica donde se ubica la empresa no presenta grandes problemas, ya que al no existir a�n una homologaci�n en la presentaci�n de la informaci�n financiera y una misma unidad monetaria entre los pa�ses, los investigadores han optado por seleccionar muestras pertenecientes a un �nico pa�s. En un futuro cercano ser� interesante ampliar la unidad geogr�fica a varios pa�ses por su significativo avance en la armonizaci�n de sus criterios contables y la adopci�n de una unidad monetaria �nica como es el caso de la Uni�n Europea.

En este punto se observa que la determinaci�n correcta de la unidad geogr�fica en los diferentes estudios se ha realizado con base en los siguientes dos criterios: a) aquellos que est�n dirigidos a un sector muy concreto, y b) los estudios que abarcan varios sectores pero con caracter�sticas financieras homog�neas. En ambos casos normalmente se excluyen de la muestra las empresas financieras, aseguradoras y los bancos, ya que tienen caracter�sticas particulares. En resumen podemos decir que para que la muestra sea m�s representativa y puedan llevarse a cabo generalizaciones, la unidad geogr�fica debe seleccionarse considerando aspectos tan importantes como: a) determinaci�n correcta del pa�s y regi�n; b) determinaci�n correcta del sector y subsectores macroecon�micos en que opera la empresa; y c) fijaci�n de las condiciones necesarias para obtener el tama�o de la empresa.

3. LA UNIDAD TEMPORAL.

La unidad temporal comprende el per�odo de tiempo de la base de datos. Aqu� el investigador selecciona el n�mero de a�os para obtener indicadores hist�ricos y predictivos. Normalmente estos per�odos son anuales y oscilan de los tres hasta los diez a�os. El per�odo de cinco a�os es un promedio muy com�n en los trabajos que se han desarrollado desde los a�os sesenta. Algunos investigadores han comenzado a recomendar que dentro de esos per�odos se obtengan tambi�n informes financieros trimestrales y no s�lo anuales para observar mejor las tendencias en los cambios de los ratios. Esto lleva a que de alguna manera la unidad temporal se ampli� y compense algunos aspectos negativos de aquellas muestras que sean peque�as.

Seg�n Fern�ndez (1986: p.116), al considerar la unidad temporal para la selecci�n de la muestra, se presentan serios problemas para el investigador cuando debe definir el per�odo de la base de datos de las empresas fracasadas, pues como se apunta acertadamente el estudio del fracaso empresarial es un problema complejo, y m�s que una situaci�n puntual es una sucesi�n de etapas que implica una interacci�n de factores secuenciales en el tiempo. En general, podemos decir que el problema principal a resolver a la hora de determinar la unidad temporal es la dificultad de una definici�n representativa y objetiva del inicio del analisis. Este punto se refiere a que fecha es la adecuada para servir como a�o base. Implica que mientras no sepamos con certeza cuando la informaci�n es m�s homologada por criterio contable, contexto economico o apertura comercial, por ejemplo, no sabremos el corte longitudinal correcto�.

De las investigaciones consultadas, se observa que en general �stas presentan dos tipos de unidades temporales. El primer tipo contiene per�odos de tiempo para las bases de datos que van de uno hasta los dos a�os previos al evento del an�lisis. Este tipo es comparativo y no sirve para determinar tendencias. El segundo grupo est� representado por aquellas bases de datos con per�odos de tres o m�s a�os previos al evento. En el contexto del an�lisis financiero con fines de predicci�n estas unidades temporales son las m�s adecuadas pues nos permite marcar.

Con respecto a la informaci�n anual, el ejercicio t�cnicamente se cierra el 31 de diciembre, sin embargo, la legislaci�n de varios pa�ses da como plazo hasta el 31 de marzo para la entrega final de la declaraci�n anual del impuesto sobre la renta. Esta declaraci�n contiene en realidad importantes ajustes a varias de las principales cuentas que se toman para el an�lisis financiero final. Por otra parte, en este trimestre tambi�n se concluye el ciclo anual de la audito�ia interna de las empresas. Aqu�, el auditor interno junto con el contralor general y el tesorero, preparan aquellas reclasificaciones y ajustes a los estados financieros finales del a�o que no se incluyeron en el cierre anual por diversos motivos, pero que sin embargo, son necesarios para alcanzar la razonabilidad y confiabilidad de las cifras.

Esta �ltima operaci�n t�cnica e interna de la empresa, y cuyo producto final son las bases de datos contables, es tambi�n el inicio de los trabajos centrales de la auditoria externa, cuyo objetivo se centra en llegar a la cifra final m�s real de utilidades para el reparto de dividendos a los accionistas. En general, durante el mes de agosto se da la conclusi�n de la auditoria externa para el a�o anterior inmediato de operaciones. Esto culmina con la entrega del dictamen del auditor, en el cual se incluyen las propuestas de reclasificaciones y ajustes importantes para ciertas partidas que inevitablemente modificar�n los ratios financieros.

Como se puede deducir con base a lo anteriormente expuesto, la pr�ctica contable condiciona y dificulta la determinaci�n de la fecha puntual que se trata de alcanzar rigurosamente en los modelos DE analisis financiero. Esto lo podemos asegurar por dos razones b�sicamente: a) primero no es viable que un investigador o un ejecutivo pueda determinar una fecha puntual del a�o base de una empresa, y menos a�n en una serie amplia de empresas muestreadas; b) segundo, lo anterior nos puede llevar a sugerir que las fechas del an�lisis financiero no se deben establecer con base a una determinada emisi�n de informaci�n financiera, sino con base a un per�odo que contenga el cierre final ya corregido y ajustado de cada a�o. Por lo tanto, deber�amos de estar abiertos a la idea de que dicho cierre puede variar de uno hasta seis meses.

Los per�odos de variabilidad superiores a los tres meses regularmente representan signos de problemas para la producci�n de su informaci�n financiera, y en los casos m�s extremos tambi�n pueden ser signos de evidente falta de utilidad de la informaci�n empresarial. Seg�n algunos estudios que hemos consultado a lo largo de esta investigaci�n (ejemplo: Ohlson:198, p. 144; Lizarraga:1993, p.234), el problema temporal ha sido considerado como un elemento primordial para establecer la fecha puntal del analisis, maxime en empresas con problemas de solvencia. Esta idea se basa en que es necesario que los estados financieros sean publicados con anterioridad a la fecha del fracaso. Hasta este punto coincidimos con dichos autores siempre que el elemento central se enfoque principalmente para distinguir el cambio de proceso y t�cnica contable que sufre una empresa que se considera a llegado al estado de fracaso definitivo. Es decir, que ha pasado de la contabilidad del devengo hacia la contabilidad liquidatoria.

Tambi�n se ha podido analizar que el problema temporal se ha entendido tal vez de forma err�nea como una simple metodolog�a que busca principalmente una delimitaci�n de fechas para obtener en cada ratio mayor capacidad de predicci�n cuando la empresa va hacia el fracaso. Sin embargo, el establecimiento de una fecha representativa para estimar la capacidad de predicci�n hasta el momento no se ha logrado. Este error o limitaci�n metodol�gica en parte se debe a que repetidas veces se llega a datos ajustados con relaci�n a una fecha, y no a la inversa Es decir, a una fecha ajustada con relaci�n a los datos m�s representativos del estado evolutivo del fracaso o �xito empresarial.

Autores como Lizarraga (1993) reconocen que el fracaso es antes que nada un proceso lento y complejo, y por lo tanto, todo lo que se deriva de ello tambi�n suele ser lento y complejo, como es el caso de la elaboraci�n y aplicaci�n de la t�cnica contable y el an�lisis financiero a trav�s de ratios. Al determinar mejor los per�odos reales de los cierres contables, no es prioritario el preocuparse sobre los resultados de los ratios, pues �stos los podemos volver a calcular basados en las cuentas y partidas finales ya ajustadas. Ciertos investigadores opinan que si se da un problema de fracaso empresarial (suspensi�n de pagos o quiebra) en el a�o anterior inmediato, se debe considerar un a�o previo al fracaso, es decir, dos a�os anteriores al an�lisis financiero. Esto se debe a que normalmente se considera que durante el a�o del fracaso se abandona la contabilidad del devengo.

Una ventaja para seleccionar empresas en suspensi�n de pagos, es que se pueden consultar sus estados financieros trimestrales del �a�o actual del fracaso� y no s�lo del �a�o anterior al fracaso� o �del segundo a�o anterior al fracaso�. Esto es importante si consideramos que son precisamente los �ltimos trimestres en donde est�n los datos m�s interesantes para llevar a cabo el an�lisis entre las empresas sanas y en crisis. Las que fracasaron nos dan los est�ndares a los que no debemos llegar.

4. LA MUESTRA.

La estad�stica inferencial establece que si obtenemos una muestra representativa de la poblaci�n, entonces con los resultados es posible llevar a cabo generalizaciones sobre el conjunto total de sus elementos. En el caso de las muestras para el an�lisis financiero a trav�s de ratios se procura que sus caracter�sticas sean definidas lo m�s espec�ficamente para conocer el alcance exacto de los resultados, aunque en repetidas ocasiones no se establecen l�mites para determinar qu� se entiende por poblaci�n. Seg�n Lizarraga (1993: p.97), esto es con el fin de evitar la heterogeneidad de poblaciones que dar�a como resultado diferentes valores en los ratios si no se consideraran elementos tales como el sector y el tama�o al que pertenecen la muestra de empresas. Aqu� el principal problema radica en la dificultad de conseguir al mismo tiempo la muestra representativa de empresas fracasadas y la anulaci�n de los efectos negativos originados por las disparidades entre los elementos de la muestra.

Tambi�n en los trabajos predictivos es com�n que la selecci�n de la muestra se realice de la siguiente forma: para la submuestra de empresas fracasadas se consideran a las empresas quebradas y los datos se obtienen de la informaci�n p�blica, sin ning�n otro tipo de an�lisis sobre los estados financieros. Con respecto a la submuestra de empresas con �xito empresarial, se consideran a las empresas �sanas� y se eliminan a las empresas con dificultades financieras, pues se considera que estas �ltimas tienden a similares comportamientos con respecto a las empresas fracasadas. Un cuestionamiento importante que presenta esta posici�n es que no se indica en d�nde quedan comprendidas aquellas empresas que han llegado a un estado de suspensi�n de pagos o a un estado de crisis diferente al de la quiebra, y que adem�s, representan una parte significativa de la poblaci�n.

Mora (1994), en su estudio abord� este problema y recomend� tener en cuenta la relaci�n de las submuestras entre empresas sanas y quebradas, pues consider� que ambas tienen diferentes porcentajes con relaci�n a la poblaci�n original. Es decir, siempre existen m�s empresas sanas en la poblaci�n. Con base en ello propuso una situaci�n ideal que consiste en la selecci�n aleatoria tanto de empresas sanas como de empresas quebradas. Con relaci�n a las muestras no aleatorias, esta investigadora considera que existe una probabilidad de que una observaci�n forme parte de la muestra con relaci�n al valor de la variable dependiente. Es decir, en una submuestra del 50% de empresas quebradas y una submuestra del 50% de empresas sanas, la empresa quebrada tendr� siempre m�s probabilidades de formar parte de la muestra.

Zmijewski (1984), considera que en los casos de los modelos Logit y Probit, todos los coeficientes est�n afectados por la no aleatoriedad de la muestra, y por lo tanto, el hecho de que la selecci�n de la muestra no sea aleatoria no supone una variaci�n significativa en los resultados de las investigaciones. Mora(1994: p. 207), coincide con esta posici�n de Zmijewski cuando apunta que al seleccionarse una muestra aleatoria de la poblaci�n, puede dar lugar a que la submuestra de empresas quebradas est� constituida por empresas de diferente tama�o y sector con respecto a la submuestra de empresas sanas, y por lo tanto, las diferencias entre los valores de las variables independientes (ratios) de las muestras podr�an atribuirse tambi�n a diferencias sectoriales y de tama�o, y no s�lo al hecho de si la empresa est� quebrada o sana.

Cuando las muestras son peque�as el analista debe evaluar las ventajas y desventajas, pues la selecci�n de pocas empresas puede llevar a la necesidad de s�lo aplicar el m�todo del caso, o bien, utilizar s�lo algunos estad�sticos que nos complementen el an�lisis financierro b�sico pero bien elaborado.

Si se opta por seleccionar pocas empresas, es que se tiene la ventaja de presentar la muestra similares criterios en cuanto a la producci�n de su informaci�n financiera. Con esto se considera que s� se puede obtener una muestra de empresas que presenten una armonizaci�n contable similar y est�n ubicadas en unidades geogr�ficas similares, aunque claro, reconociendo en todo momento las otras limitaciones que se presentan con una muestra peque�a. Por ejemplo, Zmijewski (1984) sostiene que se tiene que eliminar de la muestra a empresas que no tienen un conjunto completo de datos, aunque con este criterio tambi�n se obtiene una muestra sesgada. Adem�s de que las empresas con grandes probabilidades de fracaso (que son las que nos dan los estandares o alarmas en nuestro modelos, son precisamente aquellas que tienden a producir reportes financieros incompletos. Sin embargo, tambi�n este autor considera que este sesgo parece no afectar las inferencias estad�sticas o las tasas de clasificaci�n en su conjunto, y m�s a�n si la muestra es grande.

Por otra parte Zmijewski (1984), opina que la aproximaci�n a las caracter�sticas de la poblaci�n, en cuanto a la proporci�n de empresas en quiebra, es necesaria para reducir el sesgo inherente en una selecci�n basada en muestras. Para algunos analistas los estudios que utilizan el emparejamiento producen coeficientes sesgados para las variables independientes (ratios). Para este autor dichos coeficientes son completamente diferentes con respecto a aquellos que se obtienen cuando se utiliza una t�cnica apropiada para la diferenciaci�n entre la muestra y las caracter�sticas de la poblaci�n que es utilizada. Por eso Zmijewski considera que el sesgo hace m�s dif�cil de fijar el efecto de las variables individuales. Por otra parte, tambi�n considera que el sesgo es mucho menor cuando la proporci�n de empresas fracasadas de la muestra se aproxima a la proporci�n de empresas en quiebra de la poblaci�n.

En general y ante estos problemas Zmijewski (1984) examin� conceptual y emp�ricamente dos v�as para estimar las muestras en los modelos de analisis financiero predictvos. La primera alternativa se refiere a seleccionar a las empresas de una muestra, observando primero la variable dependiente y bas�ndose sobre el conocimiento de la probabilidad de que una empresa entre en dicha muestra con base en los atributos de la variable depenediente (topic of choice�based sample biases). La segunda alternativa es utilizando �datos completos�. Sus resultados le mostraron claramente a Zmijewski que la utilizaci�n de alguna de estas v�as en general no afecta las inferencias estad�sticas o los porcentajes de clasificaci�n del modelo financiero predictivo.

Por otra parte, Wong y Young (1995) en su estudio advierten que es muy frecuente que en muchas de las muestras se incluyan empresas privadas, empresas que son propiedad del gobierno o empresas que est�n subsidiadas; sin tomar en cuenta que existe una estructura financiera muy diferente entre cada una de ellas por la forma de su financiamiento propio y ajeno, as� como el sector al que pertenecen. Adem�s, como ya lo apuntaban Baidya y Ribeiro (1979), en gran medida esta diversidad de empresas est� condicionada de forma diferente por las variables macroecon�micas del pa�s donde est�n ubicadas. Sin embargo, en el trabajo de estos �ltimos autores, para la muestra se seleccionaron empresas que se dedicaban a fabricar vestidos, productos met�licos, productos de madera, productos de pulpa y papel, motores de veh�culos, productos de pl�stico, metales b�sicos y empresas constructoras. Como en anteriores ocasiones, hemos de apuntar lo heterog�neo de este tipo de muestras, que posteriormente se refleja en una base de datos con criterios contables muy diferentes, pues al tener sobre todo inventarios y activos muy diversos, los sistemas de valuaci�n de inventarios y amortizaci�n de activos fijos son poco comparables.

Se considera que al principio de cualquier trabajo no se debe establecer como requisito indispensable efectuar un proceso de emparejamiento, pues hemos visto que varios estudios revelan que el emparejamiento entre las empresas fracasadas con las empresas sanas, aunque sea de su mismo sector y tama�o, no necesariamente proporcionan mayor representatividad ni incorporan elementos significativos o variables explicativas determinantes en los modelos de an�lisis financiero a trav�s de ratios y con fines predictivos. Ohlson (1980) ya hab�a apuntado esto al proponer por primera vez que las muestras se pod�an seleccionar sin el emparejamiento y sin necesidad de cumplir las diferentes proporciones existentes entre los grupos de empresas de la poblaci�n. Tambi�n nos hemos basado en el hecho de que siempre es mayor el n�mero de empresas sanas con respecto a las fracasadas, y esto s� que tiene un efecto de distorsi�n en el momento en que se aplica un muestreo aleatorio con el posterior emparejamiento, ya que siempre las posibilidades tender�n a ser mayores para que salga seleccionada una empresa fracasada con respecto a una empresa sana en cada una de las submuestras. Por �ltimo, se observa en varios estudios que en el caso de las empresas fracasadas resulta muy dif�cil de tener acceso a la informaci�n contable, pues en los juzgados o en los registros mercantiles, as� como en la propia empresa, existe poca disponibilidad para dar a conocer este tipo de informaci�n. Adem�s, aun cuando se logra acceder a las anteriores instancias, predomina una gran burocracia y el acceso generalizado a las bases de datos resulta poco efectivo dada la falta de estos.

5. LA BASE DE DATOS.

El �nfasis te�rico que se da al tema de las bases de datos se debe a que se considera como uno de los elementos m�s importantes para el �xito del desarrollo de un modelo de analisis financiero pragm�tico, util y real para aplicar en las empresas. Joy y Tollefson (1975: p.27) consideran que las validaciones de los modelos deben realizarse en muestras que tengan bases de datos distintas a las utilizadas en su estimaci�n y posteriores en el tiempo, pues para estos autores es fundamental la reestimaci�n de los modelos creados con anterioridad para que los actuales usuarios tengan la confianza de que son �ptimos para los datos y per�odos en los que se van a emplear. Para mejorar el instrumento de medici�n en cuanto a la estimaci�n correcta de cada una de las posibles variables independientes (ratios), debemos partir con bases de datos con per�odos amplios (m�nimo cinco a�os) m�s cuando las muestras sean peque�as. Debemos mejorar la calidad de la informaci�n con respecto a otros trabajos pues recomendamos incluir cifras ajustadas o reexpresadas, lo cual da mayor comparabilidad a trav�s del tiempo entre los balances y estados de resultados utilizados.