Procesos de fracaso empresarial: identificación y contrastación empírica

1 PROCESOS DE FRACASO EMPRESARIAL. IDENTIFICACIÓN Y CONTRASTACIÓN EMPÍRICA. Cristina Abad Ayudante. Universidad de Sevilla. [email protected] José Luis Arquero Profesor Titular de Universidad. Universidad de Sevilla. [email protected] Sergio M. Jiménez (Director) Profesor Titular de Universidad. Universidad de Sevilla. [email protected] Dirección para correspondencia: Cristina Abad Navarro Ramón y Cajal, Nº 1 Facultad de Ciencias Económicas y Empresariales Departamento de Contabilidad y Economía Financiera Universidad de Sevilla 41018 Sevilla Tel. 954557608. Fax. 954557569. Área temática: A) Información financiera. (Análisis de estados financieros). Palabras clave: Fracaso empresarial, calidad de la información financiera, síndromes de fracaso. Este trabajo ha sido realizado en el marco de la 2º Edición de Ayudas a la Investigación en Contabilidad y Administración de Empresas y del sector Público. AECA. 2 PROCESOS DE FRACASO EMPRESARIAL. IDENTIFICACIÓN Y CONTRASTACIÓN EMPÍRICA. RESUMEN La investigación sobre fracaso empresarial pretende diseñar modelos capaces de predecir qué empresas fracasarán en el futuro. Los modelos obtenidos no han sido aplicados en la práctica, al mostrar inestabilidad y tasas de éxitos inadecuadas en contextos diferentes a los iniciales. Para explicar esto, se ha sugerido que (I) las empresas con problemas manipulan la información contable para maquillar su imagen, (II) las técnicas estadísticas, en ausencia de una teoría del fracaso, sobreajustan los modelos predictivos, y (III) no existe un único proceso de fracaso. Así, los objetivos del trabajo son investigar, para un conjunto de empresas fracasadas españolas: (I) la calidad de su información contable, (II) las diferencias entre empresas fracasadas y sanas, y (III) la existencia de diferentes síndromes que conducen al fracaso. 1. Introducción A finales de los sesenta Altman publicó su famoso Z-score, que mide la proximidad de una empresa al fracaso financiero. El Z-score es un modelo multivariante lineal elaborado explotando las diferencias estadísticas observadas entre las empresas pertenecientes a dos muestras distintas (fracasadas y no fracasadas), emparejadas por tamaño y sector. Su éxito al pronosticar el fracaso (superior al 90% en la muestra de control, al 80% en una muestra de empresas de bajo rendimiento y al 70% dos años antes del fracaso) supuso una revolución en la investigación contable que, en aquellos momentos, se estaba planteando “la eliminación del análisis mediante ratios como técnica analítica para evaluar el rendimiento de las empresas” (Altman, 1968, p. 589). A pesar de su éxito predictivo, Altman advirtió que el Z-score ni explica por qué algunas empresas fracasan ni reproduce la estrategia de decisión de los analistas, aunque permite aumentar la eficiencia del esfuerzo de análisis, al reducir el tiempo dedicado a las empresas con una probabilidad de quiebra muy alta o muy baja y aumentar el dirigido a evaluar las que se encuentran en la “zona gris”. Durante los siguientes 30 años, el esfuerzo dirigido a la mejora del Z-score fue impresionante. El diseño experimental de Altman se aplicó a otros períodos, sectores y países, empleando técnicas estadísticas, variables, horizontes temporales y diseños muestrales idénticos o levemente diferentes1 . Sin embargo, no sufrieron alteraciones sustanciales ni el diseño experimental ni el enfoque instrumental que lo sustentaban. Sistemáticamente se compararon muestras de empresas fracasadas y no fracasadas y se calificaban como aceptables los modelos que proporcionasen un éxito clasificatorio comparable al obtenido por el Z-score. La elección del modelo y de las variables discriminantes se consideraron asuntos empíricos, que debían resolverse siempre en favor de aquellos que mostrasen un mayor éxito clasificatorio. Durante todos estos años, parece que los investigadores creyeron que la identificación del modelo predictivo definitivo estaba tan próxima que podía justificarse el empleo de técnicas estadísticas inadecuadas, de “minería de datos” o la ausencia de una teoría del fracaso (Belkaoui, 1980). El modelo definitivo surgiría al emplear otras variables, otras técnicas estadísticas o muestras más homogéneas. En 1982, la confianza en lograr un modelo predictivo definitivo era tan grande que 1 Pueden encontrarse revisiones de la literatura en Altman (1983), Zavgren (1983), Jones (1987), Laffarga (1993), García-Ayuso (1994) y Laffarga y Mora (2002). 3 se jugaba con la idea de sustituir los criterios profesionales (o directamente a los profesionales) por modelos matemáticos (Ashton, 1982 y Libby y Lewis, 1982). Ciertamente, la crisis del diseño experimental típico (evidente si observamos la reducción de la literatura sobre el tema) no sobrevino por ninguna de las razones expuestas en el párrafo anterior, sino por ser incapaz de proporcionar modelos estables (los propuestos por cada investigador para cada período, sector o país son diferentes) y con tasas de éxito adecuadas en muestras de control. En estas circunstancias el fin instrumental se incumple, debido al riesgo que entraña el empleo sistemático y automático de los modelos en decisiones en las que sólo resulta admisible una pequeña tasa de error. Desde luego, tampoco contribuye a su popularidad entre los profesionales el que las decisiones propuestas no puedan justificarse, ni en base a la doctrina financiera ni empleando las políticas de decisión usualmente aceptadas en las instituciones financieras. Obviamente, la necesidad de contar con instrumentos que permitan estimar el riesgo de fracaso no se ha reducido con la crisis del diseño experimental. Es más, los acuerdos de Basilea II parecen estar incrementando el interés de las instituciones financieras en contar con métodos rigurosos para evaluar la probabilidad de impago. La entidad que los posea, y permita el control de su estrategia de gestión de riesgos por el supervisor, puede obtener ventajas en el cálculo del capital mínimo. Por ello, parece justificado que intentemos superar los obstáculos que impiden el desarrollo de modelos estables con un éxito clasificatorio aceptable. Algunos autores alegan que uno de estos obstáculos estriba en la posibilidad de que algunas empresas, que están experimentando tensiones financieras o formas leves de fracaso, manipulen la información contable para aumentar la confianza del público (Beaver, 1968 y Wilcox, 1971), probablemente alterando las magnitudes más populares en el análisis financiero. Otros afirman que las técnicas estadísticas sobreajustan los modelos predictivos para alcanzar el máximo éxito clasificatorio en la muestra, reduciendo su validez externa (por ejemplo, Hair et al., 1999). Por último, se argumenta que las empresas parecen seguir diferentes procesos que desembocan en el fracaso financiero (Laitinen, 1991 y 1993). El problema de la fiabilidad podría resolverse empleando estados contables auditados (sin salvedades o ajustados por las salvedades). Esta restricción no supondría la modificación del diseño experimental típico, aunque: a) impediría el desarrollo de modelos aplicables a las empresas más pequeñas y el empleo de grandes bases de datos sin cuestionarse su fiabilidad, y b) exigiría que se depurasen los datos de las empresas fracasadas, que frecuentemente presentan informes de auditoría con salvedades. En nuestra opinión, esta restricción confinaría la aplicación del análisis contable o financiero a un contexto que nunca debería abandonar: aquél en el que se cuenta con información contable fiable. El objetivo de maximizar el éxito predictivo ha incentivado que los investigadores contrasten de forma sistemática, normalmente sin el adecuado soporte teórico, la capacidad predictiva de numerosas variables y modelos. En estas circunstancias, es probable que el modelo seleccionado esté significativamente influido por relaciones estadísticas espurias existentes en la muestra de empresas (Zavgren, 1983). Este problema, que se manifiesta en la escasa validez externa de los modelos predictivos, recibe el nombre de sobreajuste o sobreespecificación y sólo puede afrontarse eficazmente rechazando el instrumentalismo puro. Es decir, aceptando que las variables y/o los modelos contrastados deben estar soportados por teorías a priori del fenómeno. Según Laitinen (1991), parte de las inexactitudes de los modelos predictivos surgen de la hipótesis incorrecta, subyacente al diseño experimental típico, de que todas las empresas que fracasan siguen un proceso común. Si, por el contrario, las empresas siguieran diferentes procesos o síndromes conducentes al fracaso, el éxito clasificatorio de cada modelo, en el mejor 4 de los casos, sólo podría reproducirse en muestras de control que contuvieran una combinación de procesos similar al de la muestra experimental. En el peor, y en nuestra opinión más probable, el intento de capturar, con un único modelo, diferentes procesos de fracaso, ocasionaría la elección de variables o modelos espurios. Aunque la idea de que el fracaso puede seguir diferentes procesos o síndromes aparece ya en Argenti (1976) y en Pérez Carballo (1983), no ha sido desarrollada por la literatura contable. Los objetivos de este trabajo son evaluar, para un conjunto de empresas españolas fracasadas: • La calidad de su información contable y, por lo tanto, si es razonable emplearla sin cuestionarse su fiabilidad. • Las diferencias observadas entre empresas fracasadas y sanas. • Las razones del fracaso de cada empresa en particular y la existencia de diferentes procesos que conducen al fracaso. En el siguiente apartado se describe el proceso y criterios de selección de la muestra de empresas fracasadas. Posteriormente, en el apartado tercero, se estudia el efecto de las salvedades valoradas en los informes de auditoría de las empresas fracasadas sobre las variables típicamente empleadas en el análisis financiero. Una vez realizados los ajustes oportunos en la muestra de empresas fracasadas, en el cuarto apartado se compara la muestra de empresas fracasadas con una muestra de empresas sanas. A partir de los resultados del análisis de cada una de las empresas fracasadas, en el apartado quinto se identifican síndromes conducentes al fracaso, agrupando las empresas fracasadas. Este agrupamiento es confirmado, en el apartado sexto, mediante el uso de diferentes técnicas estadísticas. Por último, se presentan las conclusiones y la bibliografía relevante. 2. Selección de la muestra de empresas fracasadas A partir de los datos contenidos en las bases de datos de Baratz (resúmenes de noticias de prensa) y SABE (información comercial) se elaboró una lista de empresas españolas no financieras que habían suspendido pagos. Para formar parte de la muestra de empresas fracasadas, a las anteriores se les exigió los siguientes requisitos: • La suspensión de pagos debió solicitarse en el período 1996-1999. No se aceptaron posteriores con el objetivo de que, por cada empresa fracasada, pudiera identificarse una sana del mismo sector, tamaño y período que no hubiese suspendido pagos, quebrado o desaparecido tres ejercicios después del último empleado en el análisis. La fecha de solicitud de la suspensión de pagos se obtuvo de Baratz. Todas las restricciones fueron superadas por 46 sociedades, de las que 13 presentaron la solicitud de suspensión en 1996, 10 en 1997, 13 en 1998 y 10 en 1999. • Que se dispusiera de los datos contables de los tres ejercicios publicados inmediatamente antes de que se solicitase la suspensión de pagos. A estos efectos, se consideró que los datos contables habían sido publicados con anterioridad a la suspensión de pagos si se referían a un período cerrado al menos seis meses antes de la fecha de la solicitud. Estos requisitos hacían aconsejable eliminar a todas las empresas que presentaron la solicitud de suspensión de pagos antes de 1996, puesto que los datos contenidos en SABE anteriores a 1992 son escasos. Recordemos que hasta 1992 las empresas no estaban obligadas a depositar sus cuentas anuales en el Registro Mercantil en los formatos actuales. En la muestra, el último ejercicio económico se cerró, de media, 11 meses antes de solicitar la suspensión de pagos (mínimo de 6 meses y máximo de 17 meses). 5 • Que hubiese constancia de la existencia de informes de auditoría que nos permitieran evaluar la calidad de la información contable proporcionada por el balance y la cuenta de pérdidas y ganancias. Este dato es proporcionado por SABE, aunque también puede obtenerse en el Registro Mercantil. • Que Baratz o los informes de auditoría de los ejercicios precedentes, no informen de otras suspensiones de pagos, quiebras o interrupciones de actividad de la sociedad anteriores a la suspensión de pagos que se estudia. El objetivo de este requisito es evitar la contaminación de la muestra, lo que se produciría si no pudiésemos identificar indubitadamente el momento en el que se produce el fracaso. • Que en el momento de la suspensión de pagos o, si Baratz no proporcionaba este dato, al final del ejercicio precedente, los pasivos ajenos reconocidos fuesen relevantes (arbitrariamente se estableció un límite inferior de 6 millones de euros). 3. Calidad de la información: Efectos de los ajustes de auditoría sobre las variables descriptivas de la muestra de empresas fracasadas La muestra de empresas fracasadas presenta una frecuencia inusualmente elevada de informes de auditoría con salvedades e incertidumbres (48%) y con opiniones negativas o sin opinión (15%). De las 138 observaciones (tres por cada una de las 46 empresas de la muestra), 26 (aproximadamente el 20%) tenían informes de auditoría con salvedades valoradas, es decir, párrafos intermedios que cuantificaban el efecto sobre los estados contables de los errores o incumplimientos de las normas y principios de contabilidad. Las salvedades valoradas permiten ajustar los estados contables y estudiar el efecto de los errores o incumplimientos sobre los indicadores más populares del análisis financiero. Para evaluar el efecto de los ajustes sobre estas 26 observaciones se elaboró una serie de variables descriptivas. En la tabla 1 se observa que los ajustes afectaron al valor medio de la mayoría de estas variables (todas las tablas se encuentran al final del documento). De 58, sólo 7 variables no se vieron alteradas por los ajustes. Estas son el activo extrafuncional (V06), la financiación negociada a corto plazo (V07), la tesorería (V10), el período medio de maduración de sumistradores (V22), el ratio anticipo a proveedores/proveedores (V24), los gastos financieros por intereses (V34) y los otros gastos de explotación (V71). En alguno de los casos, el efecto de los ajustes parece ser significativo a primera vista. El patrimonio neto medio (V30), que era positivo en los estados contables originales, se convierte en negativo tras los ajustes (el número de observaciones con patrimonio neto negativo pasa de 1 a 11 tras los ajustes). Este cambio de signo afecta tanto al ratio de apalancamiento (V63) como a las rentabilidades financieras (V53, V55, V56). En el caso de las rentabilidades financieras (rentabilidad financiera neta-V53, rentabilidad financiera bruta-V55 y rentabilidad financiera bruta ordinaria -V56), puede observarse que la media pasa de ser negativa a positiva, debido al cambio del signo de los fondos propios. En la muestra ajustada es más frecuente que la rentabilidad financiera sea positiva por el simple hecho de que los resultados y los fondos propios son ambos negativos (por ejemplo aunque las observaciones con pérdidas pasan de 19 a 21, la rentabilidad financiera neta pasa de ser negativa en 18 observaciones a ser negativa sólo en 13). Algo similar ocurre con las coberturas flujo de los pasivos ajenos no espontáneos (V18, V39 y V40), cuyo valor medio es difícil de interpretar debido a que parte de la muestra presenta fondos generados ordinarios negativos (13 antes de los ajustes y 15 después). A continuación, aplicamos test de Wilcoxon (por parejas, o paired) para contrastar la significatividad estadística de las diferencias observadas entre los valores originales y los ajustados. Se prefirió un test no paramétrico, que evita presumir que la distribución de las 6 variables es normal y puede emplearse en muestras más pequeñas. Los resultados obtenidos se muestran igualmente en la tabla 1. Entre las variables más relacionadas con la liquidez (de V01 a V25), se encontraron diferencias estadísticamente significativas en las siguientes: activo circulante (V01; sig: 0,001), activo circulante funcional (V05; sig: 0,001), fondo de maniobra (V11; sig: 0,001), capital circulante típico (V12; sig: 0,001), ratio de circulante (V13; sig: 0,001), ratio quick (V15; sig: 0,001), fondos generados ordinarios (V17; sig: 0,009) y ratio defensivo (V25; sig: 0,001). En todas estas variables, los rangos negativos son iguales o superiores al 50% de las observaciones, indicando que estas variables parecen ser sistemáticamente manipuladas para proporcionar valores más altos. También se encontraron diferencias significativas en el período medio de maduración de clientes (V20; sig: 0,012). De nuevo, el porcentaje de rangos negativos señala que los valores ajustados son menores, aunque la frecuencia con la que es manipulado es menor (30,8% de las 26 observaciones). Entre las variables más relacionadas con la solvencia (de V26 a V43), se encontraron diferencias estadísticamente significativas en las siguientes: activo total (V26; sig: 0,000), patrimonio neto (V30; sig: 0,000), activo / pasivo ajeno (V36; sig: 0,000) y cobertura de intereses (V41; sig: 0,020). Todos ellos muestran una proporción elevada de rangos negativos (superior al 75% en los tres primeros casos), indicando que estas variables parecen ser sistemáticamente manipuladas para proporcionar valores más altos. También se aprecian diferencias en dos variables relacionadas con las amortizaciones (la proporción de inmovilizado amortizado; V42, sig: 0,028 y el porcentaje de amortización; V43, sig: 0,011). Ambos valores son mayores tras los ajustes, aunque la frecuencia con la que estas magnitudes son modificadas es menor (aproximadamente el 30%). Entre las variables más relacionadas con la rentabilidad (de V46 a V73), se encontraron diferencias estadísticamente significativas a un 5% en las siguientes variables: resultado del ejercicio (V46), resultado antes de impuestos (V47), resultados ordinarios (V48) y BAIT (V50). Como consecuencia, también se aprecian diferencias significativas para algunas rentabilidades: la rentabilidad económica (V57; sig: 0,014), la rentabilidad de las actividades típicas (V59; sig: 0,016), las rotaciones sobre activos funcionales (V62; sig: 0,000) y el diferencial rentabilidad económica menos coste medio del pasivo (V73; sig: 0,017). En las variables anteriores, excepto en las rotaciones, los rangos negativos son altos y muy superiores a los positivos (son siempre superiores al 45% y, al menos, triplican a los positivos). Al contrario de lo que ocurría en las variables citadas en los dos párrafos anteriores, en estas también aparecen rangos positivos. La única variable en la que se aprecia diferencias significativas y rangos mayoritariamente positivos (77%) es la rotación sobre activos funcionales (V62). Estos rangos positivos indican que las rotaciones ajustadas son superiores a las originales. Este fenómeno, dada la escasa variación de los ingresos de explotación, parece deberse al mayor valor de los activos en las variables originales. No se aprecian diferencias estadísticamente significativas en la rentabilidad financiera neta (V53), en la rentabilidad financiera bruta (V55) y en la rentabilidad financiera bruta ordinaria (V56), probablemente debido a que el ajuste (reducción) de los beneficios se compense con el ajuste (reducción e incluso cambio de signo) del patrimonio neto. Por último, debemos destacar la dificultad de interpretar algunas variables. Este es el caso de la rentabilidad financiera en aquellas empresas cuyo patrimonio neto es negativo. La incidencia de este efecto es escasa en el año –3 (en el que sólo 2 de los 41 elementos muestra un patrimonio neto negativo), pero aumenta de forma significativa conforme se aproxima la fecha de la suspensión de pagos. Así, en el año –2 son 8 y en el año –1 son 10. La consecuencia es que la rentabilidad financiera carece de sentido económico en una proporción creciente de las empresas fracasadas. Si deseamos continuar empleando esta variable en el análisis debiéramos considerar su valor en estas observaciones como valores perdidos. El problema es que, al hacer esto, 7 perdemos un volumen de información importante. Para resolver parcialmente este problema se desarrolló la variable 73 (rentabilidad económica – coste medio del pasivo ajeno) que, si bien no tiene una interpretación tan clara como la rentabilidad financiera, evita sus problemas y nos proporciona una idea de la eficiencia con la que se emplean los recursos. 4. Comparación empresas sanas / fracasadas De las 46 sociedades que constituían la muestra hasta este momento, se desecharon cinco porque sus informes de auditoría eran de no opinión o de opinión negativa en, al menos, dos de los tres ejercicios anteriores a la suspensión de pagos. Estos elementos no se eliminaron por considerar que no era rentable invertir en ellos, sino por evitar que sus datos, probablemente manipulados, afectaran a la investigación. A partir de este momento, se emplearán los datos ajustados de las observaciones que habían recibido salvedades valoradas. Tras estas modificaciones, la muestra estaba formada por 41 empresas fracasadas, de las cuales 9 solicitaron suspensión de pagos en 1996, 9 en 1997, 13 en 1998, y 10 en 1999. Por cada empresa fracasada se eligió una empresa que cumpliese las siguientes restricciones: • Fuese del mismo sector, es decir, coincidiera en los primeros cuatro dígitos del CNAE93. • Tuviese similar tamaño, medido por el activo total y la cifra de negocios. • Los estados contables de los ejercicios que se comparan estuviesen auditados sin salvedades y disponibles en SABE. • No hubiesen suspendido pagos, quebrado o desaparecido en los tres ejercicios siguientes al último empleado en la comparación2. Se identificaron 40 empresas que cumpliesen estas condiciones. Para una de las empresas fracasadas fue imposible encontrar otra sana que cumpliese con las características anteriores. Una parte importante de las variables utilizadas hasta el momento eran valores absolutos expresados en unidades monetarias. Su uso en un análisis comparativo, o en una prueba estadística, introduciría un efecto tamaño que haría difícil la interpretación de los resultados obtenidos. Para evitar este problema, todas las variables descriptivas fueron convertidas en ratios. El siguiente paso es comparar, para este conjunto de ratios, si existen diferencias entre las empresas fracasadas y las empresas sanas. Del amplio elenco de pruebas estadísticas disponibles, consideramos de nuevo que el test de Wilcoxon por parejas es la prueba adecuada. Puesto que las diferencias entre las empresas sanas y fracasadas pueden manifestarse sólo temporalmente, se efectuaron diferentes segmentaciones. En la tabla 2, se presenta el valor de significación del test para cada distancia y ratio. Considerando a la vez todos los períodos, los resultados indican diferencias significativas para la práctica totalidad de ratios (sólo para 8 no se obtuvieron diferencias significativas). De ellos, los más interesantes son los que muestran de forma consistente diferencias significativas (resaltados en negrita en la tabla 2). Mostraron consistentemente diferencias significativas los siguientes ratios: R02 (pasivo circulante / activo total), R05 (financiación negociada a corto plazo / activo total), R08 (fondo de maniobra / activo total), R10 (activo circulante / pasivo circulante), R13 (tesorería / pasivo circulante), R14 (fondos generados ordinarios (tras impuestos) / ingresos de explotación), R15C (ratio de cobertura 2 Puesto que las últimas suspensiones estudiadas se produjeron en 1999, no se analizó ningún ejercicio posterior a 1998. Ello nos permite confirmar que las empresas sanas emparejadas con las últimas en suspender seguían presentando, a final de 2001, sus cuentas anuales y seguían siendo consideradas activas por SABE en esa fecha. En agosto del 2002 Baratz tampoco contenía información de la suspensión de pagos de ninguna de las empresas consideradas sanas. 8 de deuda a corto plazo modificado3), R17 (periodo medio de maduración de clientes), R23 (patrimonio neto / activo total), R24 (financiación negociada / activo total), R28C y R29C (ratios de cobertura de la deuda modificados3), R30 (ratio de cobertura de intereses), R39 (rentabilidad económica), R41 (rentabilidad económica de las actividades típicas), R43 (margen sobre ventas), R53 (otros gastos de explotación / ingresos de explotación) y R54 (rentabilidad económica – coste medio pasivo). Puede observarse que los ratios que fueron corregidos (R15C, R28C y R29C) muestran diferencias significativas y consistentes. En sus valores originales, las variables R15, R28 y R29 sólo mostraban diferencias significativas para el periodo completo. También es de destacar que el diferencial rentabilidad económica-coste medio del pasivo ajeno mostró mejores propiedades que las rentabilidades financieras, probablemente perjudicadas por la aparición de patrimonios netos negativos en algunos elementos de la muestra de empresas fracasadas. A continuación, analizamos si, en los ratios que mostraban una diferencia sistemática y consistente en la prueba de Wilcoxon, las diferencias estaban sesgadas en una u otra dirección. Para ello, calculamos el porcentaje de veces que la diferencia entre el valor del ratio para la empresa fracasada menos el correspondiente a su pareja sana tenía uno u otro signo. En la tabla 3 aparecen estos resultados, calculados, en primer lugar, para el conjunto de todos los años y, luego, para cada una de las distancias a la suspensión. El análisis de los rangos indica que, en todos los casos, predominan las diferencias con el signo esperado. Además, los signos esperados son más frecuentes cuando nos acercamos al momento de la suspensión de pagos excepto para las siguientes variables: ratio de tesorería (R13), el período medio de maduración de clientes (R17) y la proporción de otros gastos de explotación (R53). Por ejemplo, de forma sistemática, el ratio pasivo circulante / activo total (R02) es mayor para las empresas fracasadas que para sus emparejadas, diferencia que crece de forma constante a medida que nos acercamos a la fecha de la suspensión hasta llegar a ser superior en el 85 % de los casos el ejercicio anterior a la suspensión de pagos. Lamentablemente, los valores que presentan los rangos en la mayoría de las variables indican que no es posible distinguir entre empresas sanas y fracasadas sobre una base univariante. De hecho, sólo en ocho variables el signo esperado fue similar o superior al 85 %. Estas variables son: los fondos generados ordinarios (tras impuestos) / ingresos de explotación (R14), el patrimonio neto / activo total (R23), la cobertura de gastos financieros (R30), el diferencial entre rentabilidad económica y coste medio del pasivo ajeno (R54) y las variables R15C, R28C y R29C. 5. Análisis de casos y agrupamientos: síndromes Como indicamos en la introducción, la literatura ha reconocido tres posibles obstáculos al desarrollo de modelos estables con un éxito clasificatorio aceptable: a) la manipulación de la información contable, b) el empleo de técnicas estadísticas que, en ausencia de teoría, sobreajustan los modelos predictivos y c) el que las empresas sigan diferentes procesos que 3 Los ratios de cobertura de deudas pueden tomar valores sin sentido económico, bien negativos, bien positivos debidos a que el numerador y el denominador sean negativos. Para evitar este problema, que podría distorsionar el análisis, corregimos estos ratios. En los valores anómalos (negativos) derivados de la existencia de activos suficientes para cubrir la deuda y los fondos generados son positivos, se considera 0. Si el denominador (fondos generados) es negativo y el numerador positivo, las empresas no pueden cubrir con sus fondos generados los compromisos, por lo que se sustituyó el valor anómalo por el mayor valor no anómalo de la muestra. Cuando numerador y denominador son negativos, la empresa es capaz de cubrir de forma inmediata sus pasivos ajenos no espontáneos actuales, pero sus fondos generados son negativos y requieren financiación adicional. La combinación de información “buena” y “mala” en un mismo ratio nos ha llevado a considerar estos casos como valores perdidos 9 desembocan en el fracaso financiero. El primer problema lo hemos intentado evitar empleando información contable de calidad. Es decir, balances y cuentas de pérdidas y ganancias con informe de auditoría limpio o ajustados, en los casos en que los informes de auditoría contuviesen salvedades valoradas. A efectos de identificar diferentes procesos, se analizó individualmente cada una de las empresas fracasadas. Necesariamente, la organización del análisis requirió que contásemos con una concepción del fracaso que permitiera organizar el proceso. A pesar de la amplitud de la literatura existente, es realmente difícil encontrar una concepción teórica del fracaso en los artículos o libros que tratan el tema. De hecho, sólo conocemos el modelo de Beaver (1966). Para este autor, la empresa es una reserva de activos líquidos, en la que hay flujos de entrada y de salida de tesorería. La reserva sirve como colchón que permite salvar diferencias temporales entre estas entradas y salidas. En estos términos, la solvencia se define en función de la probabilidad de que la reserva se agote hasta un punto en el que la empresa sea incapaz de atender a sus obligaciones al vencimiento. Nuestra concepción del fracaso difiere levemente de la propuesta por Beaver (1966). En nuestra opinión, el fracaso financiero (suspensión de pagos) se produce cuando el deudor es incapaz de atender a sus compromisos. Puesto que cualquier acreedor estaría dispuesto a aplazar el cobro de una deuda (o a conceder un préstamo) si se le compensa suficientemente y se le garantiza el reembolso, podría decirse que las empresas no fracasarían si los agentes externos confiasen en su capacidad para cumplir con sus compromisos en el futuro. Esto sería cierto incluso cuando parte de los acreedores prefiriesen cancelar sus créditos, ya que la empresa siempre podría recurrir a los que siguen confiando en ella. Las expectativas favorables no sólo aumentarían la capacidad de endeudamiento, también atraerían a los inversores. Por lo tanto, el fracaso financiero sólo se produciría al deteriorarse la confianza de los agentes externos. En nuestra opinión, esta confianza se basa en los siguientes datos: • El patrimonio neto. La diferencia entre el activo real y el pasivo ajeno es la última garantía del cumplimiento de las obligaciones con los acreedores. Las expectativas de pérdidas degrada esta garantía. Se consideraran variables representativas de esta garantía el valor del patrimonio neto, del ratio patrimonio neto / activo total y de la rentabilidad. • Los activos extrafuncionales actuales, los fondos generados esperados y la capacidad de captar financiación adicional (de inversores y acreedores). Todos ellos constituyen recursos que pueden ser empleados para atender los compromisos representados por la financiación ajena no espontánea, las previsibles inversiones necesarias de renovación o ampliación y el aumento previsto del capital circulante típico. Se consideraran variables representativas de estos recursos y compromisos: la cifra de fondos generados ordinarios, el ratio (financiación ajena no espontánea - activos extrafuncionales)/fondos generados ordinarios (tras impuestos), el ratio amortización acumulada/inmovilizado amortizable (indicador de la necesidad de inversiones de renovación) y el incremento esperado del capital circulante típico. Dada la importancia de las deudas no espontáneas, se consideró que la cobertura de los gastos financieros (BAIT/gastos financieros) era una variable que proporcionaba información sobre la garantía del cobro del servicio de la deuda. Esta concepción del fracaso no impide que el proceso de degradación de las garantías pueda producirse de múltiples formas. El análisis individual del balance y la cuenta de pérdidas y ganancias de las 41 sociedades (en los tres años anteriores al fracaso) nos permitió agrupar a 26 empresas (casi 2/3 de la muestra) en tres grupos, cuyos componentes tenían un comportamiento homogéneo dentro del grupo y distinto al de los elementos incluidos en los otros dos: 16 • diferencial rentabilidad económica menos coste medio del pasivo (V73) En todas estas variables, se constata que los valores son manipulados para ofrecer una mejor imagen. Aproximadamente un tercio de las cuentas anuales de las empresas fracasadas no son adecuadas para soportar el análisis, por no representar la imagen fiel de la empresa (informe de auditoría negativo), no haber constancia de su fiabilidad (informe de no opinión), o por estar probablemente manipulados (contienen salvedades valoradas). Por ello, en la investigación del fracaso debe desaconsejarse la inclusión de empresas pequeñas (con estados contables no auditados) y el empleo de bases de datos sin cuestionarse su fiabilidad. Los estados contables de empresas con salvedades valoradas deberían ajustarse. El análisis contable o financiero nunca debe abandonar el contexto de la información contable fiable. Otro conjunto de consideraciones a tener en cuenta, a la hora de preparar los datos para el análisis, tiene que ver con las características de alguna de las variables que se utilizan para construir ratios, básicamente de rentabilidad. En este sentido, es frecuente que las empresas fracasadas tengan simultáneamente patrimonios netos y resultados negativos, lo que lleva a que los ratios que se construyen a partir de combinaciones de estas variables, carezcan por completo de sentido económico. Un argumento similar puede aplicarse al sentido económico de los ratios de cobertura de deuda cuando existen fondos generados negativos. Así, en el tratamiento sistematizado de datos deben tenerse muy en cuenta los efectos distorsionadores que se pueden introducir y la necesidad de corregirlos. Para estudiar la rentabilidad en empresas con estas características se recomienda emplear la rentabilidad económica y el diferencial rentabilidad económica – coste medio del pasivo, que han demostrado en este estudio buenas cualidades discriminantes. Respecto a la comparación entre empresas fracasadas y sanas, se encontraron siete variables que mostraban diferencias significaticas y consistentes y cuyos valores eran mejores en las empresas sanas en, al menos, el 84 % de los casos: • fondos generados ordinarios (tras impuestos)/ingresos de explotación (R14) • patrimonio neto / activo total (R23) • cobertura de gastos financieros (R30) • diferencial entre rentabilidad económica y coste medio del pasivo ajeno (R54) • coberturas de pasivos ajenos no espontáneos (R15C, R28C y R29C) El análisis individual de las empresas fracasadas, basado en una concepción a priori del fenómeno, permitió clasificar dos tercios de la muestra en tres grupos homogéneos y diferentes entre sí: • Agujero negro. Son empresas con fondos generados ordinarios negativos en, al menos, dos de los tres años anteriores al fracaso. El último año el patrimonio neto se hace negativo o muy pequeño. Las pérdidas ordinarias que sufren degradan de forma evidente la garantía proporcionada por el patrimonio neto. • Crecimiento fracasado. En los ejercicios anteriores al fracaso el activo crece significativamente. Este crecimiento provoca incrementos apreciables de la financiación ajena no espontánea. Los fondos generados, sin embargo, no crecen o lo hacen sólo puntualmente, cayendo finalmente por debajo del punto de partida. Como consecuencia, las coberturas de intereses y de la financiación ajena no espontánea se degradan ostensiblemente. La empresa es incapaz de atender los vencimientos de la deuda. A diferencia del grupo anterior, los fondos 17 generados ordinarios y los resultados (tanto los ordinarios como los netos) son típicamente positivos durante los tres años analizados. • Revés. Las empresas de este grupo son poco rentables (las rentabilidades económicas nunca exceden en más de dos puntos al coste medio del pasivo ajeno) y con coberturas de financiación ajena no espontánea e intereses muy pequeñas. En el ejercicio anterior al fracaso sufren importantes pérdidas que superan la suma de los beneficios obtenidos en los ejercicios anteriores y hacen que los fondos generados ordinarios sean negativos. Las empresas de este grupo, al igual que las del grupo “crecimiento fracasado”, han tenido beneficios típicamente (hasta el último año). A diferencia del anterior, han mostrado una cifra estable de activo y una situación financiera de partida más débil. A diferencia de las empresas “agujero negro”, la posibilidad de fracaso en las empresas “crecimiento fracasado” es difícil de detectar con mucha antelación, pues el deterioro de la situación financiera se hace patente uno o, a lo sumo, dos ejercicios antes de la suspensión de pagos. Es nuestra opinión, el único indicio del riesgo incurrido por estas empresas es el implícito en el rápido incremento del tamaño. En esta situación, el decisor debería: a) evitar las empresas con crecimientos excesivamente rápidos, b) diversificar las inversiones en empresas en crecimiento y/o c) elevar la prima por riesgo en las empresas con estas características. En las empresas “revés”, la probabilidad de fracaso era fácil de intuir varios ejercicios antes de la suspensión de pagos, debido a las escasas coberturas de intereses y del pasivo ajeno no espontáneo. No obstante, la obtención de beneficios y la relativa estabilidad de los datos en los años –3 y –2, que en nada presagiaban una degradación de la situación, hacen que sea difícil anticipar el momento del fracaso o considerar éste como una situación inevitable. En esta situación, el decisor debería evitar las empresas con bajas coberturas de intereses y pasivos ajenos no espontáneos, al menos cuando no muestren evoluciones favorables. De las empresas sin agrupar, prácticamente la mitad presentan rasgos muy similares a alguno de los grupos reseñados anteriormente, aunque incumplían alguna característica para ser incluidos en ellos. De ellas, cuatro eran muy similares a las “agujero negro”. A efectos de validar o rechazar la clasificación efectuada a priori se realizaron diferentes pruebas estadísticas. A nivel univariante, se comprobó que las empresas fracasadas tenían comportamientos estadísticamente diferentes, según el síndrome que les aquejaran, en los siguientes indicadores: • financiación negociada a corto plazo / activo total (R05) • tesorería / pasivo circulante (R13) • fondos generados ordinarios (tras impuestos) / ingresos de explotación (R14) • ratios de cobertura de la deuda modificados (R15C, R28C y R29C) • ratio de cobertura de intereses (R30) • rentabilidad económica (R39) • rentabilidad de las actividades típicas (R41) • margen sobre ventas (R43) • otros gastos de explotación / ingresos de explotación (R53) • diferencial rentabilidad económica – coste medio del pasivo ajeno (R54) Las empresas “agujero negro” mostraron una situación significativamente peor en las variables asociadas a solvencia y rentabilidad. En cuanto a las diferencias entre los otros dos síndromes, el número de variables significativamente distintas es bastante menor. Sólo se encontraron diferencias significativas en el ratio patrimonio neto / activos totales (R23), la cobertura de 18 intereses (R30) y el diferencial rentabilidad económica – coste medio del pasivo ajeno (R54), que presentan valores más bajos, por término medio para las empresas con el síndrome “revés”. Los resultados de las regresiones nominales proporcionan los siguientes resultados: • Puede distinguirse claramente entre las empresas sanas y las “agujero negro”. Las empresas con el síndrome “agujero negro” se distinguen de las sanas básicamente por el ratio patrimonio neto / activos totales y la cobertura de intereses. • Las variables que permiten distinguir entre las empresas sanas y las “crecimiento fracasado” son el crecimiento del activo y el patrimonio neto. • La variable que permite distinguir entre las empresas sanas y las “revés” es el ratio patrimonio neto/activos totales. • El éxito al clasificar las empresas “crecimiento fracasado” y “revés” es relativo. Sólo alcanza niveles aceptables en el ejercicio anterior al fracaso. Con la aplicación de las regresiones se obtuvo un porcentaje de aciertos elevado en la identificación de empresas sanas y agujero negro. Con la regresión nominal sólo se clasificaba erróneamente una empresa sana (de 40). Entre las empresas “agujero negro”, el porcentaje de aciertos era superior al 80 %, concentrándose los errores en el tercer año antes de la suspensión. El porcentaje de aciertos era igual de bueno para las empresas similares a las “agujero negro”. Estos resultados confirman parcialmente nuestras hipótesis sobre los procesos de fracaso, en la medida en que los resultados soportan la existencia de diferencias empíricas entre los diferentes subgrupos de empresas fracasadas. Además, el éxito clasificatorio en cada uno de estos subgrupos es muy diferente. Mientras que en uno de ellos (“agujero negro”) las técnicas permiten una clasificación casi perfecta, para otros (“crecimiento fracasado” y “revés”) el éxito clasificatorio se limita al ejercicio anterior al fracaso. No obstante, la no obtención de tasas similares de éxito clasificatorio para las empresas aquejadas por estos dos últimos síndromes, no debe verse, en modo alguno, como un resultado contrario a nuestra teoría del fracaso, sino al contrario; dado que se caracterizan por el hecho de que sus indicadores sugieren que son empresas relativamente normales hasta muy poco antes del fracaso. La identificación de diferentes síndromes puede tener importantes implicaciones para la investigación y la toma de decisiones. Respecto a la investigación, abre la posibilidad de avanzar siguiendo un diseño experimental distinto. Respecto a la toma de decisiones: a) permite distinguir entre empresas que deben ser evitadas (“agujero negro”) y empresas en la que los riesgos deben ser diversificados (“crecimiento fracasado”) y b) proporciona la oportunidad de emplear sistemas de apoyo a la decisión basados en reglas. El empleo de modelos multinomiales, en los que la salida es una probabilidad estimada de pertenencia a un grupo determinado de empresas fracasadas, puede ser de utilidad para implementar los modelos de calificación interna previstos en el acuerdo Basilea II. 8. Bibliografía Ashton, R.H. (1982): Human information processing in Accounting. Studies in Accounting Research nº 1. American Accounting Association. Altman, E.I. (1968): “Financial ratios, discriminant analysis and the prediction of corporate bankruptcy” The Journal of Finance, vol. XXIII, nº 4, septiembre, pp. 589-609. Altman, E.I. (1983): Corporate financial distress. A complete guide to predicting, avoiding and dealing with bankruptcy. Wiley. Argenti, J. (1976): Corporate collapse. The causes and symptoms. McGraw-Hill. Belkaoui, A. (1980): “Industrial bond ratings: a new look”. Financial Management, otoño, pp. 44-51. Beaver, W.H. (1966): “Financial ratios as predictors of failure”. Journal of Accounting Research, supplement, pp. 71-127. 19 Beaver, W.H. (1968): “Alternative accounting measures as predictor of failure”. The Accounting Review, enero, pp. 113122. Cabrer, B.; Sancho, A y Serrano, G. (2001): Microeconometría y decisión. Ediciones Pirámide. Madrid. García-Ayuso Covarsí, M. (1994): Fundamentos metodológicos del análisis financiero mediante ratios. Tesis Doctoral. Universidad de Sevilla. Greene, W. (1997): Econometric Analysis. Prentice Hall, International Edition. Hair, J. F., Anderson, R.E., Tatham, R. L. y Black, W. C. (1999): Multivariate Analysis. Prentice Hall. Jones, F.L. (1987): “Current techniques in bankruptcy prediction”. Journal of Accounting Literature, vol. 6, pp. 131-144. Laffarga Briones, J. (1993): “Panorama de las técnicas de predicción de la solvencia”. Cuadernos de Investigación Contable, primavera-otoño, pp. 105-113. Laffarga Briones, J. y Mora Enguídanos, A. (2002): “La predicción del fracaso empresarial. El estado de la cuestión en España”. En La gestión del riesgo de crédito. Métodos y modelos de predicción de la insolvencia empresarial, pp. 25-45. AECA . Laitinen, E. (1991): “Financial ratios and different failure processes”. Journal of Business Finance and Accounting, vol. 18, nº 5, septiembre, pp. 649-673. Laitinen, E. (1993): “Financial predictors for different phases of the failure process”. Omega, vol. 21, nº 2, pp. 215-228. Libby, R. y Lewis, B. (1982): “Human information processing research in accounting: the state of the art in 1982”. Accounting, Organizations and Society, vol. 7, nº 3, pp. 231-285. Pérez Carballo, A. (1983): “Notas para un ensayo sobre ‘patología financiera de la empresa’”. Harvard-Deusto Business Review, primer trimestre, pp. 111-122. Wilcox, J.W. (1971): “A simple theory of financial ratios as predictors of failure”. Journal of Accounting Research, otoño, pp. 389-395. Zavgren, C.V. (1983): “The prediction of corporate failure: the state of the art”. Journal of Accounting Literature, vol. 1, pp.1-38. 20 TABLAS. (tabla 1 incluida al final del documento) Tabla 2: Resultados del test de Wilcoxon (emparejados ratios fracasadas – ratios sanas) Año Variables -1 a -3 - 3 -2 -1 -2 y -3 -1 y -2 R01 ACTIVO CIRCULANTE / ACTIVO TOTAL 10 n.s. n.s. n.s. 10 n.s. R02 PASIVO CIRCULANTE / ACTIVO TOTAL 5 5 5 5 5 5 R03 ACTIVO CIRCULANTE FUNCIONAL / ACTIVO TOTAL 5 n.s. 5 n.s. 5 5 R04 ACTIVO EXTRAFUNCIONAL / ACTIVO TOTAL 5 n.s. 5 10 5 5 R05 FINANCIACIÓN NEGOCIADA c/p / ACTIVO TOTAL 5 10 5 5 5 5 R06 FINANCIACIÓN ESPONTANEA c/p / ACTIVO TOTAL 5 n.s. 10 5 5 5 R07 TESORERÍA / ACTIVO TOTAL 5 n.s. 5 5 5 5 R08 FONDO DE MANIOBRA / ACTIVO TOTAL 5 5 5 5 5 5 R09 CAPITAL CIRCULANTE TIPICO / ACTIVO TOTAL n.s. n.s. n.s. n.s. n.s. n.s. R10 ACTIVO CIRCULANTE/PASIVO CIRCULANTE 5 5 5 5 5 5 R12 (ACT. CIRC.-EXIST)/PASIVO CIRCULANTE 5 n.s. 5 5 5 5 R13 TESORERÍA/PASIVO CIRCULANTE 5 10 5 5 5 5 R14 FONDOS GENERADOS ORDINARIOS (tras impuestos)/INGRESOS DE EXPLOTACIÓN 5 5 5 5 5 5 R15C (FIN.NEG. c/p.+OTRA FINAN CIACIÓN (sin coste explícito) c/p.- ACT.EXTRAFUNC.)/FONDOS GENERADOS ORDINARIOS (tras impuestos) 5 5 5 5 5 5 R16 PMM EXISTENCIAS 5 n.s. 10 n.s. 5 5 R17 PMM CLIENTES 5 5 5 5 5 5 R19 PMM SUMINISTRADORES 5 n.s. n.s. 5 n.s. 5 R20 ANTICIPOS DE CLIENTES/CLIENTES 10 n.s. 10 n.s. 10 10 R21 ANTICIPOS A PROVEEDORES/PROVEEDORES 5 n.s. 10 n.s. 5 5 R22 (TESORERÍA+DEUDORES+IFT)/GMD 10 n.s. n.s. n.s. 10 n.s. R23 PATRIMONIO NETO / ACTIVO TOTAL 5 5 5 5 5 5 R24 FINANCIACIÓN NEGOCIADA / ACTIVO TOTAL 5 5 5 5 5 5 R25 OTRA FINANCIACIÓN SIN COSTE EXPLICITO / A.T. n.s. n.s. n.s. n.s. n.s. n.s. R28C (FIN. NEG.+OTRA FIN.)/FONDOS GENERADOS ORDINARIOS (tras impuestos) 5 5 5 5 5 5 R29C (FIN. NEG.+OTRA FIN.- ACT.EXTRAF)/FONDOS GENERADOS ORDINARIOS (tras impuestos) 5 5 5 5 5 5 R30 BAIT/GASTOS FINANCIEROS POR INTERESES 5 5 5 5 5 5 R31 AMORT.ACUMULADA/INMOV. MAT. E INMAT. BRUTO n.s. n.s. n.s. n.s. n.s. n.s. R32 DOT. AMORT/INMOV. MAT. E INMAT. BRUTO Y GASTOS DE ESTABLECIMIENTO n.s. n.s. n.s. n.s. n.s. n.s. R35 RENTABILIDAD FINANCIERA NETA 5 5 n.s. n.s. 10 10 R36 TIPO IMPOSITIVO EFECTIVO 5 n.s. 5 5 5 5 R37 RENTABILIDAD FINANCIERA BRUTA 5 5 n.s. 10 5 10 R38 RENTABILIDAD FINANCIERA BRUTA ORDINARIA 5 5 5 n.s. 5 5 R39 RENTABILIDAD ECONÓMICA 5 5 5 5 5 5 R40 RENTABILIDAD INVERSIONES FINANCIERAS 5 5 n.s. n.s. 5 n.s. R41 RENTABILIDAD ACTIVIDADES TÍPICAS 5 5 5 5 5 5 R43 MARGEN SOBRE VENTAS 5 5 5 5 5 5 R44 ROTACIONES SOBRE ACTIVOS FUNCIONALES (sin activos en curso) 5 n.s. 5 5 5 5 R45 PASIVO AJENO/ INVERSIÓN EN LA EMPRESA 5 5 n.s. n.s. 5 5 R46 COSTE MEDIO DEL PASIVO 5 n.s. 10 5 10 5 R47 FINANCIACIÓN NEGOCIADA/PASIVO AJENO 5 n.s. 5 5 5 5 R48 COSTE MEDIO FINANCIACIÓN NEGOCIADA n.s. n.s. n.s. n.s. n.s. n.s. R49 INC. Bº EXPLOTACIÓN/INC.VENTAS n.s. 10 n.s. n.s. n.s. n.s. R50 CONSUMOS/INGRESOS EXPLOTACIÓN n.s. n.s. n.s. n.s. n.s. n.s. R51 GASTOS DE PERSONAL/INGRESOS EXPLOTACIÓN 5 n.s. n.s. 10 5 5 R52 AMORT. Y PROVISIONES DE TRÁFICO/ING. EXP. n.s. n.s. n.s. n.s. n.s. n.s. 21 R53 OTROS GASTOS DE EXPLOTACIÓN/ING. EXP. 5 5 10 5 5 5 R54 RENT. ECON. – COSTE MEDIO PASIVO 5 5 5 5 5 5 Tabla 3. Análisis de rangos (calculados sobre la diferencia: ratio empresa fracasada– ratio empresa sana) Variables Rangos Todos Año –3 Año –2 Año -1 negativos 27,5% 37,5% 30,0% 15,0% R02 PASIVO CIRCULANTE / ACTIVO TOTAL positivos 72,5% 62,5% 70,0% 85,0% negativos 32,5% 40,0% 30,0% 27,5% R05 FIN. NEGOCIADA c/p / ACT. TOTAL positivos 66,7% 57,5% 70,0% 72,5% negativos 71,7% 67,5% 67,5% 80,0% R08 FONDO DE MANIOBRA / ACTIVO TOTAL positivos 28,3% 32,5% 32,5% 20,0% negativos 73,3% 65,0% 75,0% 80,0% R10 ACTIVO CIRCULANTE/PASIVO CIRCULANTE positivos 26,7% 35,0% 25,0% 20,0% negativos 72,5% 60% 77,5% 70% R13 TESORERÍA/PASIVO CIRCULANTE positivos 27,5% 40% 22,5% 30% negativos 89,2% 80,0% 90,0% 97,5% R14 FONDOS GENERADOS ORDINARIOS (t ras impuestos)/INGRESOS DE EXPLOTACIÓN. positivos 10,8% 20,0% 10,0% 2,5% negativos 8,1% 13,9% 7,7% 2,8% R15 C (FIN.NEG. C/P+OTRA FINANCIACIÓN (sin coste explícito) C/PACT.EXTRAFUNC.)/ FONDOS GENERADOS ORDINARIOS (tras impuestos) positivos 84,7% 72,2% 89,7% 91,7% negativos 30,8% 30,0% 32,5% 30,0% R17 PMM CLIENTES positivos 69,2% 70,0% 67,5% 70,0% negativos 85,0% 80,0% 82,5% 92,5% R23 PATRIMONIO NETO / ACTIVO TOTAL positivos 15,0% 20,0% 17,5% 7,5% negativos 25,8% 37,5% 22,5% 17,5% R24 FIN ANCIACIÓN NEGOCIADA / ACTIVO TOTAL positivos 74,2% 62,5% 77,5% 82,5% negativos 7,5% 17,5% 5,0% 0,0% R28C (FIN. NEG.+OTRA FIN.)/FONDOS GENERADOS ORDINARIOS (tras impuestos) positivos 92,5% 82,5% 95,0% 100,0% negativos 6,9% 12,8% 7,7% 0,0% R29C (FIN. NEG.+OTRA FIN.- ACT.EXTRAF)/ FONDOS GENERADOS ORDINARIOS (tras impuestos) positivos 89,7% 76,9% 92,3% 100,0% negativos 90,8% 85,0% 90,0% 97,5% R30 BAIT/GASTOS FINANCIEROS POR INTERESES positivos 9,2% 15,0% 10,0% 2,5% negativos 80,0% 75,0% 77,5% 87,5% R39 RENTABILIDAD ECONÓMICA positivos 20,0% 25,0% 22,5% 12,5% negativos 78,3% 70,0% 80,0% 85,0% R41 RENTABILIDAD ACTIVIDADES TÍPICAS positivos 21,7% 30,0% 20,0% 15,0% negativos 74,2% 65,0% 77,5% 80,0% R43 MARGEN SOBRE VENTAS positivos 25,8% 35,0% 22,5% 20,0% negativos 40,0% 40,0% 40,0% 40,0% R53 OTROS GASTOS DE EXPLOTACIÓN/ING EXP positivos 60,0% 60,0% 60,0% 60,0% negativos 84,2% 77,5% 85,0% 90,0% R54 RENT. ECON. – COSTE MEDIO PASIVO (R39-R46) positivos 15,8% 22,5% 15,0% 10,0% 22 Tabla 4. Ratios: medias por agrupaciones y significación de pruebas Variables Media Total Media Sanas Media A.negro Media C.fracasado Media Revés Sig. (Anova) Valor Chi2 Sig. (K-Wallis) R02 0,580 0,495 0,695 0,716 0,771 n.s. 1,230 n.s. R05 0,206 0,163 0,223 0,310 0,325 0,091 7,699 0,021 R08 0,114 0,168 -0,018 0,083 0,017 n.s. 2,910 n.s. R10 1,510 1,731 1,219 1,126 1,051 n.s. 2,036 n.s. R13 0,113 0,141 0,114 0,031 0,036 n.s. 6,731 0,035 R14 0,037 0,083 -0,086 0,017 -0,036 0,000 24,947 0,000 R15C 103,664 4,328 518,147 98,703 183,495 0,000 18,577 0,000 R17 116,662 100,996 123,955 150,449 168,799 n.s. 4,177 n.s. R23 0,321 0,428 0,148 0,181 0,088 n.s. 2,849 n.s. R24 0,292 0,234 0,340 0,408 0,463 n.s. 4,056 n.s. R26 1,949 2,345 1,438 1,254 1,121 n.s. 2,849 n.s. R28C 186,505 8,178 814,686 148,429 337,460 0,000 27,042 0,000 R29C 169,245 6,319 802,914 146,644 280,065 0,000 22,194 0,000 R30 159,177 259,623 -5,158 1,752 0,198 0,002 37,791 0,000 R39 0,049 0,106 -0,141 0,049 0,010 0,000 33,241 0,000 R41 0,054 0,118 -0,159 0,047 0,013 0,000 33,986 0,000 R43 0,037 0,076 -0,097 0,037 0,013 0,000 35,226 0,000 R53 0,165 0,146 0,273 0,135 0,134 0,002 14,520 0,001 R54 -0,006 0,056 -0,207 -0,004 -0,073 0,000 37,494 0,000 N 195 120 33 30 12 Tabla 5. Resumen del modelo general Categoría N Información de ajuste del modelo Pseudo R2 Agujero negro 30 Crecimiento fracasado 30 Revés 11 Chi-cuadrado 302,91 Cox y Snell 80,7% Sana 113 N. Válido. 184 Sig. 0,0000 Nagelkerke 86,1% 23 Tabla 6. Modelos logísticos Agrupaciones Variables B Error típico Wald Sig. T01 -0,368 1,623 0,051 0,821 T03 0,807 0,954 0,717 0,397 R23 -7,661 2,198 12,151 0,000 R29C 0,010 0,008 1,547 0,214 R30 -0,235 0,116 4,077 0,043 Agujero negro Vs Sana R39 -9,282 7,044 1,736 0,188 T01 2,317 1,152 4,047 0,044 T03 0,460 0,912 0,255 0,614 R23 -5,413 1,489 13,220 0,000 R29C 0,008 0,008 1,020 0,312 R30 -0,060 0,043 1,982 0,159 Crecimiento fracasado Vs Sana R39 -3,164 4,895 0,418 0,518 T01 -0,416 1,785 0,054 0,816 T03 -1,946 1,793 1,178 0,278 R23 -9,037 2,533 12,730 0,000 R29C 0,008 0,008 1,173 0,279 R30 -0,261 0,169 2,396 0,122 Revés Vs Sana R39 2,226 7,618 0,085 0,770 Tabla 7. Comparación del valor pronosticado con el real Pronosticado Observado Agujero negro Crecimiento fracasado Revés Sana % correcto Agujero negro 25 2* 0 3 83,3% Crecimiento fracasado 2* 10* 0 18 33,3% Revés 3 0 2 6 18,2% Sana 0 1 1 111 98,2% % global 16,3% 7,1% 1,6% 75,0% 80,4% * En 2 casos, la probabilidad de pertenencia al síndrome crecimiento fracasado y agujero negro es del 100%. Si consideramos estos dos casos como correctamente clasificados, los índices de acierto de ambas categorías aumentan. Tabla 8. Errores del modelo, segmentados por año antes del fracaso Distancia Sanas (s) Agujero negro (an) Crecimiento fracasado (cf) Revés (r) Sin clasificar Año –1 0 1s 4s 0 5s Año –2 1 r 0 6s 3s 6s Año –3 1 cf 2s, 1cf 8s 3s 5s Número total de errores 2 4 18 6 16 Total de observaciones 113 30 30 11 45 24 Media Wilcoxon ajustados - originales Tabla 1: Comparación entre datos ajustados y no ajustados (los datos en valor absoluto están en miles de ptas.) N originales ajustados Z 2-p.value rangos negativos rangos positivos V01 ACTIVO CIRCULANTE 26 3.222.034 3.016.678 -3,296 0,001 53,8% 0,0% V02 PASIVO CIRCULANTE 26 3.732.402 3.735.718 -1,000 0,317 0,0% 3,8% V05 ACTIVO CIRCULANTE FUNCIONAL 26 2.899.061 2.693.705 -3,296 0,001 53,8% 0,0% V06 ACTIVO EXTRAFUNCIONAL 26 318.588 318.588 0,000 1,000 0,0% 0,0% V07 FINANCIACIÓN NEGOCIADA A CORTO PLAZO 26 1.115.376 1.115.376 0,000 1,000 0,0% 0,0% V08 FINANCIACIÓN ESPONTÁNEA A CORTO PLAZO 26 2.617.026 2.620.341 -1,000 0,317 0,0% 3,8% V10 TESORERÍA 26 213.270 213.270 0,000 1,000 0,0% 0,0% V11 FONDO DE MANIOBRA 26 -510.369 -719.040 -3,408 0,001 57,7% 0,0% V12 CAPITAL CIRCULANTE TÍPICO 26 282.035 73.364 -3,408 0,001 57,7% 0,0% V13 ACTIVO CIRCULANTE/PASIVO CIRCULANTE 26 1,002 0,920 -3,408 0,001 57,7% 0,0% V15 (ACT. CIRC.-EXIST)/PASIVO CIRCULANTE 26 0,756 0,676 -3,180 0,001 50,0% 0,0% V16 TESORERÍA/PASIVO CIRCULANTE 26 0,057 0,057 -1,000 0,317 3,8% 0,0% V17 FONDOS GENERADOS ORDINARIOS (tras impuestos) 26 -116.706 -151.220 -2,605 0,009 50,0% 3,8% V18 (FIN.NEG. C/P+OTRA FINANCIACIÓN (sin coste explícito) C/PACT.EXTRAFUNC.)/FONDOS GENERADOS ORDINARIOS (tras impuestos) 26 -4,370 36,723 -0,973 0,331 15,4% 38,5% V19 PERIODO MEDIO DE MADURACIÓN DE EXISTENCIAS 21 130,345 130,402 -0,140 0,889 19,0% 19,0% V20 PERIODO MEDIO DE MADURACIÓN DE CLIENTES 26 119,390 115,676 -2,521 0,012 30,8% 0,0% V22 PERÍODO MEDIO DE MADURACIÓN DE SUMINISTRADORES 26 124 124 0,000 1,000 0,0% 0,0% V23 ANTICIPOS DE CLIENTES/CLIENTES 26 0,291 0,310 -1,826 0,068 0,0% 15,4% V24 ANTICIPOS A PROVEEDORES/PROVEEDORES 26 0,021 0,021 0,000 1,000 0,0% 0,0% V25 (TESORERÍA+DEUDORES+IFT)/GMD 26 161,818 148,833 -3,296 0,001 53,8% 0,0% V26 ACTIVO TOTAL 26 5.750.036 4.829.197 -3,920 0,000 76,9% 0,0% V27 PASIVO AJENO 26 5.036.019 5.051.269 -1,604 0,109 0,0% 11,5% V30 PATRIMONIO NETO 26 714.017 -222.072 -4,197 0,000 88,5% 0,0% V32 FINANCIACIÓN NEGOCIADA 26 1.860.634 1.861.837 -1,000 0,317 0,0% 3,8% V33 OTRA FINANCIACIÓN (sin coste explícito) 26 58.284 69.015 -1,000 0,317 0,0% 3,8% V34 GASTOS FINANCIEROS POR INTERESES 26 305.820 305.820 0,000 1,000 0,0% 0,0% V36 ACTIVO TOTAL/PASIVO AJENO 26 1,313 1,133 -4,197 0,000 88,5% 0,0% V39 (FIN. NEG.+OTRA FIN.)/FONDOS GENERADOS ORDINARIOS (tras impuestos) 26 -0,644 58,584 -1,350 0,177 11,5% 42,3% V40 (FIN. NEG.+OTRA FIN.-ACT.EXTRAF)/FONDO S GENERADOS ORDINARIOS (tras impuestos) 26 -0,570 57,613 -1,099 0,272 15,4% 38,5% 25 Media Wilcoxon ajustados -originales Tabla 1 (Continuación) N Originales ajustados Z 2-p.value rangos negativos rangos positivos V41 BAIT/GASTOS FINANCIEROS POR INTERESES 26 -0,482 -0,659 -2,327 0,020 46,2% 15,4% V42 AMORT.ACUMULADA/INMOV. MAT. E INMAT. BRUTO 20 0,393 0,487 -2,201 0,028 0,0% 30,0% V43 DOT. AMORT/INMOV. MAT. E INMAT. BRUTO Y GASTOS DE ESTABLECIMIENTO 26 0,097 0,105 -2,547 0,011 3,8% 30,8% V46 RESULTADO DEL EJERCICIO 26 -335.028 -560.730 -3,163 0,002 73,1% 15,4% V47 RESULTADO ANTES DE IMPUESTOS 26 -404.577 -571.393 -2,651 0,008 61,5% 15,4% V48 RESULTADOS ORDINARIOS 26 -360.609 -387.802 -1,965 0,049 46,2% 15,4% V49 RESULTADOS EXTRAORDINARIOS 26 -43.968 -183.590 -1,753 0,080 15,4% 3,8% V50 RESULTADOS ORDINARIOS ANTES DE GASTOS FINANCIEROS E IMPUESTOS (BAIT) 26 -54.789 -81.983 -1,965 0,049 46,2% 15,4% V51 RESULTADO DE EXPLOTACIÓN 26 -55.600 -81.591 -1,817 0,069 42,3% 15,4% V53 RENTABILIDAD FINANCIERA NETA 26 -0,385 0,875 -0,521 0,603 53,8% 46,2% V54 TIPO IMPOSITIVO EFECTIVO 26 0,046 0,048 0,000 1,000 7,7% 7,7% V55 RENTABILIDAD FINANCIERA BRUTA 26 -0,446 0,889 -0,495 0,620 57,7% 42,3% V56 RENTABILIDAD FINANCIERA BRUTA ORDINARIA 26 -0,467 0,951 -0,794 0,427 53,8% 42,3% V57 RENTABILIDAD ECONÓMICA 26 -0,020 -0,033 -2,462 0,014 73,1% 23,1% V58 RENTABILIDAD INVERSIONES FINANCIERAS 26 0,036 0,036 -1,342 0,180 0,0% 7,7% V59 RENTABILIDAD ACTIVIDADES TÍPICAS 26 -0,022 -0,031 -2,408 0,016 73,1% 23,1% V61 MARGEN SOBRE VENTAS 26 0,013 0,008 -1,761 0,078 42,3% 15,4% V62 ROTACIONES SOBRE ACTIVOS FUNCIONALES (sin activos en curso) 26 1,125 1,308 -3,806 0,000 3,8% 76,9% V63 PASIVO AJENO/ INVERSIÓN EN LA EMPRESA 26 6,751 -14,301 -1,429 0,153 42,3% 50,0% V64 COSTE MEDIO DEL PASIVO 26 0,075 0,074 -1,604 0,109 11,5% 0,0% V65 FINANCIACIÓN NEGOCIADA/PASIVO AJENO 26 0,459 0,458 -1,069 0,285 7,7% 3,8% V66 COSTE MEDIO FINANCIACIÓN NEGOCIADA 26 0,190 0,190 -1,000 0,317 3,8% 0,0% V67 INCREMENTO DEL Bº EXPLOTACIÓN/INCREMENTO DE VENTAS 26 -35,872 -64,838 -1,363 0,173 19,2% 38,5% V68 CONSUMOS 26 2.066.754 2.058.580 -1,000 0,317 3,8% 0,0% V69 GASTOS DE PERSONAL 26 1.481.051 1.496.923 -1,604 0,109 0,0% 11,5% V70 AMORTIZACIÓN Y PROVISIONES DE TRÁFICO 26 261.338 276.417 -1,778 0,075 11,5% 30,8% V71 OTROS GASTOS DE EXPLOTACIÓN 26 998.966 998.966 0,000 1,000 0,0% 0,0% V72 INGRESOS DE EXPLOTACIÓN 26 4.752.508 4.749.295 -1,000 0,317 3,8% 0,0% V73 RENTABILIDAD ECON. - COSTE MEDIO PASIVO (V57-V64) 26 -0,094 -0,107 -2,396 0,017 73,1% 23,1%