2.4.1.1. MODELO ALTMAN, HALDEMAN Y NARAYAMAN (1977)

Interesado en superar y perfeccionar su modelo, en 1977 Altman llevó a cabo una nueva investigación junto con Robert Haldeman y Paul Narayaman para actualizar su modelo original. Para ello consideraron los importantes cambios que se habían producido en las finanzas empresariales y en la nueva tecnología; y partieron sobre la base de que eran cinco las principales razones que tomarían en cuenta para mejorar el modelo:

1. Investigar por qué cada vez había más fracasos en las empresas grandes (las cuales habían cambiado tanto en su tamaño como en su estructura financiera).

2. Considerando la naturaleza temporal de las bases de datos, se establecía la necesidad de actualizar constantemente el modelo.

3. Querían investigar si era importante recurrir a las notas de los estados financieros para llevar a cabo los correspondientes ajustes contables, producto de las nuevas normas y principios generalmente aceptados en la contabilidad, con el objetivo de mejorar las bases de datos utilizadas en los modelos.

4. Comparar en qué medida se podía incluir en el modelo, tanto empresas comerciales como industriales, sin perder por ello exactitud en la capacidad predictiva.

5. Revisar parte de la metodología del análisis discriminante para mejorar le técnica y la validez estadística de sus interpretaciones.

Para esta nueva investigación, Altman et. al. seleccionaron siete variables independientes que proporcionaron una clasificación eficiente en la muestra original o de estimación, y que posteriormente mejoró la clasificación en la muestra de validación. Dichas variables fueron las siguientes:

X1= beneficios antes de intereses e impuestos / activo total. Esta variable coincidía con la variable X2 de su modelo anterior.

X2= estabilidad de las ganancias. Se calculaba mediante una medida normalizada del error estándar a lo largo de la tendencia de diez años correspondiente a la variable X1 de su modelo anterior.

X3= ratio de cobertura de intereses (beneficios netos de intereses e impuestos / gastos financieros por intereses). A pesar de su gran potencial informativo este ratio no había sido contrastado en trabajos anteriores.

X4= ratio de rentabilidad acumulada (beneficios retenidos / activo total). Este ratio coincidía con la variable X3 de su modelo anterior.

X5= ratio de circulante (activo circulante / pasivo circulante). En su modelo original utilizó un ratio distinto como medida de liquidez (capital circulante / activo total). Sin embargo, existen opiniones que continúan considerando a ambos ratios de liquidez como información que no es importante para el modelo, pues algunos autores opinan que más que medir la liquidez se tiene que medir “la falta de liquidez” dadas las características particulares de la población muestral. Por eso se continúa especulando si la liquidez es un factor importante en el análisis predictivo.

X6= ratio o indicador de capitalización = fondos propios/ fondos totales (pasivo + capital contable). Aquí los fondos propios fueron medidos tanto en el numerador como en el denominador, a través de su valor medio de mercado a lo largo de cinco años. Nuevamente incluyó un valor de mercado, aunque en esta ocasión consideró los datos de varios años. Se puede decir que intentó perfeccionar su variable X4 de su modelo anterior.

X7= tamaño de la empresa (total de activos intangibles). Altman et. al. no quisieron eliminar el efecto que tiene el tamaño de la empresa para la capacidad predictiva, por eso establecieron este concepto como una variable independiente.

Este nuevo modelo dio como resultado una alta capacidad predictiva de más del 89 % para las empresas sanas y del 96 % para las empresas fracasadas dentro de la muestra de estimación, un año previo a la quiebra. Además, los resultados lograron aumentar la unidad temporal de la anticipación predictiva en la muestra de validación a través del método “Lachenbruch”, que incrementó de dos años obtenidos en el modelo original hasta los cinco años previos a la quiebra. Con esto también se mejoró el porcentaje de exactitud predictiva, siendo del 82.10 % para las empresas sanas y del 69.80 % para las empresas fracasadas, cinco años previos al evento.

Los resultados de la muestra de estimación (“Lachembruch”) fue realizada por Lizarraga (1993) con base al modelo Altman, Haldeman y Narayanan (1977).

Con esta nueva investigación, Altman nuevamente propuso, ahora con sus compañeros, importantes innovaciones para los modelos. Primero sugirió integrar de forma explícita las probabilidades poblacionales previas, pues consideró que el análisis discriminante derivado a partir de una muestra, debía tener en cuenta las probabilidades reales de pertenencia de un individuo a cada uno de los grupos existentes en la población. En el caso de las empresas, la probabilidad de que fracasen era significativamente menor en comparación con su continuidad, incluso en épocas de crisis.

Con base a lo anterior, se puede deducir que en la práctica siempre se presentará una desigualdad importante entre las dos submuestras de empresas, pues no existe una relación de igualdad probabilística previa de pertenencia a cada submuestra de uno a uno.

Otro aspecto importante que tuvieron en cuenta para el nuevo modelo fueron los costes de error. Opinaron que la subjetividad era mayor con respecto a las probabilidades poblacionales, pues dichos costes, dependen de quién es el usuario que aplica el modelo.

Al incluir tanto las probabilidades poblacionales previas como los costes de error en el análisis discriminante, las “Z-Scores o “puntos de corte” seleccionados al principio para la clasificación se modificaron y condicionaron directamente los porcentajes de error. Sin embargo, se desconocen tales modificaciones, pues en esta ocasión por razones de comercialización, Altman et. al. no hicieron públicos los coeficientes, sino únicamente las variables independientes.

De ahí que algunos investigadores opinen que en esta ocasión la interpretación estricta sobre la importancia relativa de las variables independientes no constituyó el objetivo principal de su estudio, sino que se enfocó más bien a mostrar las comparaciones de los diferentes resultados a través de diversas alternativas. Al contrario de otros trabajos posteriores que asesoró Altman, aquí no tomó en cuenta la influencia del sector industrial, e incluso en la muestra incluyó tanto empresas industriales como manufactureras. Según sus conclusiones, dicha combinación no afectó negativamente a la eficiencia del modelo.

En general, el modelo Altman se puede considerar como un método para evaluar el riesgo, el cual ha sido definido por su compañía como “la incapacidad de una empresa para hacer frente a sus pasivos”. Aquí la Z-score indica en qué medida la empresa analizada se parece a otras que han incumplido sus créditos y que es muy posible que entren a un procedimiento concursal, pero su fin no está dirigido a la predicción del fracaso empresarial futuro, es decir, en la práctica el modelo de Altman se ha diseñado específicamente para comparar las características financieras y operativas de las empresas con las de un gran número de empresas que han fracasado.