3. LOS ELEMENTOS DEL ANÁLISIS FINANCIERO MULTIVARIABLE

Para desarrollar el análisis 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 análisis; b) la unidad geográfica c) la unidad temporal (tiempo o período de la base de datos); y d) la selección de la muestra.

1. LA UNIDAD DE ANALISIS.

La unidad de análisis de nuestra investigación comprende a las empresas muestreadas. En este punto lo más importante es seleccionar empresas comparables entre sí, y para esto se requieren dos elementos fundamentales que son: a) la definición del tamaño de las empresas; y b) la definición del sector al que pertenecen éstas. Con respecto al segundo punto, cada quién debe seleccionar el sector que le sea de más interés y que conozca. Hay que determinar el total de empresas que existen en ese sector en cada uno de los países, para el posterior muestreo.

Sobre el tamaño de las empresas existen acuerdos generalizados para clasificar a éstas como grandes, medianas o pequeñas. Las características más típicas que definen al tamaño son: el importe de los activos totales, el volumen de las ventas y el importe de los beneficios. Además, en el caso de este estudio y con relación a las características que se tienen que tomar en cuenta para tener un conocimiento más 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 razón de incluir las últimas dos variables es con el fin de obtener elementos más objetivos en cuanto al tamaño real que tiene la empresa en términos económicos y financieros, pues el analista puede determinar mejor el tamaño con base a la proporcionalidad que existe entre las fuentes de financiamiento propias y ajenas (estructura de capital), así como a la aplicación de éstas en inversión financiera e inversión productiva.

Con respecto a algunos de los principales factores que son influidos por el sector al que pertenece la empresa, están los dos siguientes: la rotación de los activos y el tamaño de los activos fijos. El período de rotación de las existencias es muy importante, pues éste se comporta de acuerdo al sector al que pertenece la empresa. Por ejemplo, en el sector comercial se registran índices de rotación superiores a los de la construcción. Además, si consideramos que el índice de rotación forma parte del ratio de rentabilidad, y por otra parte, la cuenta de inventarios representa una de las fases más importantes de ciclo de explotación, entonces se puede deducir que el índice de inventarios es una variable independiente que afecta directamente a la liquidez, la tesorería y la solvencia de la empresa.

En el caso del tamaño de los activos fijos, es bien conocido que sectores como el de la construcción 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 inversión en activos financieros de aproximadamente el 40%. En el caso del sector bancario, normalmente su inversión financiera llega a ser hasta del 80% con respecto a su inversión total. Lo anterior nos indica claramente la importancia de la segmentación de los sectores para una correcta aplicación de los ratios. Con respecto al pasivo, las empresas grandes tienen en general un endeudamiento ajeno más elevado. Con respecto a las utilidades y su relación con las ventas, se deben obtener indicadores que caractericen el tamaño de la empresa.

2. LA UNIDAD GEOGRAFICA.

La unidad geográfica se refiere a la selección del país, región y sector al que pertenece la empresa. Hasta la fecha la unidad geográfica donde se ubica la empresa no presenta grandes problemas, ya que al no existir aún una homologación en la presentación de la información financiera y una misma unidad monetaria entre los países, los investigadores han optado por seleccionar muestras pertenecientes a un único país. En un futuro cercano será interesante ampliar la unidad geográfica a varios países por su significativo avance en la armonización de sus criterios contables y la adopción de una unidad monetaria única como es el caso de la Unión Europea.

En este punto se observa que la determinación correcta de la unidad geográfica en los diferentes estudios se ha realizado con base en los siguientes dos criterios: a) aquellos que están dirigidos a un sector muy concreto, y b) los estudios que abarcan varios sectores pero con características financieras homogéneas. En ambos casos normalmente se excluyen de la muestra las empresas financieras, aseguradoras y los bancos, ya que tienen características particulares. En resumen podemos decir que para que la muestra sea más representativa y puedan llevarse a cabo generalizaciones, la unidad geográfica debe seleccionarse considerando aspectos tan importantes como: a) determinación correcta del país y región; b) determinación correcta del sector y subsectores macroeconómicos en que opera la empresa; y c) fijación de las condiciones necesarias para obtener el tamaño de la empresa.

3. LA UNIDAD TEMPORAL.

La unidad temporal comprende el período de tiempo de la base de datos. Aquí el investigador selecciona el número de años para obtener indicadores históricos y predictivos. Normalmente estos períodos son anuales y oscilan de los tres hasta los diez años. El período de cinco años es un promedio muy común en los trabajos que se han desarrollado desde los años sesenta. Algunos investigadores han comenzado a recomendar que dentro de esos períodos se obtengan también informes financieros trimestrales y no sólo anuales para observar mejor las tendencias en los cambios de los ratios. Esto lleva a que de alguna manera la unidad temporal se amplié y compense algunos aspectos negativos de aquellas muestras que sean pequeñas.

Según Fernández (1986: p.116), al considerar la unidad temporal para la selección de la muestra, se presentan serios problemas para el investigador cuando debe definir el período de la base de datos de las empresas fracasadas, pues como se apunta acertadamente el estudio del fracaso empresarial es un problema complejo, y más que una situación puntual es una sucesión de etapas que implica una interacción 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 definición representativa y objetiva del inicio del analisis. Este punto se refiere a que fecha es la adecuada para servir como año base. Implica que mientras no sepamos con certeza cuando la información es más 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 éstas presentan dos tipos de unidades temporales. El primer tipo contiene períodos de tiempo para las bases de datos que van de uno hasta los dos años previos al evento del análisis. Este tipo es comparativo y no sirve para determinar tendencias. El segundo grupo está representado por aquellas bases de datos con períodos de tres o más años previos al evento. En el contexto del análisis financiero con fines de predicción estas unidades temporales son las más adecuadas pues nos permite marcar.

Con respecto a la información anual, el ejercicio técnicamente se cierra el 31 de diciembre, sin embargo, la legislación de varios países da como plazo hasta el 31 de marzo para la entrega final de la declaración anual del impuesto sobre la renta. Esta declaración contiene en realidad importantes ajustes a varias de las principales cuentas que se toman para el análisis financiero final. Por otra parte, en este trimestre también se concluye el ciclo anual de la auditoíia interna de las empresas. Aquí, el auditor interno junto con el contralor general y el tesorero, preparan aquellas reclasificaciones y ajustes a los estados financieros finales del año 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 última operación técnica e interna de la empresa, y cuyo producto final son las bases de datos contables, es también el inicio de los trabajos centrales de la auditoria externa, cuyo objetivo se centra en llegar a la cifra final más real de utilidades para el reparto de dividendos a los accionistas. En general, durante el mes de agosto se da la conclusión de la auditoria externa para el año 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 modificarán los ratios financieros.

Como se puede deducir con base a lo anteriormente expuesto, la práctica contable condiciona y dificulta la determinación de la fecha puntual que se trata de alcanzar rigurosamente en los modelos DE analisis financiero. Esto lo podemos asegurar por dos razones básicamente: a) primero no es viable que un investigador o un ejecutivo pueda determinar una fecha puntual del año base de una empresa, y menos aún en una serie amplia de empresas muestreadas; b) segundo, lo anterior nos puede llevar a sugerir que las fechas del análisis financiero no se deben establecer con base a una determinada emisión de información financiera, sino con base a un período que contenga el cierre final ya corregido y ajustado de cada año. Por lo tanto, deberíamos de estar abiertos a la idea de que dicho cierre puede variar de uno hasta seis meses.

Los períodos de variabilidad superiores a los tres meses regularmente representan signos de problemas para la producción de su información financiera, y en los casos más extremos también pueden ser signos de evidente falta de utilidad de la información empresarial. Según algunos estudios que hemos consultado a lo largo de esta investigación (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 técnica 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.

También se ha podido analizar que el problema temporal se ha entendido tal vez de forma errónea como una simple metodología que busca principalmente una delimitación de fechas para obtener en cada ratio mayor capacidad de predicción cuando la empresa va hacia el fracaso. Sin embargo, el establecimiento de una fecha representativa para estimar la capacidad de predicción hasta el momento no se ha logrado. Este error o limitación metodológica en parte se debe a que repetidas veces se llega a datos ajustados con relación a una fecha, y no a la inversa Es decir, a una fecha ajustada con relación a los datos más representativos del estado evolutivo del fracaso o éxito 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 también suele ser lento y complejo, como es el caso de la elaboración y aplicación de la técnica contable y el análisis financiero a través de ratios. Al determinar mejor los períodos reales de los cierres contables, no es prioritario el preocuparse sobre los resultados de los ratios, pues éstos 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 (suspensión de pagos o quiebra) en el año anterior inmediato, se debe considerar un año previo al fracaso, es decir, dos años anteriores al análisis financiero. Esto se debe a que normalmente se considera que durante el año del fracaso se abandona la contabilidad del devengo.

Una ventaja para seleccionar empresas en suspensión de pagos, es que se pueden consultar sus estados financieros trimestrales del “año actual del fracaso” y no sólo del “año anterior al fracaso” o “del segundo año anterior al fracaso”. Esto es importante si consideramos que son precisamente los últimos trimestres en donde están los datos más interesantes para llevar a cabo el análisis entre las empresas sanas y en crisis. Las que fracasaron nos dan los estándares a los que no debemos llegar.

4. LA MUESTRA.

La estadística inferencial establece que si obtenemos una muestra representativa de la población, 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 análisis financiero a través de ratios se procura que sus características sean definidas lo más específicamente para conocer el alcance exacto de los resultados, aunque en repetidas ocasiones no se establecen límites para determinar qué se entiende por población. Según Lizarraga (1993: p.97), esto es con el fin de evitar la heterogeneidad de poblaciones que daría como resultado diferentes valores en los ratios si no se consideraran elementos tales como el sector y el tamaño al que pertenecen la muestra de empresas. Aquí el principal problema radica en la dificultad de conseguir al mismo tiempo la muestra representativa de empresas fracasadas y la anulación de los efectos negativos originados por las disparidades entre los elementos de la muestra.

También en los trabajos predictivos es común que la selección 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 información pública, sin ningún otro tipo de análisis sobre los estados financieros. Con respecto a la submuestra de empresas con éxito empresarial, se consideran a las empresas “sanas” y se eliminan a las empresas con dificultades financieras, pues se considera que estas últimas tienden a similares comportamientos con respecto a las empresas fracasadas. Un cuestionamiento importante que presenta esta posición es que no se indica en dónde quedan comprendidas aquellas empresas que han llegado a un estado de suspensión de pagos o a un estado de crisis diferente al de la quiebra, y que además, representan una parte significativa de la población.

Mora (1994), en su estudio abordó este problema y recomendó tener en cuenta la relación de las submuestras entre empresas sanas y quebradas, pues consideró que ambas tienen diferentes porcentajes con relación a la población original. Es decir, siempre existen más empresas sanas en la población. Con base en ello propuso una situación ideal que consiste en la selección aleatoria tanto de empresas sanas como de empresas quebradas. Con relación a las muestras no aleatorias, esta investigadora considera que existe una probabilidad de que una observación forme parte de la muestra con relación 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 tendrá siempre más probabilidades de formar parte de la muestra.

Zmijewski (1984), considera que en los casos de los modelos Logit y Probit, todos los coeficientes están afectados por la no aleatoriedad de la muestra, y por lo tanto, el hecho de que la selección de la muestra no sea aleatoria no supone una variación significativa en los resultados de las investigaciones. Mora(1994: p. 207), coincide con esta posición de Zmijewski cuando apunta que al seleccionarse una muestra aleatoria de la población, puede dar lugar a que la submuestra de empresas quebradas esté constituida por empresas de diferente tamaño 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 podrían atribuirse también a diferencias sectoriales y de tamaño, y no sólo al hecho de si la empresa está quebrada o sana.

Cuando las muestras son pequeñas el analista debe evaluar las ventajas y desventajas, pues la selección de pocas empresas puede llevar a la necesidad de sólo aplicar el método del caso, o bien, utilizar sólo algunos estadísticos que nos complementen el análisis financierro básico 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 producción de su información financiera. Con esto se considera que sí se puede obtener una muestra de empresas que presenten una armonización contable similar y estén ubicadas en unidades geográficas similares, aunque claro, reconociendo en todo momento las otras limitaciones que se presentan con una muestra pequeña. 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 también se obtiene una muestra sesgada. Además 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, también este autor considera que este sesgo parece no afectar las inferencias estadísticas o las tasas de clasificación en su conjunto, y más aún si la muestra es grande.

Por otra parte Zmijewski (1984), opina que la aproximación a las características de la población, en cuanto a la proporción de empresas en quiebra, es necesaria para reducir el sesgo inherente en una selección 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 técnica apropiada para la diferenciación entre la muestra y las características de la población que es utilizada. Por eso Zmijewski considera que el sesgo hace más difícil de fijar el efecto de las variables individuales. Por otra parte, también considera que el sesgo es mucho menor cuando la proporción de empresas fracasadas de la muestra se aproxima a la proporción de empresas en quiebra de la población.

En general y ante estos problemas Zmijewski (1984) examinó conceptual y empíricamente dos vías 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 basándose 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 utilización de alguna de estas vías en general no afecta las inferencias estadísticas o los porcentajes de clasificación 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 están 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, así como el sector al que pertenecen. Además, como ya lo apuntaban Baidya y Ribeiro (1979), en gran medida esta diversidad de empresas está condicionada de forma diferente por las variables macroeconómicas del país donde están ubicadas. Sin embargo, en el trabajo de estos últimos autores, para la muestra se seleccionaron empresas que se dedicaban a fabricar vestidos, productos metálicos, productos de madera, productos de pulpa y papel, motores de vehículos, productos de plástico, metales básicos y empresas constructoras. Como en anteriores ocasiones, hemos de apuntar lo heterogéneo 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 valuación de inventarios y amortización 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 tamaño, no necesariamente proporcionan mayor representatividad ni incorporan elementos significativos o variables explicativas determinantes en los modelos de análisis financiero a través de ratios y con fines predictivos. Ohlson (1980) ya había apuntado esto al proponer por primera vez que las muestras se podían seleccionar sin el emparejamiento y sin necesidad de cumplir las diferentes proporciones existentes entre los grupos de empresas de la población. También nos hemos basado en el hecho de que siempre es mayor el número de empresas sanas con respecto a las fracasadas, y esto sí que tiene un efecto de distorsión en el momento en que se aplica un muestreo aleatorio con el posterior emparejamiento, ya que siempre las posibilidades tenderán a ser mayores para que salga seleccionada una empresa fracasada con respecto a una empresa sana en cada una de las submuestras. Por último, se observa en varios estudios que en el caso de las empresas fracasadas resulta muy difícil de tener acceso a la información contable, pues en los juzgados o en los registros mercantiles, así como en la propia empresa, existe poca disponibilidad para dar a conocer este tipo de información. Además, 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 énfasis teórico que se da al tema de las bases de datos se debe a que se considera como uno de los elementos más importantes para el éxito del desarrollo de un modelo de analisis financiero pragmático, 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 estimación y posteriores en el tiempo, pues para estos autores es fundamental la reestimación de los modelos creados con anterioridad para que los actuales usuarios tengan la confianza de que son óptimos para los datos y períodos en los que se van a emplear. Para mejorar el instrumento de medición en cuanto a la estimación correcta de cada una de las posibles variables independientes (ratios), debemos partir con bases de datos con períodos amplios (mínimo cinco años) más cuando las muestras sean pequeñas. Debemos mejorar la calidad de la información con respecto a otros trabajos pues recomendamos incluir cifras ajustadas o reexpresadas, lo cual da mayor comparabilidad a través del tiempo entre los balances y estados de resultados utilizados.