2.4.6. MODELO OHLSON (1980)

James A. Ohlson (1980) de la Universidad de California y que desarrolló su trabajo asesorado por William Beaver, presentó como principal cambio con respecto a otras investigaciones, un método estadístico diferente de los que tradicionalmente se habían venido utilizando para evaluar las quiebras. Ohlson por primera vez utilizó el modelo econométrico de probabilidad condicional de regresión logística (Logit) en lugar del MDA para intentar mejorar las deficiencias que éste último presentaba. Según él, el “MDA Score” tenía poco valor interpretativo al contrario del Logit y por eso su estudio se centraba más al problema metodológico que a otra cuestión.

Antes de la década de los ochenta, aunque ya se habían encontrado problemas metodológicos y estadísticos aplicando el análisis discriminante en el modelo, ningún investigador intentó probar otras alternativas para mejorar estos aspectos. Esto se debió en gran parte a los buenos resultados de exactitud de clasificación. Sin embargo, los problemas de clasificación dicotómica dentro del campo de las finanzas eran diferentes con respecto a otros campos y se volvieron más complejos. Pero aún así, los investigadores no se dieron cuenta o poca atención prestaron a este hecho y continuaron utilizando únicamente el análisis discriminante para elaborar sus generalizaciones, las cuales comenzaron a ser cada vez menos acertadas pues presentaban problemas tan evidentes en alguno de los elementos del modelo, como los que se citan a continuación, y que era necesario intentar mejorar a través de la estadística como medio o herramienta y no como un objetivo o fin principal.

En los ratios y las variables independientes había deficiencias como:

1. El problema de la reducción en el número de variables independientes.

2. La distribución de los ratios no era normal en el modelo.

3. No había evidencia empírica generalizada sobre la correcta determinación de la contribución o significancia relativa de cada ratio dentro de la función discriminante.

4. Existía ausencia en la interpretación correcta de los ratios en términos financieros y económicos.

5. Había poca normalidad multivariable para el conjunto de las variables independientes y falta de un test que verificara esto.

6. Se observaba inexistencia de normalidad multivariable en los ratios y falta de un test que lo verificara.

7. Había asimetrías positivas en las distribuciones de los ratios.

8. En ocasiones la variabilidad de los ratios en las empresas fracasadas era muy diferente con respecto a los de las empresas sanas, sin embargo en otras no. Esto dependía principalmente de la metodología que se aplicara.

9. En la muestra se presentaban problemas tales como: la dispersión, definición y limitación de los grupos; y la selección incorrecta de las probabilidades poblacionales previas.

10. En los resultados había una incorrecta evaluación de los costes de error tipo I y II en los resultados; un deficiente diseño e interpretación correcta del análisis discriminante; y faltaba certeza de igualdad en las matrices de covarianzas de los grupos, además de test que lo verificara.

Ohlson consideró que existía un camino que podía completamente ordenar el poder predictivo de un conjunto de modelos utilizados para las decisiones predictivas. Trabajos previos al suyo habían generalmente estado basados en dos importantes consideraciones específicas y restrictivas cuando los resultados predictivos fueron evaluados y eran:

1. La matriz de clasificación se suponía que era una parte adecuada de la estructura de pagos;

2. Los dos tipos de errores de clasificación tenían una propiedad aditiva, y el “mejor” modelo era aquel que minimizaba la suma de los porcentajes de error.

Para Ohlson ambos de estos supuestos eran arbitrarios, pues afirmaba que en el caso del segundo supuesto era imposible comparar los resultados de las diferentes investigaciones realizadas porque los períodos de tiempo eran diferentes, y por consiguiente, los predictores y el conjunto de datos respondían a situaciones también diferentes. Por tanto, lo que sugería como interesante era hallar en cuánto se excedían los resultados entre las diferentes investigaciones.

Con respecto a la variable dependiente, Ohlson detectó que la definición de fracaso tenía significativas variaciones y arbitrariedades entre la diversidad de estudios. La dicotomía entre “quiebra versus no quiebra” era normalmente la más utilizada, pero para él era una aproximación muy “cruda”. Además, apuntaba que también existía un gran número de dificultades estadísticas y problemas metodológicos que requerían ser discutidos.

Su base de datos la obtuvo del “Compustat File” cuyo período fue de 1970-1978. Para el grupo o muestra de control utilizó datos de un año previo al último cierre contable para todas las empresas sanas. En cambio para la muestra de estimación se consideraron hasta tres años previos a la quiebra.

Este fue un estudio que difirió de los anteriores en cuanto a que Ohlson no seleccionó su base de datos de empresas fracasadas del “Moodys´ Industrial Manual”, pues optó por un procedimiento diferente que, según él, tenía una mayor ventaja al considerar que los reportes indicaban una situación en un punto del tiempo en que éstos fueron hechos públicos, y por tanto, el analista no podía verificar si la empresa había llegado a la quiebra antes o después de que los datos se publicaran. Este problema de temporalidad se daba porque se creía que los informes financieros estaban disponibles a la fecha del cierre anual.

En la práctica lo anterior no sucedía, y menos aún en las empresas fracasadas, las cuales en ocasiones llegaban a producir su información después de ésta ya no era “oportuna”. Por eso Ohlson prefirió buscar otra fuente para su base de datos que le indicara la fecha exacta de su emisión pública para en realidad poder predecir las relaciones económicas, pues si una empresa solicitaba el procedimiento concursal entre el posterior cierre de ejercicio y antes de la emisión de los estados financieros finales, la información perdía validez, y por consiguiente el análisis predictivo también.

Ohlson observó que anteriores estudios no habían considerado explícitamente este sutil hecho, ya que presuponían que un reporte está disponible al final del año fiscal y esto podía llegar a ser importante dependiendo del objetivo del estudio. Si el propósito era llevar a cabo una investigación como la suya para solamente pronosticar las relaciones, entonces el procedimiento era inadecuado. Como todos los demás investigadores, Ohlson se encontró con estados financieros incompletos y con períodos de cierre variables en algunas empresas.

Los porcentajes de error en las predicciones de Ohlson fueron mayores con respecto a otros estudios similares como los de Altman. Esto podría haberse debido, según Ohlson, a que los datos obtenidos fueron de períodos anteriores a 1970. Otra desventaja que encontró en su modelo y que también estaba relacionada con las bases de datos, fue que no utilizó datos basados en precios del mercado, lo cual pudo haber impedido incrementar el poder predictivo de su análisis.

En su opinión, uno de los problemas principales que había en los modelos predictivos era el relacionado con el desarrollo de los datos de las empresas quebradas, los cuales no habían sido mencionados en la literatura sobre el tema (op. cit. p. 111). Por eso en su estudio este factor le produjo según él las siguientes limitaciones:

1. Los resultados obtenidos a través de la aplicación del modelo MDA era un score que tenía poca interpretación intuitiva.

2. Existían problemas relacionados con los procedimientos para la selección de la muestra, los cuales habían sido utilizados en el modelo MDA. Por ejemplo, las empresas fracasadas y no fracasadas eran seleccionadas de acuerdo a ciertos criterios, tales como el tamaño y el sector industrial. Para Ohlson estas tendencias eran en ocasiones arbitrarias.

Ohlson consideraba las mayores determinantes para el éxito de la empresa eran: a) el tamaño de la empresa; b) las mediciones de la estructura financiera; c) los resultados y d) la liquidez actual. Basado sobre esta teoría construyó un modelo para predecir la quiebra utilizando nueve variables predictivas que incluyeron: el tamaño de la empresa; los ratios citados comúnmente en la literatura especializada; los resultados del ejercicio; las medidas de posición; y, los resultados y cambios en la posición de la empresa. Detectó que la submuestra de empresas quebradas usualmente era pequeña. Esto le llevó a que incluyera a 105 empresas en quiebra y 2058 empresas no quebradas. No especificó si éstas últimas estaban sanas o enfermas.

En la selección de las variables independientes no llevó a cabo ninguna tentativa para desarrollar algún ratio nuevo. Sus criterios fueron simples y aplicó nueve variables independientes que fueron las siguientes:

Anteriores estudios sobre el “sentido común” le sugirieron a Ohlson que el signo de los coeficientes de los diferentes ratios deberían computarse de la siguiente forma:

Sus resultados le indicaron poca correlación entre las variables de resultados y las de posición. En ambos casos obtuvo contribuciones significativas para su modelo. El tamaño de la empresa fue también considerado como un elemento significativo para la predicción de la quiebra.

El modelo Ohlson clasificó correctamente 96.12% de la muestra de empresas industriales (probabilidad de quiebra). Estos resultados le indicaron que la combinación de la tasa de errores de Tipo I y II, eran mínimas en un punto límite de .038; lo que significó que 17.4% de las empresas sanas y 12.4% de las empresas en quiebra no fueran correctamente clasificadas.

Las conclusiones finales de Ohlson fueron básicamente las siguientes:

1. El período de cualquier modelo depende de la información financiera disponible, es decir, de las bases de datos.

2. El poder predictivo de las transformaciones lineales de un vector de ratios parece ser más amplio cuando se aplica a muestras grandes.

3. Propuso llevar a cabo transformaciones logarítmicas o de raíz para conseguir mayor normalidad en las distribuciones.

4. Con respecto a la desigualdad de las covarianzas pensó en el análisis discriminante cuadrático, aunque consideró que éste se veía afectado más que el análisis lineal por la falta de normalidad, además de su mayor dificultad de aplicación y la disminución de la utilidad marginal de las distintas matrices de covarianzas conforme el tamaño de la muestra se reduce y el número de las variables independientes aumenta con relación a la muestra.

5. En su modelo fue posible identificar cuatro factores básicos que eran significativos estadísticamente para detectar la probabilidad de quiebra un año previo al evento. Estos factores fueron: el tamaño de la empresa, las medidas de la estructura financiera, las mediciones de los resultados, y las mediciones de liquidez a corto plazo (aunque para él las evidencias de este factor no fueron tan claras).

6. Según Ohlson, estudios anteriores como los de Beaver, Altman, Libby, Deakin, Blum, Edmister, Wilcox, Lev, etc., parecen haber exagerado el poder predictivo de los modelos desarrollados, pues consideró que erróneamente entendieron la “predicción” como sinónimo de “pronóstico”. Al respecto Ohlson opinaba que si uno utiliza predictores derivados de estados financieros que fueron hechos después de la fecha de la quiebra, la evidencia indica que será fácil “predecir” la quiebra (p. 110).

7. Los estudios de Ohlson tuvieron una influencia en los posteriores estudios sobre la posibilidad de elección de metodologías estadísticas alternativas, pues se comenzaron a utilizar otros modelos más flexibles en sus requerimientos, proponiendo en general otros dos modelos de probabilidad condicional que fueron: la regresión logística, “Logit”, y la regresión probabilística, “Probit”, las cuales fueron tan eficientes como el MDA.

8. Su trabajo empíricamente no tuvo éxito, pero metodológicamente fue vanguardista en su aportación al desarrollo de las variables independientes.

9. En la muestra propuso por vez primera, que las muestras se podían seleccionar sin un emparejamiento y sin necesidad de cumplir las diferentes proporciones existentes entre los grupos de empresas de la población.