revisión de los modelos de previsión de insolvencia (mpi) empresarial tfm – mgeps2009/2011...

Revisión de los Modelos de Previsión de Insolvencia (MPI) empresarial

TFM – MGEPS2009/2011Vicente J. Casanova

1. Introducción

2. Objetivos

3. Marco conceptual de los Modelos de Previsión de Insolvencia (MPI)

4. Incorporación variables Cualitativas en los MPI

5. Incorporación de la Variable Innovación en el MPI de Kanitz

6. Conclusiones

Índice

1. Introducción

4

• Según un informe de Crédito y Caución, desde 1T2008 se han registrado 17.758 procesos concursales en España.

• Con un promedio de +1200 por trimestre y alcanzando su máximo en 2T2009 con la presentación de 1.741 concursos.

• 1.661 se han registrado en el pasado trimestre.

1. Introducción

Es evidente que la actual crisis económica global está teniendo una fuerte incidencia en la actividad empresarial provocando la desaparición de miles de empresas.

Fuente: Crédito y Caución, 2011

5

• Las repercusiones socioeconómicas que lleva asociadas el fallo empresarial y el consecuente cierre de una empresa han generado un constante interés por tratar de encontrar indicadores y modelos que permitan anticipar las situaciones de crisis empresarial, de forma que se puedan tomar medidas correctoras que eviten el fracaso financiero y la desaparición de la empresa.

1. Introducción

6

• Así mismo en los últimos años, La Comisión Europea está poniendo especial énfasis en desarrollar planes y acciones orientados a incentivar la actividad empresarial, el crecimiento y el empleo en la UE.

• Por ello ha incluido entre sus principales líneas de actuación el desarrollo de sistemas de alerta temprana del fracaso con el fin de poder reducir el número de procesos concursales en empresas de los países miembro.

1. Introducción

2. Objetivos

8

El presente trabajo se enmarca dentro del Máster en Gestión de Empresas, Productos y Servicios (MGEPS), como Tesina Final de Máster y pretende cumplir con dos objetivos:

a. Por una parte describir y valorar los modelos existentes de previsión de insolvencia, centrando nuestra atención en aquellos que utilizan métodos discriminantes múltiples y dejando patente la necesidad de incorporar variables cualitativas en estos modelos de previsión.

b. Y en segundo lugar, demostrar que la precisión y la utilidad estos modelos de previsión de fracaso, aumentan al introducir en ellos variables cualitativas que explican mejor la naturaleza de la empresa y su situación.

2. Objetivos

9

Estos dos objetivos se han abordado con la elaboración de sendos artículos, enviados para su evaluación y publicación en el III Congreso Iberoamericano SOCOTE, que tendrá lugar en la Universidad Politécnica de Valencia, 11-12 Noviembre de 2011.

Art 1. Revisión de los modelos de previsión de fracaso empresarial (Marco Teórico)

Art 2. Efecto de la incorporación de la variable INNOVACIÓN al Modelo de Kanitz para la previsión del fracaso empresarial

2. Objetivos

3. Marco conceptual de los Modelos de Previsión de Insolvencia (MPI)

11

Definición de Modelo de Previsión de Insolvencia (MPI):

Es un modelo matemático-financiero desarrollado por expertos estadísticos y profesionales de las finanzas que permite, sobre la base de una serie de variables fundamentalmente financieras, diagnosticar y predecir con cierta anticipación la insolvencia o fracaso de la empresa (Astorga, 1966)

3. Modelos de Previsión de Insolvencia (MPI)

Conceptos

12

Definición de Modelo de Previsión de Insolvencia (MPI):

• Existe una relación directa entre la precisión de un modelo de previsión de insolvencia y el éxito del proceso de reestructuración empresarial que mitigará sus causas.

• El tiempo medio de reacción ante una crisis empresarial es de entre 12 y 18 meses desde que se dan los primeros síntomas (Gómez, 2002). En algunos casos es tiempo suficiente para que la situación sea irreversible.

• El desarrollo de estos mecanismos de alerta temprana contribuye a incrementar las posibilidades de éxito de una reestructuración que reduzca las causas del problema, aumentando ese tiempo de reacción, de modo que se minimicen los efectos negativos.


Conceptos

13


Bankruptcy (US Fed. Court)

Bancarrota(Lat. 1350dC)

InsolvenciaQuiebra

Fallo o fracaso

empresarial

Definición de Insolvencia o Fracaso empresarial:

Conceptos

http://www.uscourts.gov/FederalCourts/Bankruptcy/BankruptcyBasics/Chapter13.aspx

14

Definición de insolvencia o fracaso empresarial: Se dice que una empresa es insolvente cuando

1. No satisface un crédito en el plazo de tres meses del vencimiento (García, Arqués y Calvo-Flores, 1995; Graveline y Kokalari, 2008)

2. Presenta concurso de acreedores, suspensión de pagos o quiebra legal (Lizarraga, 1997; Ferrando y Blanco, 1998; López et al., 1998; Román et al. 2001; Gómez et al., 2008; Graveline y Kokalari ,2008; Alicia Correa Rodríguez, Miguel Acosta Molina, 2003)

3. Su situación patrimonial muestra un valor reducido en los activos o una escasez de tesorería que pueden desencadenar el fracaso (Graveline y Kokalari, 2008)


Conceptos

15

En este última acepción se vislumbra ya en las últimas definiciones (Tascón, 2010) una evolución de los trabajos hacia el objetivo de detectar el origen del futuro fracaso a partir de la actual situación patrimonial


Conceptos

16

• Los primeros estudios sobre previsión del fracaso empresarial fueron realizados con enfoque univariante, siendo Beaver (1966) el precursor de esta orientación.

• Esta alternativa fue rápidamente sustituida por un enfoque multivariable que se adecuaba mejor al carácter multidimensional de la empresa.

• A partir de ahí aparecieron los primeros modelos basados en el análisis discriminante múltiple que consiste en obtener, a través de un vector de atributos o variables explicativas, una puntuación o valor Z que delimita la frontera límite entre empresas sanas y fracasadas


Evolución

17

• El principal referente en este campo fue Edward Altman (1968), donde el autor propuso un modelo, basado en esta técnica discriminante múltiple que analizaba las diferencias entre 66 empresas pertenecientes a dos muestras: sanas e insolventes.


ZONA GRIS

2,991,81

SANASINSOLVENTES

Z = 1.2 X1 + 1.4 X2 + 3.3 X3 + 0.6 X4 + 0.99 X5

Z

Evolución histórica

74%

18

• A partir del Modelo de Altman, surgieron otros modelos y variaciones de base discriminante múltiple como

1. Modelos Z1 y Z2 del propio Altman, en los que se adaptó el modelo original para dar cobertura a todo tipo de empresas.

2. Modelo de Kanitz3. Modelo de Elizabetsky4. Modelo de Matia5. Modelo de Pereira6. Modelo Fulmer7. Modelo Springate8. Modelo CA-SCORE1

1utilizado actualmente por los Certified Accountants of Quebec



19


Grado de precisión de algunos de los Modelos de Previsión de fracaso presentados (elaboración propia)


20


• Es importante remarcar que el análisis discriminante plantea serias limitaciones con respecto a su uso y a la valides de sus resultados:

a. La normalidad exigida en la distribución de las variables independientes utilizadas, así como con respecto a la igualdad de matrices de varianzas-covarianzas (Mora-Enguídanos, 1994).

b. Estos ratios y resultados están muy vinculados a la muestra (Chen y Shimerda, 1981).

c. Existe una gran correlación entre los ratios utilizados, lo cual sí hubiera sido posible al utilizar directamente los factores que los componen (Somoza, 2000).


21

Para subsanar las limitaciones del análisis discriminante, se han desarrollado otros modelos basados en técnicas de vanguardia, como la probabilidad condicional (PROBIT, LOGIT), las participaciones iterativas, inteligencia artificial, redes neuronales, árboles de decisión y técnicas de inducción que están mejorando la precisión de los actuales modelos y constituyen la base de futuras líneas de investigación.



23

• Los MPI proveen de un método efectivo para establecer una relación entre datos económico-financieros y el fracaso empresarial.

• La clave: la selección de las variables que conforman el modelo.


Selección de variables

24

• Varios factores pueden explicar el fracaso empresarial: entre ellas causas económicas (estructura productiva, estrategia, demanda, ciclo económico, etc.) y financieras (endeudamiento, limitación de crédito etc.)

• Sin embargo, numerosos estudios ponen en duda que las variables financieras (endeudamiento, liquidez, rentabilidad, etc.) sean capaces por si solas de explicar totalmente y de forma determinista el fracaso de la empresa.


Selección de variables

25

• Como prueba de ello, Lussier desarrolló un modelo basado en 15 variables cualitativas para predecir el fracaso de las empresas jóvenes.

• Tal y como concluyó, los negocios exitosos contaban con valores particulares en las variables:

• Uso de profesionales externo• Planificación a largo plazo• Educación/formación• Gestión de personal.


26

• Otros autores en la misma línea explicar la compleja realidad empresarial en el campo de la previsión de insolvencia incorporando variables no financieras tales como,

Dotación de personal (Lussier y Halabí, 1994) Calidad de los sistemas de gestión (Lehmann, 2003) Número de socios (Lussier y Halabí, 1994) Composición y estructura de la junta directiva (Elloumi y Gueyié,

2002); (Sheppard, 1994)) Concentración de los clientes (Lehmann, 2003); (Becchetti y Sierra,

2002a) Dependencia y tipología de los proveedores (Lehmann, 2003) Edad del propietario (Lussier y Halabí, 1994) Educación del propietario o administrador (Lussier y Halabí,

1994),; (Lehmann, 2003) Eficiencia productiva (Becchetti y Sierra, 2002a)


27

Estado de la subcontratación y las exportaciones (Becchetti y Sierra, 2002a)

Existencia de una estrategia de negocio creíble a largo plazo (Lehmann, 2003)

Experiencia de gestión (Lussier y Halabí, 1994; Lehmann, 2003) Habilidades sociales y calidad de liderazgo (Lehmann, 2003) Motivación del Administrador (Hall, 1996) Presencia de grandes competidores en la misma

región (Becchetti y Sierra, 2003), Relación con los bancos (Hall, 1996) Grado de subcontratación del estado (Becchetti y Sierra, 2002a) Nivel de diversificación y rentabilidad de la industria (Sheppard,

1994).


28

• Queda pues establecida aquí la premisa de partida: la precisión y la utilidad estos modelos de previsión de fracaso, aumentan al introducir en ellos variables cualitativas que explican mejor la naturaleza de la empresa y su situación.

• En el siguiente paso trataremos de demostrar este hecho con una prueba empírica: incorporando la variable Innovación en el Modelo de Previsión de Insolvencia de Kanitz, y valorando el efecto que este cambio supone en su precisión.


30

1. Se ha aplicado el modelo clásico de Kanitz a una muestra de empresas agrupadas como solventes e insolventes. Se ha elegido este modelo por la facilidad de obtener sus variables a partir de los balances publicados de las empresas, además de por su más que aceptable de precisión (74%).

2. Posteriormente, tomando como base la deconstrucción del Modelo de Kanitz llevada a cabo por Kassai (Kassai, 2007), se ha introducido una nueva variable en el constructo original. Dicha variable son los gastos en innovación y representará la capacidad innovadora de la empresa (Sanchez, 2000).

3. Posteriormente se ha construido un nuevo modelo, obteniendo una nueva clasificación de las empresas, valorando los resultados y la capacidad predictiva del nuevo modelo.


Descripción del proceso

31

• La muestra utilizada se obtuvo de la base de datos AMADEUS con información procedente de 10.981 empresas de todo el mundo con datos relativos a sus gastos en I+D1. Esta condición es indispensable si queremos construir nuestro modelo de previsión de insolvencia de las empresas de la muestra sobre esta variable.

• Después de algunas depuraciones que se ha obtenido una muestra de 7.079 empresas con valores válidos para la variable “Gastos de Innovación” en la información que ofrece la base de datos (estos valores incluían el valor cero).

1 En realidad figura el ratio “R&D Expenditures/Revenues”, a partir del cual es sencillo extraer los gastos

que la empresa dedica a Innovación.


Muestra utilizada

32

• A partir de la muestra se ha cuantificado en que medida el termómetro de KANITZ era capaz de separar adecuadamente esas empresas únicamente en base a los indicadores financieros, su función discriminante:

Y = 0.05X1+ 1.65X2 + 3.55 X3 –1.06X4 – 0.33X5

• Los resultados obtenidos han sido:

• Tal y como predecía el marco teórico, la precisión del modelo de Kanitz ha sido del 72,30% 74% previsto.


Resultados (1/3)

ACIERTOS 5118 72,30%

ERRORES 479 6,77%

PENUMBRA 1482 20,94%

TOTAL 7079 100,00%

33

• Se ha introducido una nueva variable en el modelo que midiera la capacidad innovadora de la empresa (gastos en innovación) y se ha procedido a realizar el análisis de regresión que siguió KANITZ para desarrollar su modelo hasta obtener una nueva función discriminante F.


• Es decir una reducción de 7,88 puntos en el grado de precisión. Es evidente que en este caso la introducción de la variable “Gastos de Innovación” no mejora la precisión del modelo.


Resultados (2/3)


ERRORES 2400 35,58%

TOTAL 7079 100,00%

34

• Cómo último paso repetido el proceso pero tomando los indicadores correspondientes al periodo (year-3) siendo year el año en que los datos de la muestra fueron tomados .


• Es decir una mejora de 16,17 puntos en el grado de precisión. Es evidente que en este caso la introducción de la variable Innovación mejora la precisión del modelo permitiendo acotar con mayor exactitud el foco de atención, y hacerlo con mayor horizonte temporal para tomar las medidas oportunas.


Resultados (3/3)


ERRORES 1374 19,41%

TOTAL 7079 100,00%

6. Conclusiones

36

• Un modelo de previsión de insolvencia puede ayudar no sólo a los empresarios a evaluar con mayor exactitud y perspectiva la probabilidad de un potencial fracaso del negocio, sino también a gestores, directivos, proveedores, asesores externos, accionistas, inversores que proporcionan el capital para su empresas, responsables de políticas internas y demás grupos de interés en el universo empresarial.

• La precisión y la utilidad los MPI, aumentan al introducir en ellos variables cualitativas que explican mejor la naturaleza de la empresa y su situación.

• Esta información es imprescindible para describir la realidad empresarial y debe formar parte de cualquier modelo de previsión de insolvencia. Algunos estudios que combinan variables cualitativas y cuantitativas llegan a tasas de predicción de hasta el 90% con un horizonte de 3-5 años.

Conclusiones

37

• Se establecen como futuras líneas de investigación el estudio de modelos de previsión de insolvencia basados en técnicas de vanguardia, como la probabilidad condicional, participaciones iterativas, inteligencia artificial, redes neuronales, árboles de decisión y técnicas de inducción y el efecto de la incorporación de variables no financieras

Futuras líneas de investigación

Gracias por vuestra atención

TFM – MGEPS2009/2011Vicente J. Casanova

revisión de los modelos de previsión de insolvencia (mpi) empresarial tfm – mgeps2009/2011...

Documents