Tesis doctorales de Ciencias Sociales


ANÁLISIS DE LAS DIFICULTADES FINANCIERAS DE LAS EMPRESAS EN UNA ECONOMÍA EMERGENTE: LAS BASES DE DATOS Y LAS VARIABLES INDEPENDIENTES EN EL SECTOR HOTELERO DE LA BOLSA MEXICANA DE VALORES

Alberto Ibarra Mares



Esta página muestra parte del texto pero sin formato.
Puede bajarse la tesis completa en PDF comprimido ZIP (319 páginas, 1.52 Mb) pulsando aquí

 

 

 

2.4.8. MODELO TAFFLER (1984)

Richard Taffler (1984), profesor de la “University Business School of London”, llevó a cabo un trabajo cuyos principales objetivos fueron los siguientes:

1. Hacer una revisión crítica de los modelos Z-Score que se habían desarrollado hasta esa fecha en el Reino Unido.

2. Establecer la necesidad de separar los modelos de las empresas manufactureras y las empresas de distribución.

3. Explorar la utilidad del punto de corte de la técnica discriminante.

4. Determinar como las técnicas de las Z-Scores podían ser utilizadas en ese momento en el Reino Unido.

Para Taffler, al igual que Altman, su modelo no se enfocaba principalmente a la capacidad predictiva, sino a la exactitud de clasificación. Su idea se fundamentaba en que si una empresa obtiene una puntuación Z-Score que la sitúe en la zona de riesgo, eso no indicaba de inicio que el modelo estuviera prediciendo el fracaso, sino de que esa empresa presenta más similitudes con un grupo de empresas fracasadas que con un grupo de empresas sanas. Posteriormente, si la empresa quebraba o no, eso dependería ya de otros factores o sujetos que no era posible incorporarlos al modelo, tal era el caso de los acuerdos con acreedores, proveedores, etc. Por eso el trabajo de Taffler se enfocó más a los problemas conceptuales y estadísticos del modelo que a la importancia de la capacidad de predicción.

En 1984 realizó un “survey” sobre los trabajos desarrollados en el Reino Unido entre 1974 y 1977. Este fue el primer trabajo importante fuera de los Estados Unidos que por cierto también reconoció la importancia que tenían las bases de datos dentro del modelo. Por ejemplo, Taffler opinaba que el Reino Unido era un país ideal para el desarrollo de los modelos predictivos pues contaba con las condiciones más ventajosas para obtener mejores resultados. Éstas las resumía en los siguientes puntos:

1. La información financiera producida por las empresas que cotizaran o no, tenía la suficiente calidad y cantidad. Condición indispensable para desarrollar el modelo predictivo.

2. La bolsa de valores de este país estaba ya lo suficientemente desarrollada.

3. Existían suficientes bases de datos contables informatizadas y homogeneizadas.

4. Había en el país un gran número de empresas fracasadas y este hecho permitía conformar la submuestra de empresas quebradas, cosa que normalmente era una limitación para desarrollar adecuadamente el modelo.

Taffler consideraba que una empresa que seguía operando no necesariamente se tenía que considerar como una empresa no fracasada dentro del modelo. Por otra parte, opinaba que una revisión bibliográfica exhaustiva no era suficiente para elaborar una teoría sobre la selección de los ratios.

Con base en estas premisas, Taffler seleccionó 50 ratios y aplicó posteriormente un análisis de componentes principales para reducir el número de factores y variables a un total de 5. Con éstas diseño la función discriminante.

Entre sus primeros resultados Taffler observó que los dos primeros factores presentaron la mayor capacidad discriminatoria de la función.

En 1977 Taffler junto con Tisshawa realizaron un segundo trabajo en donde modificaron las variables del modelo original de Taffler (1973), reduciendo los factores a cuatro para hacer frente a la nueva y compleja información contable que se presentó en el Reino Unido debido a las altas tasas de inflación que afectaron a la información contable e incluyeron empresas fracasadas entre 1968-1973. La función discriminante quedó compuesta por los siguientes factores y ratios; sin embargo, el modelo de Taffler y Tisshawa no fue publicado por razones comerciales, de ahí que se desconozcan los coeficientes y su ponderación dentro del modelo.

Los factores de rentabilidad y endeudamiento fueron los que más peso clasificatorio tuvieron. Para Taffler el análisis multivariable redujo el efecto window dressing en la contabilidad, pues esta técnica estadística permitió llevar a cabo un análisis simultáneo entre la rentabilidad, el endeudamiento y la posición de liquidez; lo que hizo más difícil la manipulación.

Taffler y Tisshawa advirtieron, al igual que los Takahashi y Kurokawua (1985), sobre las limitaciones del análisis discriminante a través de la utilización aislada de la Z-Score, pues opinaba que esta herramienta era más útil cuando se consigue un desarrollo complementario que proporciona una aproximación a los diferentes grados de riesgo. A partir de esto propuso dos importantes conceptos con el fin de incorporarlos a su modelo y fueron:

1. El índice de riesgo: esta medida trató de indicar en qué medida y durante cuantos años la Z-Score era negativa. También intentó proporcionar indicadores sobre la tendencia de la Z-Score

2. El “Performance Analysis Service Score”(PAS-SCORE). Este indicador consistió en transformar la Z-Score en una medida de escala de 0 a 100. Para esto primeramente se debía de ordenar en forma ascendente las puntuaciones de las empresas muestreadas y posteriormente, se establecía el percentil en el que se ubicaban las empresas para medir el riesgo global de cada una de estas considerando la situación económica del sector.

Por último, Taffler también destacó la gran importancia de la utilidad de los estados financieros cuando se analizaban adecuadamente, agregando que para cada sector se requería el desarrollo de modelos distintos. La base de datos se tomó del sistema “EXAT”, que es el equivalente al “COMPUSTAT” de los Estados Unidos de Norteamérica.


Grupo EUMEDNET de la Universidad de Málaga Mensajes cristianos

Venta, Reparación y Liberación de Teléfonos Móviles
Enciclopedia Virtual
Biblioteca Virtual
Servicios
 
Todo en eumed.net:

Congresos Internacionales


¿Qué son?
 ¿Cómo funcionan?

 

15 al 29 de
julio
X Congreso EUMEDNET sobre
Turismo y Desarrollo




Aún está a tiempo de inscribirse en el congreso como participante-espectador.


Próximos congresos

 

06 al 20 de
octubre
I Congreso EUMEDNET sobre
Políticas públicas ante la crisis de las commodities

10 al 25 de
noviembre
I Congreso EUMEDNET sobre
Migración y Desarrollo

12 al 30 de
diciembre
I Congreso EUMEDNET sobre
Economía y Cambio Climático

 

 

 

 

Encuentros de economia internacionales a traves de internet


Este sitio web está mantenido por el grupo de investigación eumednet con el apoyo de Servicios Académicos Internacionales S.C.

Volver a la página principal de eumednet