2.4.5. MODELO BLUM (1974)

En 1969 Marc Blum present� su tesis doctoral en la Universidad de Columbia bajo el t�tulo de: �The Failing Company Doctrine�. Posteriormente edit� dos art�culos, contando con la colaboraci�n de la firma de abogados �Gorden, Feinblatt y Asociados de Baltimore�. El nuevo enfoque de su trabajo sobre la condici�n de la quiebra le fue sugerido en 1967 por E. Zimmerman quien trabajaba como: �Assistent Atturney General, Antitrust Division� del Departamento de Justicia de los Estados Unidos de Norteam�rica.

En su art�culo de 1974 incluy� los resultados de un an�lisis discriminante con el que construy� un modelo que denomin�: �Failin Company Model�, con la intenci�n de que sirviera a los usuarios como una gu�a ante la quiebra. Parti� de la idea de que las fusiones de los competidores, y en especial cuando dos empresas se fusionan y una de ellas est� en quiebra y la otra lo desconoce, adem�s de que se violaban las leyes �antitrust� atentaban contra la doctrina empresarial de las quiebras.

Su estudio continu� con la evoluci�n de los estudios multivariables, incluyendo variables para medir el cambio dentro de los ratios a trav�s del tiempo y la variabilidad de los datos contables. Tambi�n analiz� la capacidad de predicci�n de �datos contables en bruto� (cantidades absolutas) e investig� los efectos de la incorporaci�n de un rango de a�os dentro de los datos del modelo en lugar de s�lo un �nico a�o. Sus resultados le indicaron que los modelos basados sobre datos en bruto tienen una mayor precisi�n de predicci�n a trav�s de los a�os previos a la quiebra con respecto a los modelos basados en ratios, sin embargo, Blum no supo dar respuesta de tal fen�meno.

Blum tambi�n realiz� una investigaci�n que consisti� en la construcci�n de un modelo sin ratios financieros. Para ello descompuso cinco de las nueve variables independientes que hab�a utilizado en otro estudio, obteniendo ocho numeradores y denominadores que combin� con cuatro �variables no ratios�. Los resultados durante el primer a�o previo a la quiebra no fueron tan exactos como en su anterior modelo, lo cual le llev� a la conclusi�n de que este modelo no era un discriminador eficiente.

Con respecto a la variable dependiente, Blum not� que exist�a una ambig�edad y falta de precisi�n para aplicar el concepto de quiebra. Observ� que el criterio legal defin�a al fracaso como: �una grave probabilidad de quiebra�. A partir de esto consider� importante definir mejor a la variable dependiente.

Lleg� a la conclusi�n de que el fracaso se pod�a definir como: �el momento en que la empresa entra en un procedimiento concursal para declarar la quiebra� o �cuando se da un acuerdo expl�cito con los acreedores, los cuales otorgan una quita sobre sus pasivos�. Tambi�n consider� la posibilidad de que las empresas fracasadas eran aquellas que ten�an incapacidad para pagar sus deudas, debido a la entrada en un procedimiento de quiebra o aquellas empresas que son insolventes y llegan a un acuerdo con sus acreedores para reducir sus pasivos. En su estudio el 90% de las empresas hab�a llevado a cabo su solicitud de quiebra bajo el �Acta Federal de Quiebras� y el 10% restante de las empresas ya estaba en estado de liquidaci�n.

A diferencia de otras investigaciones, Blum puso especial inter�s en definir a la variable dependiente al comprobar el problema que ten�a el Departamento de Justicia de los Estados Unidos con respecto al concepto de fracaso. Esto era muy importante ya que a partir de esta definici�n se pod�a o no autorizar una fusi�n. En aquellos momentos este departamento ten�a serios problemas doctrinales para determinar el momento en el cual una empresa pod�a estar en camino del fracaso, a pesar de que se contemplaban tres supuestos que eran: �la incapacidad para el pago de las deudas vencidas�, �la solicitud de quiebra� y �el acuerdo extrajudicial con acreedores para obtener quitas�.

Otro aspecto interesante de este estudio y que se derivaba del objeto y enfoque de la investigaci�n era que, partiendo del principio de que las fusiones se autorizaban principalmente entre empresas que estaban sanas con empresas que estaban en camino del fracaso, la Ley Antitrust consideraba m�s grave autorizar una fusi�n entre empresas sanas, que dejar quebrar realmente a una empresa en la que no tuviera la certeza de que estaba en proceso de quiebra. Esto marcaba el precedente de que no siempre el error tipo I ten�a mayores costes con respecto al error tipo II, lo cual aunque era muy poco usual, era posible que se presentara.

Blum al desarrollar su modelo se bas� en datos contables y datos del mercado financiero. Para la base de datos consider� como unidad temporal hasta ocho a�os previos a la quiebra, aunque aclar� que el per�odo �ptimo para el an�lisis de las empresas en quiebra era de cinco a�os. Blum destacaba la importancia de las bases de datos al afirmar que una teor�a sobre los s�ntomas de la quiebra se deber�a enfocar a como es el comportamiento de las variables econ�micas b�sicas, las cuales deb�an ser un reflejo de los estados financieros, ya que los productos del sistema contable son siempre sustituidos porque �stos son �nicamente �tiles si representan los principales eventos econ�micos de una empresa.

La teor�a para Blum deb�a considerar las limitaciones inherentes de los datos contables que se expresan en los estados financieros. Tambi�n sugiri� algunos lineamientos para implementar un sistema de cash flow pues consideraba que: �la empresa era un dep�sito de recursos financieros�, y por lo tanto, la probabilidad de la quiebra estaba determinada de acuerdo a las expectativas de los flujos que generaban esos recursos. A partir de esto concluy� que aquellas empresas que estaban m�s cerca de la quiebra eran las que presentaban los siguientes s�ntomas:

* Peque�os dep�sitos (ya que las empresas con grandes dep�sitos est�n mejor situadas ante la incertidumbre).

* Bajos niveles de inflows provenientes de operaciones normales, tanto a corto como a largo plazo.

* Numerosas reclamaciones de recursos por parte de los acreedores.

* Altos niveles de outflows operativos.

* Mayor variabilidad de las ganancias y de las reclamaciones de los recursos.

* Mayor riesgo de fracaso del sector donde se ubicaba la empresa.

Los ocho a�os de bases de datos contables fueron desarrolladas en 21 modelos. Cada modelo conten�a de tres a ocho a�os de datos. Este estudio mostr� un avance con respecto a otros m�todos previos para predecir quiebras con un per�odo superior a un a�o previo a la quiebra. Blum critic� a previos estudios que utilizaron datos de s�lo un a�o previo a la quiebra para desarrollar el modelo. La capacidad de predicci�n del modelo de Blum fue experimentada mediante la utilizaci�n del an�lisis discriminante. Los resultados de este estudio confirmaron una vez m�s los descubrimientos de previos estudios: la exactitud de las clasificaciones es mejor un a�o previo a la quiebra y va declinando dicha exactitud conforme se incrementa el n�mero de a�os previos a la quiebra.

Su base de datos consisti� en balances generales, estados de resultados y precios de mercado durante un per�odo de tres a�os. Para �l las empresas peque�as no ten�an ninguna relevancia en sus estudios, pues �stos se basaban en el sistema antitrust para grandes empresas.

Su muestra se compuso de 115 empresas industriales que quebraron durante el per�odo 1954-1968 y cuyos pasivos fueron superiores al mill�n de d�lares. Esta submuestra la emparej� con otra de 115 empresas sanas considerando los siguientes cuatro criterios:

1. La clasificaci�n industrial de las empresas.

2. Considerando las ventas dentro del cuarto a�o previo a la quiebra.

3. El n�mero de empleados.

4. El a�o fiscal del cierre contable.

Blum consider� que las variables independientes ten�an que tener un marco te�rico, pues sin �ste no hab�a raz�n para esperar una relaci�n significativa con el evento a predecir. Para estructurar ese marco te�rico dirigido a la selecci�n de las variables y que fuera generalizable, nuevamente se bas� en la idea de �la empresa como un dep�sito de recursos financieros� y que la descripci�n de su probabilidad de fracaso deb�a ser con base a los flujos de entrada y salida esperados para dichos recursos. Para las variables independientes fueron seleccionados doce ratios para medir: los flujos de liquidez, los flujos de posici�n, la probabilidad, y la variabilidad dentro del modelo. De particular inter�s resultaron las medidas de variabilidad que introdujo por primera vez para los ingresos netos; activos r�pidos y los inventarios en un per�odo de tiempo dado. Para su modelo final redujo los ratios a diez, los cuales fueron los m�s representativos para los tres factores previamente determinados que se muestran en el cuadro 2.19.

Con las anteriores variables desarroll� varias funciones discriminantes obteniendo una exactitud predictiva de un 90% hasta un 95% para el primer a�o previo a la quiebra; 80% para el segundo a�o y un 70% para el tercer a�o. Todos estos resultados fueron contrastados con una muestra de validaci�n que consider� el problema de la correlaci�n.

Blum observ� que el coeficiente discriminante estandarizado del ratio de cash flow / pasivo total (en donde el cash flow estaba compuesto por los ingresos netos m�s depreciaci�n) parec�a ser la variable mas significativa en los 21 modelos desarrollados para distinguir entre una empresa en quiebra y una empresa sin quiebra. Este resultado fue consistente con los resultados de Beaver (1966).

El componente de la deuda total se comport� con mayores aumentos en las empresas sanas con respecto a las fracasadas. Esto le hizo sugerir que la deuda se utilizaba para financiar el crecimiento en las empresas con �xito (apalancamiento financiero). En cambi�, los inventarios disminuyeron en las empresas con crisis, lo que le demostr� que las empresas que quebraron no fue por un exceso de inventarios acumulados como se cre�a tradicionalmente. La relaci�n de activos r�pidos netos / inventarios, le mostraron la segunda significancia m�s alta en el primer y segundo a�o previo a la quiebra.

La exactitud de la clasificaci�n de un a�o previo a la quiebra se increment� del 64% al 95% dependiendo del n�mero de a�os de las bases de datos utilizadas dentro del desarrollo del modelo. Esta conclusi�n discrep� con otras que afirmaban que no necesariamente una base de datos con m�s n�mero de a�os incrementa la capacidad predictiva del modelo, pues eran los �ltimos a�os los que contienen los aspectos m�s esenciales para determinar el posible comportamiento futuro de la empresa. Sin embargo, en el estudio de Blum la tasa m�s alta de exactitud ocurri� cuando 4, 5 o 6 a�os de datos fueron utilizados, incluyendo los datos del s�ptimo y octavo a�o previo a la quiebra.

Para Blum las variables m�s importantes fueron las ganancias y las reclamaciones sobre esas ganancias, lo que Beaver ya hab�a denominado: �la teor�a del dep�sito de liquidez�. A Blum ambas variables le indicaron outflows importantes que manten�an las operaciones actuales y el cumplimiento de las obligaciones de la empresa. Al basarse en esta idea estructur� su modelo con base en tres denominadores o factores comunes basados en un sistema de cash flow, que fueron: la liquidez, la rentabilidad y la variabilidad.

Para la medici�n del volumen de las ventas este autor tom� como criterio los �ltimos cuatro a�os previos a la quiebra, siendo el cuarto a�o el que registr� los cambios m�s dram�ticos.

En su modelo la exactitud de las clasificaciones fue el factor m�s importante del an�lisis discriminante. Esta clasificaci�n la consider� en dos direcciones que eran: el error tipo I y el error tipo II, cuyos costes no eran iguales.

Al aplicar el an�lisis discriminante en la submuestra de 115 empresas sanas, la exactitud de clasificaci�n fue del 94% un a�o previo a la quiebra; del 80% dos a�os previos y del 70% para el tercero, cuarto y quinto a�o previos a la quiebra.

Blum reconoci� que la multicolianilidad fue un problema en su estudio, y por consiguiente el coeficiente de la funci�n discriminante fue inestable. Tambi�n desarroll� funciones discriminantes utilizando �nicamente �datos contables en bruto�.

Existen dudas de algunos investigadores sobre porque Blum, que defini� como muy importante una base te�rica para la selecci�n de las variables independientes, no incluy� tal teor�a en su trabajo para explicar la selecciones de sus factores como fue el caso de la rentabilidad. Tambi�n se le ha criticado que a pesar de los altos porcentajes de clasificaci�n, no logr� explicar el sentido econ�mico de las funciones obtenidas. Seg�n Blum, esto se debi� al problema para establecer mejor en t�rminos estad�sticos las contribuciones individuales de cada una de las variables independientes. Por ejemplo, el ratio de cash flow / deuda total mostr� una gran eficiencia pero en un contexto multivariable.

Blum concluy� que el proceso de fracaso es din�mico y por eso le dio tanta importancia a las variaciones de los ratios a trav�s del tiempo y no �nicamente a sus valores puntuales. Para esto estableci� el tercer factor que denomino de �variabilidad�, el cual inclu�a ratios expresados en t�rminos de tendencia y desviaci�n, proposici�n que ya hab�a sido sugerida antes por Deakin.