Estimación de solvencia financiera para evaluar

el riesgo de quiebra de empresas peruanas

Item Type info:eu-repo/semantics/masterThesis

Authors Cruz Chiroque, Víctor Manuel; Lescano Chávez, Alex Yvan; Pastor
Perez, Ruben

DOI 10.13140/RG.2.1.3822.2163

Publisher Universidad Peruana de Ciencias Aplicadas (UPC)

Rights info:eu-repo/semantics/openAccess

Download date 16/10/2018 16:50:29

Link to Item http://hdl.handle.net/10757/324361

 UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

ESCUELA DE POSTGRADO

MAESTRÍA EN FINANZAS CORPORATIVAS

ESTIMACIÓN DE SOLVENCIA FINANCIERA PARA

EVALUAR EL RIESGO DE QUIEBRA DE EMPRESAS
PERUANAS

AUTORES :
CRUZ, VÍCTOR
LESCANO, ALEX
PASTOR, RUBÉN

TESIS PARA OBTAR EL GRADO ACADÉMICO DE MAGÍSTER EN FINANZAS

CORPORATIVAS

LIMA, 2013
RESUMEN EJECUTIVO

El crecimiento de la economía peruana en los últimos años ha logrado recuperar la

confianza de los inversionistas, a tal punto que el país se ha convertido en uno de los
destino de inversión más importantes de la región. Esto ha traído recursos que impulsan el
crecimiento de las empresas; sin embargo, se corre el riesgo de financiar empresas en
potencial quiebra, dado que cada vez es más difícil identificar este tipo de empresa.

En la investigación se ha estudiado y descrito los distintos modelos de clasificación en

quiebra y no quiebras, realizando una explicación de los tipos de modelos existentes:
Modelos Univariados y Modelos Multivariados. Dentro de los últimos escogimos al modelo
de Altman, aplicable a todo tipo de empresas, como el más adaptable a las empresas
peruanas (por su fácil aplicación y gran uso en economías emergentes).

Para la aplicación del modelo hemos consolidado estados financieros de las empresas
registradas en el programa Economática, y la información ha sido completada con la
publicada por la SMV; así mismo, el periodo de análisis es del 2000 a 2012. La
información tomada fue de corte trasversal y al cierre de cada ejercicio, excluyendo las
empresas que no son consideradas como deudor, según la Ley General del Sistema
Concursal (empresas financieras, aseguradoras, AFPs, sector público y otras), también se
excluyeron empresas en ciclo de inversión con datos faltantes y con menos de 5 años de
formación, quedando 74 empresas para su análisis cuyo resultado fue la clasificación de
48 empresas en el grupo de empresas sin problemas, 20 cayeron en zona gris, es decir,
no se pudo determinar su situación de quiebra, y 10 cayeron en zona de quiebra, de estos,
8 quebraron en el siguiente año. Las pruebas de bondad de ajuste nos indican un buen
poder de discriminación entre empresas en quiebras y no quiebras, comprobando así la
validez de la aplicación del modelo en el contexto de la empresa peruana.
Comprobada la efectividad del modelo , hacemos la recomendación a empresarios e
investigadores a aplicar este modelo para la clasificación de empresas quebradas y no
quebradas y así disminuir, en parte, el riesgo de pérdidas financieras y sociales.
ÍNDICE

RESUMEN EJECUTIVO .................................................................................................................................................. 2

INTRODUCCIÓN ........................................................................................................................................................... 8

CAPÍTULO 1: PLANTEAMIENTO METODOLÓGICO ....................................................................................................... 10

1.1. EL PROBLEMA ............................................................................................................................................................ 10

1.2. JUSTIFICACION E IMPORTANCIA DE LA INVESTIGACION ......................................................................................................... 12
1.2.1 Justificación Teórica ........................................................................................................................................ 12
1.2.2 Justificación Práctica ....................................................................................................................................... 12
1.2.3 Importancia de la investigación ...................................................................................................................... 12
1.3. OBJETIVOS GENERAL ................................................................................................................................................... 13
1.4. OBJETIVOS ESPECIFICOS ............................................................................................................................................... 13
1.5. HIPOTESIS DE TRABAJO ................................................................................................................................................ 13
1.6. DISEÑO DE ANALISIS .................................................................................................................................................... 14
1.7. ALCANCE Y LIMITACIONES DE LA INVESTIGACION ................................................................................................................ 14
CAPÍTULO 2: ASPECTOS JURÍDICOS DE PROTECCIÓN PATRIMONIAL ............................................................................ 16
2.1 SISTEMA CONCURSAL .................................................................................................................................................... 17
2.2 PROCESO DE CONCURSO ............................................................................................................................................... 17

CUADRO 1: PROCESO CONCURSAL ............................................................................................................................. 17

2.3 INICIO DEL PROCESO ..................................................................................................................................................... 18

2.3.1 Procedimiento Concursal Ordinario (PCO) ...................................................................................................... 18
2.3.1.1 Inicio a solicitud del deudor ....................................................................................................................................... 18
2.3.1.2 Inicio del procedimiento a solicitud de acreedores .................................................................................................... 20
2.3.1.3 Inicio por Mandato Judicial ........................................................................................................................................ 22
2.3.2 Procedimiento Concursal Preventivo (PCP) ................................................................................................. 22
2.4 DIFUSION DEL PROCEDIMIENTO....................................................................................................................................... 22
2.4.1 Suspensión de exigibilidad de obligaciones..................................................................................................... 23
2.4.2 Protección del Patrimonio del deudor ............................................................................................................. 23
2. 4.3 Ineficacia del deudor. .................................................................................................................................... 23
2.5 RECONOCIMIENTO DE CREDITOS...................................................................................................................................... 24
CUADRO 2:TIPOS DE CREDITOS Y ORDEN DE PREFERENCIA ....................................................................................... 24

2.6 JUNTA DE ACREEDORES ................................................................................................................................................. 25

2.6.1 Reestructuración. ............................................................................................................................................ 25
2.6.2 Liquidación ...................................................................................................................................................... 26
2.6.2.1 Régimen de administración ........................................................................................................................................ 27
2.6.2.2 Liquidación de oficio................................................................................................................................................... 27
2.6.3 Proceso judicial de quiebra. ............................................................................................................................ 28

CAPÍTULO 3: MODELOS DE PREDICCIÓN DE QUIEBRA ................................................................................................ 29

CUADRO 3: MATRIZ DE CONFUSION ENTRE QUIEBRAS Y NO QUIEBRAS .................................................................... 30

3.1 MODELOS UNIVARIADOS DE PREDICCION DE QUIEBRA.......................................................................................................... 31

3.1.1 Indicadores de crisis ........................................................................................................................................ 31
3.1.2 Ratios Financieros ........................................................................................................................................... 33
3.1.3 Ratios de Liquidez ........................................................................................................................................... 35
3.1.3.1 Capital de trabajo ....................................................................................................................................................... 35
3.1.3.2 Razón Corriente .......................................................................................................................................................... 35
3.1.3.3 Prueba ácida ............................................................................................................................................................... 36
3.1.3.4 Promedio de días de por cobrar ................................................................................................................................. 37
3.1.3.5 Promedio de días de rotación de Inventario .............................................................................................................. 37
3.1.3.6 Rotación de Activos Totales ....................................................................................................................................... 38
3.1.4 Ratios de Endeudamiento ............................................................................................................................... 39
3.1.4.1 Ratio de deuda sobre activos totales ......................................................................................................................... 40
3.1.4.2 Total de Pasivos sobre el patrimonio neto ................................................................................................................. 40
3.1.5 Ratios de rentabilidad ..................................................................................................................................... 40
3.1.5.1 Margen de utilidades sobre ventas ............................................................................................................................ 41
3.1.5.2 Resultado operacional sobre las ventas ..................................................................................................................... 42
3.1.5.3 Ventas / Activos Totales ............................................................................................................................................. 42
3.1.5.4 Utilidad del ejercicio sobre el patrimonio .................................................................................................................. 42
3.1.5.5 Retorno sobre los activos o EBIT/ Activos .................................................................................................................. 42
3.1.5.6 Utilidades Retenidas / Activos Totales ....................................................................................................................... 43
3.1.5.7 Activos fijos sobre ventas ........................................................................................................................................... 43
3.2 TECNICA DE ANALISIS UNIVARIANTE ................................................................................................................................. 43
3.3 MODELOS MULTIVARIADOS DE PREDICCION DE QUIEBRA ...................................................................................................... 47
3.3 1 Análisis de modelos logit y probit ................................................................................................................... 48
3.3.1.1 Modelos de elección discreta ..................................................................................................................................... 48
3.3.1.2 Modelos de elección discreta binaria ......................................................................................................................... 49
 3.3.1.3 Modelo lineal de probabilidad ................................................................................................................................... 49
3.3 2 Modelos Probit y Logit .................................................................................................................................... 51
3.3.3 Análisis Discriminante Múltiple (ADM) ........................................................................................................... 58
3.3.3.1 Hipótesis en el modelo discriminante ........................................................................................................................ 59
3.3.3.2 Hipótesis en el ADM ................................................................................................................................................... 60

CUADRO 4: ESQUEMA GENERAL DEL ANALISIS DISCRIMINANTE ................................................................................ 62

3.3.3.3 Clasificación con dos grupos....................................................................................................................................... 62

3.4 ANALISIS DEL MODELO Z-SCORE ..................................................................................................................................... 67
3.4.1 Desarrollo del modelo Z .................................................................................................................................. 68
3.4.2 Modelo Original Z............................................................................................................................................ 69
3.4.3 Modelo Z1 ....................................................................................................................................................... 70
3.4.5 Modelo Z2 ....................................................................................................................................................... 71

CAPÍTULO 4: ANÁLISIS E INTERPRETACIÓN DE RESULTADOS ...................................................................................... 72

4.1. SELECCION DE LA MUESTRA ........................................................................................................................................... 72

CUADRO 5: SELECCION DE EMPRESAS PARA EL ANALISIS........................................................................................... 72

4.2 DEFINICION DE LAS VARIABLES Y APLICACION DEL MODELO Z................................................................................................ 73

4.3 ESTRUCTURA DE ANALISIS .............................................................................................................................................. 73

GRAFICO 1: PUNTOS DE CORTE DEL INDICADOR DE ALTMAN .................................................................................... 74

CUADRO 6: INDICADOR DE ALTMAN PARA EMPRESAS EN QUIEBRA .......................................................................... 74

GRAFICO 2: INDICADOR DE ALTMAN PARA EMPRESAS EN QUIEBRA ......................................................................... 75

CUADRO 7: INDICADOR DE ALTMAN EN EL SECTOR:INDUSTRIA................................................................................. 76

CUADRO 8: INDICADOR DE ALTMAN EN EL SECTOR:MINERIA .................................................................................... 76

CUADRO 9: INDICADOR DE ALTMAN EN EL SECTOR: SERVICIOS PUBLICOS ................................................................ 77

CUADRO 10: INDICADOR DE ALTMAN EN EL SECTOR: AGRICOLA ............................................................................... 77

CUADRO 11: INDICADOR DE ALTMAN EN SECTORES DIVERSOS ................................................................................. 78

GRAFICO 3: DISTRIBUCION DEL INDICADOR DE ALTMAN POR SECTOR ...................................................................... 78

CUADRO 12: DISTRIBUCION DE EMPRESAS QUE NO QUEBRARON ............................................................................. 79

CUADRO 13: DISTRIBUCION DE EMPRESAS QUE SI QUEBRARON ............................................................................... 79

CUADRO 14: PORCENTAJE DE ACIERTO DEL INDICADOR DE ALTMAN ........................................................................ 80

CUADRO 15: PRUEBA DE BONDAD DE AJUSTE ........................................................................................................... 80

CONCLUSIONES .......................................................................................................................................................... 82

RECOMENDACIONES .................................................................................................................................................. 83

ANEXOS ..................................................................................................................................................................... 84

BIBLIOGRAFÍA .......................................................................................................................................................... 102

INTRODUCCIÓN

El Perú, siendo un país emergente y habiendo tenido grandes crisis económicas y políticas décadas
atrás es, sin lugar a duda, un escenario de difícil desarrollo de modelos matemáticos que permitan
clasificar a las empresas en quiebra y no quiebra empresarial, debido a la falta de información
financiera. Así mismo, cabe mencionar que no solo las empresas nuevas quiebran, incluso aquellas
de larga trayectoria empresarial; tampoco el tamaño parece ser impedimento para la quiebra, ya que
en la última crisis financiera que aún afecta al mundo, empresas grandes y/o pequeñas han
enfrentado la bancarrota o la reestructuración profunda de sus operaciones.

La pregunta frente a esta situación es: ¿En el escenario actual del país, es posible aplicar modelos
matemáticos de clasificación de quiebra empresarial? La respuesta a ello se enmarca en el desarrollo
de la tesis, en el que aplicamos el Indicador de Altman, que es el más usado.

En el presente estudio de investigación se demuestra la validez de la aplicación y uso del modelo Z-

score de Altman en la clasificación de empresas en quiebra y no quiebra. Siendo el objetivo
fundamental contribuir con el uso de una herramienta de gran utilidad y fácil aplicación para la toma
de decisiones de financiamiento. Para cumplir con estos objetivos, el trabajo se ha estructurado en
cuatro capítulos:

 Primer Capítulo, corresponde al planteamiento metodológico de la investigación y nos sirve

como marco guía de su desarrollo.

 Segundo Capítulo, trata el aspecto legal del régimen de protección patrimonial en el Perú,
enmarcado en la Ley General del Sistema Concursal.

 Tercer Capítulo, contiene el estudio de los modelos de predicción de quiebra de las empresas, se
describen los modelos univariados y modelos multivariados, dentro de estos últimos el modelo
Z-score de Altman.
 Cuarto Capítulo, contiene el análisis de los resultados del modelo Z-score en empresas peruanas.

Finalmente, el estudio establece las conclusiones y recomendaciones obtenidas en la investigación,

también se presentan anexos y las referencias bibliográficas.
CAPÍTULO 1: PLANTEAMIENTO METODOLÓGICO

1.1. El Problema

El crecimiento de la economía peruana en los últimos años ha logrado recuperar la confianza de los
inversionistas en gran proporción, a tal punto que ha logrado convertirse en uno de los destinos más
importantes de la región. Este crecimiento paulatino de la economía peruana ha permitido el
desarrollo de muchos sectores tales como la minería, la construcción, el comercio, la agricultura, la
industria, etc. Este crecimiento se ha visto favorecido por la inyección de capitales.

Para realizar una inversión rentable, con frecuencia, se requiere comprometer capital a largo plazo,
por lo que la administración del riesgo crediticio es un tema de gran importancia en nuestros días.
En las últimas décadas hemos sido testigo de numerosas quiebras por insolvencia, tanto por la crisis
económica como por problemas de fraude o de gestión de la unidad empresarial. Esto ha
desarrollado el interés de los inversionistas y, en especial, de las instituciones financieras por contar
con métodos acertados para evaluar la probabilidad de quiebra de los posibles sujetos a financiar.

En esta coyuntura, se han desarrollado investigaciones que han generado modelos que tratan de
predecir la bancarrota de las empresas, mediante el estudio de su solvencia, para así evitar
inversiones con resultados negativos.

Los modelos para predecir quiebras requieren un conjunto de elementos o componentes cuya
definición conceptual y aplicación técnica deben tener resultados válidos, si se logran obtener estos
elementos, en donde a través de la aplicación de una metodología se puede llegar a obtener
resultados confiables de clasificación en quiebras o no quiebras.
Los elementos básicos1 o fundamentales son los siguientes:

- La obtención y estructuración de las bases de datos.

- La definición de la variable dependiente.

- La selección y definición de las variables independientes.

- La unidad de análisis2.

- La unidad geográfica.

- La unidad temporal.

- La selección de la muestra.

En la práctica, continúan generándose gran cantidad de investigaciones cuya característica en común

es un excesivo enfoque estadístico; se reconoce, que esta tendencia es de suma importancia; sin
embargo, no es suficiente para obtener indicadores confiables.

En este sentido, Altman, desarrolló un modelo de predicción de quiebra empresarial, apoyado en el

Análisis Discriminante Múltiple. Este estudio fue hecho en 1968 para empresas manufactureras que
cotizan en bolsa; posteriormente desarrollo el para empresas que cotizan en bolsa, y el indicador
para todo tipo de empresas.

En este contexto, y bajo los términos expresados, surge el siguiente problema:

¿Los proveedores de bienes y servicios pueden evitar financiar a clientes con riesgo de quiebra en el
mercado peruano, mediante la aplicación del Indicador de Altman?

1
(Soriano, 2006: 378) Elementos básicos son reglas y procedimientos que orientan la investigación a fin de alcanzar un
conocimiento objetivo de los procesos y fenómenos concretos.
2
(Vivanco, 2005: 24) Define la unidad de análisis como el objeto de estudio.
1.2. Justificación e importancia de la investigación

1.2.1 Justificación Teórica

El presente trabajo de investigación evalúa la aplicación del indicador deAltman al contexto del
mercado peruano, para esto se ha tomado empresas vigentes en el periodo 2000 – 2012.
Consideramos que el presente trabajo constituirá una base o punto de apoyo importante para
profundizar en el estudio del modelo y herramientas de predicción de quiebra de empresas.

1.2.2 Justificación Práctica

La investigación se justifica en la medida que el conocimiento del beneficio y el riesgo que implica
la aplicación del indicador de Altman, en un mercado emergente, permite a los empresas incorporar
este modelo como parte de sus métodos de evaluación de las empresas a financiar, aminorando el
riesgo de obtención de utilidades negativas.

1.2.3 Importancia de la investigación

La estabilidad económica y política del país han generado un ambiente adecuado para las
inversiones en los diferentes sectores económicos suministrando recursos para la producción de
bienes y servicios. En este contexto la identificación de las empresas a financiar es el punto central
de la toma de decisiones de las empresas. Por ello, es importante evitar las pérdidas mediante la
aplicación del Indicador de Altman, que nos proporciona tres zonas (gris, en quiebra, no quiebra).
1.3. Objetivos General

Demostrar que las empresas peruanas, pueden usar el Z-Score de Altman para clasificar a sus
clientes y con esto minimizar el tiempo en el proceso de evaluación.

1.4. Objetivos Específicos

 Demostrar que el modelo de Altman, es el más adecuado para clasificar empresas peruanas en
quiebras y no quiebras.

 Describir técnicas univariados y multivaridos, de clasificación, que se puedan desarrollar en el

Perú.

 Describir el marco legal de protección patrimonial.

1.5. Hipótesis de Trabajo

El modelo Z-score de Altman tiene poder discriminante3 entre quiebras y no quiebras en empresas
peruanas.

3
(Álvarez, 1995: 271) Dado dos valores X e Y que pueden agruparse en dos grupos excluyentes A o B se dice que estos
tienen poder de discriminación porque si se pueden clasificar en cualquiera de los dos grupos A o B.
1.6. Diseño de Análisis

El tipo de investigación que se realizará será de tipo no experimental, además tomaremos datos de
empresas que han tenido estados contables reportados. La recolección de información será de corte
trasversal4 porque tomaremos información al cierre de cada ejercicio.

El análisis del caso será con ratios financiero ya establecidos, de acuerdo a la naturaleza del modelo
Z-Score.

 Unidad de tiempo: Los datos que tomaremos serán del ejercicio 2000 a 2012.

 Unidad de análisis: Predicción de quiebra empresarial.

 Unidad de estudio: Modelo Z-Score, de Altman.

 Unidad Geográfica: Empresas peruanas.

 Fuentes de Información: Libros y revistas especializadas en el área del conocimiento a

investigar, documentos técnicos, etc.

1.7. Alcance y limitaciones de la investigación

Al inicio de este trabajo, hemos considerado los principales alcances y limitaciones de cada uno de
los elementos del modelo, tales como la utilidad de la base de datos, la definición de la variable
dependiente, la selección de las variables independientes, así como las limitaciones del método de

4
(Heinemann, 2003: 176) Define el análisis de corte trasversal como la recopilación de datos una sola vez en un
momento determinado.
ratios y del análisis discriminante. Sin embargo, consideramos que en todos estos aspectos quedará
mucho trabajo por desarrollar en el futuro dentro de las empresas peruanas.

Con base a la experiencia acumulada en la maestría y a las recomendaciones hechas por nuestro
asesor, en este trabajo consideramos los siguientes alcances y limitaciones que a continuación se
detallan:

Alcances

 Por un tema de falta de información solo analizarán empresas que cotizan en la BVL, y de estas,
solo aquellas que presenten información en el ejercicio 2012.

 No se tomarán en cuenta a empresas supervisadas por la SBS (Financieras, Cajas, Bancos,

Aseguradoras, AFPs, etc.) debido a que la ley general del sistema concursal no las considera
como deudores.

 Se evaluará a las empresas peruanas a través del modelo Z-Score de Altman.

 La información se obtendrá del programa Economática.

 El análisis comprenderá un periodo de 13 años (2000-2012).

Limitaciones

 La información de las empresas que cuenta el programa Economática puede no estar completa.

 Solo se utilizará un modelo de riesgo para la predicción de la quiebra empresarial (Indicador de

Altman).
CAPÍTULO 2: ASPECTOS JURÍDICOS DE PROTECCIÓN
PATRIMONIAL

La salida del mercado de las empresas por bancarrota trae consigo un alto costo económico y social,
tanto para los accionistas, proveedores, el estado y demás stakeholders5. Dado que la presente
investigación busca la aplicación de un modelo matemático que discrimine las empresas con
potencialidad de quiebra, con el fin de evitar pérdidas económicas, nos nace la preocupación por el
futuro de estas. Es por ello que dedicamos este capítulo a estudiar y resumir el marco legal del
régimen de protección patrimonial para empresas en quiebra.

La regulación sobre la insolvencia de las empresas, en nuestro país, se enmarca principalmente en la

Ley General del Sistema Concursal (Ley 278096). Así tenemos, que el proceso de insolvencia es
visto y asumido como la apertura a un marco de negociación que permitiría corregir la crisis de la
empresa, dado que el objetivo del Sistema Concursales una especie de segunda oportunidad para el
patrimonio en problemas económicos.

“… es la permanencia de la unidad productiva, la protección del crédito y el

patrimonio de la empresa” (Ley 27809, 2006: 3)

En concordancia con lo manifestado, la finalidad de los procedimientos concursales es procurar un

ambiente adecuado para la negociación entre acreedores y deudores sometidos a concurso, que les
permita llegar a un acuerdo de reestructuración o la salida ordenada del mercado, a bajo costo de
transacción. Según lo establece la Ley General del Sistema Concursal.

5
(López, 2007: 14) Los Stakeholders, son categorizados como internos (propietarios, empleados y gerentes), y externos
(clientes, los clientes de su cliente, la comunidad, los proveedores, competidores, el gobierno y los medios solo para
nombrar algunos), y ambas categorías pueden ser subdivididas en varios grupos.
6
Ley 27809: Publicado en abril del 2006.
2.1 Sistema concursal

El concurso de acreedores es declarado por INDECOPI, y la quiebra de la empresa que es declarada

por el Poder Judicial. Según lo establecido en la ley de referencia, los procesos concursales son
aplicados a los deudores domiciliados en el país.

El sistema concursal considera como deudor a personas naturales o jurídicas, sociedades conyugales
y sucesiones indivisas. Se incluye a las sucursales en el Perú de organizaciones o sociedades
extranjeras. Sin embargo, no considera así, las siguientes entidades:

 Las entidades que integran la estructura del Estado.

 Las administradoras privadas de fondos de pensiones.

 Las personas que forman parte del sistema financiero.

 Las personas que forman parte del sistema de seguros.

 A las que la CONASEV otorga autorización de funcionamiento, y

 Los patrimonios autónomos, salvo las sociedades conyugales y sucesiones indivisas.

2.2 Proceso de Concurso

Cuadro 1: Proceso Concursal

 A PEDIDO DEL
DEUDOR
PCO

A PEDIDO DEL
Inicio del Procedimiento
ACREEDOR

PCP
MANDATO
JUDICIAL

PUBLICACIÓN

RECONOCIMIENTO DE
CRÉDITOS

REESTRUCTUR
ACIÓN

JUNTA DE ACREEDORES LIQUIDACIÓN

AGR

Proceso Judicial de Quiebra

Fuente: Elaboración propia.

2.3 Inicio del proceso

2.3.1 Procedimiento Concursal Ordinario (PCO)

2.3.1.1 Inicio a solicitud del deudor

a. Requisitos de procedencia

Procede a solicitud del deudor, cuando se cumple con alguna de las siguientes condiciones:

 Más de un tercio del total de sus obligaciones se encuentren vencidas e impagas por un período
mayor a treinta (30) días calendarios.
 Que las pérdidas acumuladas, deducidas las reservas, sean mayor al tercio del capital social
pagado.

Adicionalmente en el caso de personas naturales, sociedad conyugal y sucesiones indivisas se

deberá cumplir:

 Que más del 50% de sus ingresos se deriven del ejercicio de una actividad económica
desarrollada directamente y en nombre propio. Que más de las dos terceras partes de sus
obligaciones se hayan originado en la actividad empresarial del deudor y/o por terceras personas,
respecto de las cuales aquellos hayan asumido el deber de pago.

b. Solicitud de reestructuración o Liquidación

El deudor puede presentar su solicitud por reestructuración patrimonial o disolución y liquidación,

según el siguiente requerimiento:

 Para una reestructuración patrimonial, las pérdidas acumuladas, deducidas las reservas, no
superen el total de su capital social pagado. En caso contrario sólo se podrá solicitar su
disolución y liquidación.

c. Admisión

Se requiere la presentación de los siguientes:

Resumen ejecutivo,

Se fundamenta lo siguiente:

- El inicio del Proceso Concursal Ordinario

- Viabilidad económica de sus actividades

- Medios para solventar las obligaciones adeudadas

Copia del acta de la Junta de Accionistas o del órgano correspondiente

En la que conste el acuerdo para acogerse al Procedimiento Concursal Ordinario.

Estados Financieros

Copias del Balance General, Estado de Resultados, Estado de Cambios en el Patrimonio Neto y del
Estado de Flujos de Efectivo, de los dos (2) últimos años, y de un cierre mensual con una antigüedad
no mayor de dos (2) meses a la fecha de presentación de la solicitud.

Información detallada de las obligaciones del deudor.

Declaración Jurada de vinculación o no vinculación con los acreedores.

2.3.1.2 Inicio del procedimiento a solicitud de acreedores

Requisitos de procedencia

a. Con relación al crédito.

Uno o más acreedores cuyas acreencias sean:

- Exigibles.

- En conjunto deben sumar más de 50 UITs.

- Con vencimiento superior a 30 días.

- No garantizados con bienes del deudor o tercero.

 b. Con relación al deudor.

El deudor no deberá estar solicitando su disolución y liquidación al amparo de las disposiciones de

la Ley General de Sociedades.

c. Admisión

Se deberá adjuntar y/o sustentar lo siguiente:

- Razón Social del deudor y acreedor

- Domicilio del deudor y acreedor

- Actividad económica del deudor

- Declaración Jurada de vinculación o no vinculación con los acreedores.

- Información de sustento de los créditos.

d. Emplazamiento al deudor y apersonamiento al proceso

El emplazado tiene veinte (20) días hábiles para apersonarse al proceso, el emplazado deberá
presentar la información exigida para el inicio del PCO. El desistimiento de alguno de los
acreedores que presentó la solicitud, luego de emplazado el deudor, no impedirá la continuación del
procedimiento.

El emplazado tiene las siguientes alternativas:

- Pagar la totalidad del crédito objeto del emplazamiento.

- Prometer la cancelación de los créditos objeto del emplazamiento, el acreedor tiene diez días
para dar su conformidad.
 - Oponiéndose a la existencia, titularidad, exigibilidad o cuantía de los créditos objeto del
emplazamiento.

- Allanándose a la solicitud.

2.3.1.3 Inicio por Mandato Judicial

De acuerdo a lo establecido en el Código Procesal Civil en su artículo 703, el Juez declara la

disolución y liquidación del deudor. La comisión publica la resolución de disolución y liquidación.

2.3.2 Procedimiento Concursal Preventivo (PCP)

Este tipo de procedimiento puede ser admitido con la presentación de los requisitos exigidos para el
inicio de un Proceso Concursal Ordinario a solicitud del deudor.

El Procedimiento Concursal Ordinario podrá ser iniciado por el propio deudor o por sus acreedores,
cumpliendo los requisitos establecidos en la Ley.

2.4 Difusión del procedimiento

La difusión del procedimiento se realiza en el diario oficial El Peruano, en dicha publicación se

requiere a los acreedores que soliciten el reconocimiento de sus créditos.

Con la publicación del proceso se tiene los siguientes efectos:

 Suspensión de exigibilidad de obligaciones.

 Protección del patrimonio del deudor.

 Ineficacia de actos del deudor.

Estos efectos son opcionales en el caso de Proceso Concursal Preventivo

2.4.1 Suspensión de exigibilidad de obligaciones

Se suspenden la exigibilidad de obligaciones generadas hasta la fecha de publicación del inicio del
proceso concursal y será levantada con la aprobación, de la Junta de Acreedores, del plan de
Reestructuración, Convenio de Liquidación o Acuerdo Global de Refinanciamiento.

2.4.2 Protección del Patrimonio del deudor

Se suspende toda medida cautelar que afecte el patrimonio del deudor, de devolverá los bienes que
hayan sido afectados por medidas cautelares; así mismo los bienes, del deudor, afectos a garantías
no podrán ser afectados.

2. 4.3 Ineficacia del deudor.

El juez declarará ineficaces y, en consecuencia, inoponibles frente a los acreedores del concurso: la
constitución de garantías reales sobre los bienes del deudor, así como sus, transferencias, contratos y
demás actos jurídicos, que no hayan sido parte del desarrollo normal de la actividad del deudor, y
que perjudiquen su patrimonio, realizados dentro del año anterior en que presentó su solicitud para
acogerse a alguno de los procedimientos concursales, mediante resolución de emplazamiento,
disolución o liquidación

2.5 Reconocimiento de créditos.

Los acreedores deberán presentar toda la documentación e información necesarias para sustentar el
reconocimiento de sus créditos, los mismos que se pueden clasificar según la tabla siguiente:

Cuadro 2:Tipos de créditos y orden de preferencia

Preferencia
Tipo de Créditos 1° 2° 3° 4° 5°
Orden Orden Orden Orden Orden
Laborales X
Previsionales X
Comerciales
(Bancos, proveedores)
Garantizados X
No garantizados X
Tributarios
(Essalud, Sunat, Municipales)
Essalud X
Garantizados X
No garantizados X
Fuente: Elaboración propia.
2.6 Junta de acreedores

El deudor tendrá derecho a asistir a las sesiones de la Junta en forma personal o representado,
únicamente para manifestar su posición respecto del procedimiento. Así mismo la participación del
representante de la Comisión es obligatoria en las juntas donde se trate el destino del deudor. A
continuación, detallamos las decisiones que toman las juntas de acuerdo al tipo de proceso:

a. Proceso Concursal Ordinario

 Destino del deudor, Reestructuración o Liquidación.

 Administración del deudor.

 Aprobación del Plan de Reestructuración o Convenio de Liquidación.

b. Proceso Concursal Preventivo

 Aprobación del Acuerdo Global de Refinanciación (AGR).

 Desaprobación del Acuerdo Global de Refinanciación e inicio del Proceso Concursal Ordinario.

2.6.1 Reestructuración.

Régimen de administración temporal

 El mismo régimen de administración

 Una entidad registrada ante Indecopi

 Un sistema de administración mixto

Plan de reestructuración

 Cronograma de pago del total de las obligaciones concursales del deudor.

 Régimen de provisiones de los créditos contingentes o que no hubiesen sido reconocidos, y sean
materia de impugnación.

 Por lo menos el 30% de los pagos anuales deberán ser destinados al pago de obligaciones
laborales.

El proceso de reestructuración concluye con la acreditación ante la comisión de la extinción de

créditos previstos en el plan de reestructuración. Dicha acreditación lo realiza la administración del
deudor. Concluido el proceso el deudor retoma sus funciones.

2.6.2 Liquidación

Suscrito el Acuerdo de Liquidación, el deudor no podrá continuar con el desarrollo de las actividad
propias del giro del negocio; salvo acuerdo de liquidación en marcha, la misma que será efectuada
en un plazo de seis meses, pudiéndose prorrogar por seis meses más.

Los acreedores que decidan separarse del proceso concursal ordinario deben solicitar su respectivo
certificado de incobrabilidad.
2.6.2.1 Régimen de administración

La administración es realizada por una entidad registrada ante Indecopi.A continuación detallamos
el contenido del Acuerdo de Liquidación:

 Proyección de gastos estimados por el Liquidador para el proceso.

 Honorarios del liquidador.

 Modalidad y condiciones de realización de los bienes del deudor.

 Régimen de intereses.

2.6.2.2 Liquidación de oficio

Se da cuando ocurre una de las siguientes situaciones:

 La Junta de Acreedores no instala, pese a haber sido válidamente convocada.

 La junta de Acreedores no toma decisión sobre el destino del deudor.

 La Junta de Acreedores no aprueba el Plan de Reestructuración Patrimonial o Convenio de

Liquidación

 La Junta de Acreedores no designe reemplazo del Liquidador renunciante.

En este caso se convoca a los acreedores únicamente para la designación un Liquidador y aprueben
el Convenio de Liquidación. En caso ningún liquidador asume la conducción del proceso, este se
dará por concluido y se levantan todos los efectos del concurso.
2.6.3 Proceso judicial de quiebra.

Este proceso se da cuando extinguido el patrimonio del deudor, existen acreedores de ser pagados;
en la ocurrencia de esta situación el Liquidador presentará la solicitud de declaración en quiebra ante
el Juez Especializado en lo Civil. Luego, el Juez declarará la quiebra del deudor y la incobrabilidad
de sus deudas, previa verificación de la extinción del patrimonio del deudor (conforme al balance
final de liquidación).

De esta manera concluye el Proceso Concursal (Administrativo)

CAPÍTULO 3: MODELOS DE PREDICCIÓN DE
QUIEBRA

En este capítulo se revisará el rol que juegan los estados financieros y otras informaciones en la
predicción de la crisis financiera.

El estudio empírico para determinar el nivel de solvencia con el fin de predecir o evitar una posible
quiebra através de utilización de ratios, métodos estadísticos y el análisis financiero sobre los
componentes de la solvencia, liquidez, rentabilidad, entre otros factores, ha sido explorado en
numerosos estudios a partir de 1932 cuando Fitzpatrick7 llevó a cabo los primeros trabajos que
dieron origen a la “Etapa Descriptiva”8. El objetivo de estos trabajos consistió en intentar detectar
las quiebras empresariales a través del uso de ratios.

Según Resolución de la SBS Nº 472-2001 define:

“El riesgo de liquidez se mide a través del indicador de activos líquidos / pasivos de
corto plazo. La SBS determina que dicho indicador no puede ser menor de 8% para
moneda nacional y de 20% para moneda extranjera” (20 de junio de 2001).

“Los activos líquidos incluyen a la caja y fondos fijos; fondos disponibles en el

Banco Central, en empresas del sistema financiero nacional y en bancos del exterior;
fondos interbancarios netos deudores; títulos representativos de deuda; entre otros.
Los pasivos líquidos incluyen a las obligaciones a la vista, de ahorro y a plazo,
fondos interbancarios netos acreedores, adeudados de corto plazo, entre otros.”9

7
Fitzpatrick Paul: Nació en New Bedford, Massachusetts, el 3 de Julio de 1929.
8
(León, 2007: 129) define etapa descriptiva como la descripción del fenómeno en estudio y que refleje la realidad vivida
por el sujeto.
Posteriormente, Beaver (1966) y Altman10 (1968) iniciaron la etapa predictiva de la quiebra de
empresas con el desarrollo de sus modelos univariados y multivariados respectivamente. A partir de
estos estudios hasta nuestros días se han continuado produciendo innumerables trabajos para
perfeccionar los modelos predictivos. En general la quiebra masiva de empresas, tanto en países
desarrollados y en vías de desarrollo, se intensificó en los últimos años.

Las razones para que una empresa se declare en bancarrota pueden ser distintas, en el siguiente
ejemplo se explica al detalle:

Cuadro 3: Matriz de confusión entre quiebras y no quiebras

País en crisis País no en crisis

Empresa Quebrada I II

Empresa no Quebrada III IV

Fuente: Elaboración propia

Ahora, consideremos las empresas que caen en el segmento III, es decir, en crisis pero no quebradas.
Estas empresas pueden resolver sus problemas de liquidez mediante una reestructuración de sus
operaciones; por ejemplo, la fusión con otra empresa que tenga liquidez. Por otro lado, al mirar a las
empresas que caen en el segmento II, es decir, no en crisis financiera pero quebrada una empresa
podría entrar voluntariamente en quiebra por razones ajenas a su salud financiera, por ejemplo, para
obligar a sus sindicatos a aceptar salarios más bajos o para reducir la magnitud de alguna demanda
judicial en su contra. La ambigüedad causada por las empresas que caen en el segmento II y III
causa una limitación inherente cuando se generalizan los estudios que serán analizados más
adelante, sobre todo el hecho de que en muchas ocasiones se intenta evitar la quiebra,

9
Revista de Estudios Económicos 21,9 – 22 (Junio 2011, página 12). Disponible en
www.bcrp.gob.pe/publicaciones/revista-estudios-economicos/estudios-economicos-no-21.html
10
Sinha, 2009: 544, Ambos Beaver y Altman formularon modelos de predicción de empresas.
manteniéndose la empresa en un segmento III por una cantidad de tiempo que no es predecible, es
decir, pese a que los indicadores definan una probabilidad de quiebra muy alta ésta podría mantener
una situación financiera difícil por un largo tiempo, mediante negociaciones con acreedores y, como
consecuencia salir de la crisis sin pasar por una quiebra legal.

El problema de la definición de crisis financiera se puede ver en el siguiente ejemplo: Supongamos

que una constructora está pasando por graves dificultades para cubrir sus gastos con los ingresos que
tiene. Varias alternativas están disponibles para los accionistas, una de ellas es cerrar formalmente la
constructora y vender los activos que posee, otra es fusionarse con otra constructora. Una tercera
alternativa es reducir drásticamente el financiamiento de investigación, comprar menos maquinarias
y aumentar la carga laboral de sus colaboradores. En un análisis empírico sería razonable usar la
primera alternativa, la quiebra, como una señal de crisis financiera. Por otro lado, sería considerable
más complicado establecer criterios para clasificar empresas que escojan la última alternativa, un
cambio en el alcance para determinar la salud financiera.

3.1 Modelos univariados de predicción de quiebra

3.1.1 Indicadores de crisis

Indicadores de crisis

Históricamente, se han usado varios indicadores de la probabilidad de crisis financiera, una fuente
de información es el análisis del flujo de caja11 para el periodo presente y el esperado, uno de los
beneficios de usar esta fuente de información es que el investigador se enfoca en la noción de estrés
financiero del periodo de interés, con lo que las estimaciones del flujo de caja esperado dependen de
los supuestos asumidos para la predicción del presupuesto.

11
(Manuel, Chu R. 2009 pág. 425) Flujo de Caja, es el estado de cuenta que resume las verdaderas entradas y salidas de
efectivo de la empresa.
Una segunda fuente de información es sobre el estrés y crisis financiera,que es un análisis de
estrategia corporativa.

“Las crisis financieras tienen un impacto significativo durante las recesiones e

incrementan el desempeño alrededor de 0.7 puntos porcentuales. Un indicador más
amplio del estrés financiero es la vinculación de errores de proyección del desempleo.
El impacto del estrés financiero durante las recesiones se ve ampliado por el grado de
apalancamiento, de las empresas de la economía.”12

Este análisis considera entre otros factores la competencia potencial y real de la firma, su estructura
de costos relativa, expansión y crecimiento de la industria, la habilidad de las empresas para trasferir
el incremento de costos, la calidad de la administración, entre otros; idealmente, estas
consideraciones también ponen énfasis en un análisis de flujo de caja; sin embargo, un enfoque
específico en temas estratégicos puede denotar las consecuencias de cambio que ocurren en la
industria, por ejemplo, examinar el punto de equilibrio13 y la estructura de costos de alguna empresa
puede entregar una noción de los posibles candidatos a sufrir una crisis financiera, suponiendo una
disminución drástica de la demanda de su producto o un aumento del costo de sus insumos.

Una tercera fuente de información es sobre la salud financiera, un análisis de estados financieros de
la empresa en comparación con una muestra de empresas representativas. Este análisis se puede
enfocar en una variable financiera “análisis univariado”14, o en una combinación de variables
financieras “análisis multivariado”15.

Una cuarta fuente de información, viene de variables externas cómo el retorno de las acciones y la
categoría de los bonos entregadas por clasificadoras profesionales de riesgo (como Moody’s,
Standard &Poor’s o Fitch). Estas variables, pueden potencialmente, entregar información sobre el

12
(FMI, 2010 pág. 91)
13
(Charles T, Srikant M., & George , 2007: 81). Punto de Equilibrio, es la cantidad de producción a la cual los ingresos
totales son iguales a los costos totales.
14
Soret Los Santos 2008:257. Análisis Univariado, se estudian las variables de forma independiente.
15
Soret Los Santos 2008:257. Análisis Multivariado, comprende un conjunto de métodos estadisticos para realizar el
tratamiento conjunto de datos relativos a diversas variables.
flujo de caja futuro, estrategia corporativa e información de los estados financieros de la empresa,
más aún, ellos podrían incorporar las interacciones complejas que existen entre los factores
individuales.

3.1.2 Ratios Financieros

Conceptos Generales

La información contable puede ser procesada, con el objetivo de obtener datos que se ocupan como
variable en la mayor parte de los modelos de predicción de quiebra y la estimación de la
probabilidad de quiebra, además se pueden usar para la determinación del riesgo de crediticio de una
empresa en alguna operación bancaria. Las herramientas más usadas son los cocientes financieros
del balance y estado de resultado. La detección de las dificultades operativas y financieras de las
empresas ha sido un tema que ha concordado naturalmente con el análisis de los ratios financieros.
El potencial de los ratios financieros como predictores de quiebra; en general, ratios que miden la
liquidez16, el endeudamiento17 y la rentabilidad18, prevalecen como los indicadores más
significativos, aun cuando, su orden de importancia no está claro, ya que casi todos los estudios
acentúan un ratio distinto como el más efectivo indicador de problemas financieros futuros.

“Los ratios financieros se han diseñado para mostrar las relaciones que existen entre
las cuentas de los estados financieros. Por ejemplo, Cementos Lima tiene una deuda
de S/. 758.436 miles de soles y cargos por intereses de S/. 48.181 miles de soles,
mientras que Backus podría tener una deuda de S/. 1001.143 miles de soles y cargos
por intereses de S/. 47.353 miles de soles. ¿Qué compañía financieramente es mejor?
Aquí lo que nos queda es comparar la deuda de cada empresa con sus activos y
16
(Manuel Chu, 2009 pág 396). Busca responder a preguntas tales como: ¿Podría la empresa cumplir con sus
obligaciones a corto plazo? Por lo tanto, este ratio nos indica si los activos pueden convertirse fácilmente en líquidos.
17
(Manuel Chu, 2009 pág. 399) Es en qué medida una empresa logra financiar sus activos a través de deudas. Es lo que
se entiende como apalancamiento financiero.
18
(Manuel Chu, 2009 pág. 403) Es el resultado neto de políticas y decisiones empresariales. Muestran los efectos
combinados de la liquidez, de la administración de los activos y de la administración de las deudas sobre los resultados
de operación.
 comparar los intereses que deben pagar con el ingreso que tengan disponible para el
pago de intereses. A través del análisis de ratios podemos llegar a una conclusión.”
(Manuel Chu 2009: 396).

Los ratios financieros se obtienen de la razón entre dos saldos obtenidos de las diferentes partidas
del balance y/o estado de resultado. Las definiciones dadas son bastantes amplias, con lo cual la
información que arrojarían dichos cocientes podría ser altamente cuestionable y poco generalizada
por su uso, por tal motivo, de manera espontánea, algunos círculos financieros han seleccionado un
grupo de cocientes que se caracterizan, en primer lugar por su facilidad de cálculo, ya que la
construcción de ellos se realiza a partir de la información pública y solo requiere emplear
matemáticas básicas.

Una segunda característica de los ratios financieros, consiste en entregan resultados muy
ilustrativos, debido a que tales cocientes son de uso general y, por lo tanto su interpretación es casi
implícita, por lo que es lógico suponer que se pueden construir modelos de predicción de
dificultades financieras que ocupen esta información intuitiva.

Se debe tener en cuenta que los índices financieros de una firma o un sector productivo de la
economía en particular pueden demandar análisis de un cociente específico, explicitando su
resultado y su interpretación. Los cocientes no necesariamente son comparables entre empresas de
distintos rubros.

Como los ratios se basan en información contable, se debe tener presente que pueden entregar un
resultado distorsionado de la realidad, ya sea por la manipulación de datos casual o intencional o por
problemas metodológicos de la contabilidad. Por otra parte, la información que arrojan estos índices
puede ser mal interpretada, ya que la interpretación financiera de un índice se debe analizar en el
contexto del giro de la empresa y de la industria en que opera.

El amplio uso de los ratios financieros ha llevado a que se agrupen en diferentes categorías, en
función de la información que proporcionan. En términos prácticos, se distinguen los de liquidez, de
endeudamiento, de rentabilidad y de actividad o eficiencia. A continuación se analizan los más
destacados en cada categoría.
3.1.3 Ratios de Liquidez

Estos índices tienen por objeto entregar información referente al grado de respuesta que presenta la
empresa frente a sus compromisos financieros de corto plazo. La mayoría de estos índices son
construidos a partir tanto del activo, como del pasivo circulante. Entre los más comunes se pueden
mencionar los que siguen:

3.1.3.1 Capital de trabajo

“Como es utilizado con frecuencia, vamos a definirla como una relación entre los
activos corrientes y los pasivos corrientes; no es una razón definida en términos de un
rubro dividido por otro. El capital de trabajo, es lo que queda a la firma después de
pagar sus deudas inmediatas; es decir, el dinero que le queda para poder operar al día
siguiente” (Aching 2006: 19).

De los ratios de liquidez evaluados por Altman, para su modelo de análisis discriminante, esté
resulto ser el más efectivo para la predicción de quiebra de las empresas, por lo cual, fue incluido en
su modelo Z-Score.

3.1.3.2 Razón Corriente

“El ratio de liquidez general lo obtenemos dividiendo el activo corriente entre el

pasivo corriente. El activo corriente incluye básicamente las cuentas de caja, bancos,
cuentas y letras por cobrar, valores de fácil negociación e inventarios. Este ratio es la
principal medida de liquidez, muestra que proporción de deudas de corto plazo son
cubiertas por elementos del activo, cuya conversión en dinero corresponde
aproximadamente al vencimiento de las deudas.” (Aching 2006: 17)
Es importante notar que gran parte de las partidas contenidas en el pasivo de corto plazo se
encuentran muy próximas a su valor económico, cosa que es cuestionable en el caso del activo
circulante; por lo tanto, la interpretación de éste debe ser cuidadosa, puesto que en la medida de que
este índice sea mayor que uno se dice que la empresa está en condiciones de cumplir con sus
obligaciones de corto plazo.

3.1.3.3 Prueba ácida

“Es aquel indicador que al descartar del activo corriente cuentas que no son
fácilmente realizables, proporciona una medida más exigente de la capacidad de pago
de una empresa en el corto plazo. Es algo más severa que la anterior y es calculada
restando el inventario del activo corriente y dividiendo esta diferencia entre el pasivo
corriente. Los inventarios son excluidos del análisis porque son los activos menos
líquidos y los más sujetos a pérdidas en caso de quiebra.” (Aching 2006: 17)

Es decir, se descuenta del activo de corto plazo la partida de inventarios, debido a que la
valorización de ésta es cuestionable. Por lo general, se espera que este cociente sea cercano a 1.
3.1.3.4 Promedio de días de por cobrar

“Las cuentas por cobrar son activos líquidos sólo en la medida en que puedan
cobrarse en un tiempo prudente.”(Aching 2006: 19)

Este índice entrega información referente al promedio anual de días que demanda la cancelación de
las cuentas de recupero. Para obtener este índice se debe aplicar la fórmula siguiente:

En ésta se multiplican las ventas por 1 menos el impuesto a las ventas, ya que el crédito
cedido por la empresa es el valor de venta de los productos más el impuesto recaudado
por la empresa y pagado al fisco.

3.1.3.5 Promedio de días de rotación de Inventario

“Cuantifica el tiempo que demora la inversión en inventarios hasta convertirse en

efectivo y permite saber el número de veces que esta inversión va al mercado, en un
año y cuántas veces se repone.”(Aching 2006: 22)
Es decir, entrega el dato relativo al promedio anual de días en que las existencias
estuvieron en bodega, permitiendo inferir el grado de liquidez de los inventarios. Este
índice se obtiene a partir de la siguiente fórmula:

La información entregada por este indicador puede ser contrastada con la política de
inventarios, dato que podría ser determinante al momento de evaluar el riesgo crediticio,
especialmente, en créditos de corto plazo.

3.1.3.6 Rotación de Activos Totales

“Ratio que tiene por objeto medir la actividad en ventas de la firma. O sea, cuántas
veces la empresa puede colocar entre sus clientes un valor igual a la inversión
realizada.” (Aching 2006: 25).

Para obtenerlo dividimos las ventas netas por el valor de los activos totales:
3.1.4 Ratios de Endeudamiento

Estos índices, entregan información relacionada con la solvencia de la empresa

analizando, a su vez, la capacidad de la empresa para lograr un mayor financiamiento
externo.

“El grado en que una empresa utiliza financiación mediante endeudamiento o

apalancamiento financiero, tiene tres consecuencias importantes:

Mediante la recaudación de fondos a través de deuda, los accionistas pueden

controlar una empresa con una cantidad limitada de inversiones de capital.

Los acreedores buscan la equidad, o los fondos proporcionados por el propietario,

para proporcionar un margen de seguridad, por consiguiente cuanto mayor sea la
proporción del capital total proporcionado por los accionistas, menor será el riesgo
que enfrentan los acreedores.

Si la empresa obtiene más de sus activos que la tasa de interés que paga sobre la
deuda, utilizando la deuda, aumenta la rentabilidad sobre recursos propios, ROE.”
(Brigham& Houston 2007: 108)

A continuación, se exponen los cocientes de endeudamiento más usados en la

cuantificación del riesgo crediticio en instituciones financieras:
3.1.4.1 Ratio de deuda sobre activos totales

“La deuda total incluye todos los pasivos corrientes y deuda a largo plazo. Los
acreedores prefieren bajos ratios de deuda porque cuanto menor sea el ratio, mayor
será el colchón contra las pérdidas de los acreedores en caso de liquidación.”
(Brigham & Houston 2007: 110)

3.1.4.2 Total de Pasivos sobre el patrimonio neto

Es un índice muy utilizado al momento de determinar el riesgo crediticio de una empresa, ya que
nos muestra las veces en que el valor de liquidación contable de las empresas es capaz de cubrir el
total de pasivos.

3.1.5 Ratios de rentabilidad

“Es el resultado neto de políticas y decisiones empresariales. Muestran los efectos

combinados de la liquidez, de la administración de los activos y de la administración
de las deudas sobre los resultados de operación.” (Manuel, Finanzas Aplicadas -
Teoría y Práctica, 2011 pág 191)
Estas razones financieras buscan proporcionar datos en torno a la rentabilidad que han logrado la
empresa, como una forma de visualizar la viabilidad del negocio a corto, mediano y largo plazo. Los
índices que se incluyen en esta sección son complementados con la utilidad del ejercicio, la
variación real en las ventas y por la generación operativa de caja del estado de fuentes y usos de
fondos. A continuación, se comentan los índices de rentabilidad más usados en la cuantificación del
riesgo crediticio en operaciones bancarias.

3.1.5.1 Margen de utilidades sobre ventas

Este cociente tiene por objeto identificar el porcentaje de las ventas que se traducen en utilidad. Al
analizar este índice en términos de su evolución, el ejecutivo podrá identificar el comportamiento
histórico de la eficiencia de la gestión global de la empresa.

“La limitación de este indicador es que la utilidad neta puede ser manipulada a través
de “otros ingresos” o “ingresos financieros”.” (Manuel chu, Finanzas Aplicadas -
Teoría y Práctica, 2011: 191)
3.1.5.2 Resultado operacional sobre las ventas

Cociente que entrega información respeto de la eficiencia operacional de la empresa. La evolución

histórica de este índice, nos permite contar con una aproximación del control de los costos que ha
tenido la empresa.

3.1.5.3 Ventas / Activos Totales

Este ratio mide la capacidad de lidiar con un medio competitivo, a través de la capacidad que tienen
los activos de producir ingresos.

3.1.5.4 Utilidad del ejercicio sobre el patrimonio

En círculos financieros, este índice se interpreta como la rentabilidad que reciben los accionistas.

3.1.5.5 Retorno sobre los activos o EBIT/ Activos Totales

Este ratio mide la productividad de los activos, esto es la capacidad de generar ingresos por cada
nuevo sol de activo, independientemente de los intereses e impuestos y tasa de endeudamiento.
3.1.5.6 Utilidades Retenidas / Activos Totales

Este ratio analiza el grado de reinversión, de las utilidades, que ha tenido la empresa en su
trayectoria. En este sentido, este ratio es mayor en las empresas jóvenes.

3.1.5.7 Activos fijos sobre ventas

Este índice trata de medir la eficiencia en el uso de activos fijos o en el de la capacidad instalada. Al
contar con la evolución de este indicador, el analista debe tener presente las posibles economías de
escala que puede presentar la empresa, antes de dar alguna sentencia en torno al uso de la capacidad
instalada de ella, al igual que la variación en los precios relativos.

La única forma de lograr una buena información a partir del análisis de cocientes, consiste en contar
con más de un ejercicio tributario, con lo cual se puede efectuar un estudio de la evolución de las
principales partidas que son determinantes para inferir las futuras tendencias de estas variables que
condicionan la salud financiera de la empresa.

3.2 Técnica de análisis univariante

Según (Pra, Rios, Arguedas, & Casals, 2010: 212) el análisis univariante se concreta de varios tipos
de pruebas, siendo el más utilizado el análisis de perfiles estadísticos, el test de significatividad de
las diferencias de medidas y el test de clasificación dicotómica.

El análisis de perfiles estadísticos compara los valores que toman los estadísticos descriptivos,
fundamentalmente la media muestral, de los ratios en las empresas fallidas con los que toman en las
empresas no fallidas. Utilizando este tipo de análisis, algunos investigadores observaron que los
valores medios de los ratios en las empresas fallidas se empiezan a alejar de los valores medios de
las empresas sanas,a los menos cinco años antes de la crisis.

Para complementar el análisis anterior, es conveniente obtener también otros estadísticos, además de
la media muestral, como son la desviación típica, la mediana y los valores máximos y mínimos de la
distribución. Con ello se obtiene información sobre el grado de dispersión de los valores de los
ratios en torno a su valor medio y por tanto sobre el grado de representatividad de la media con
respecto al resto de valores de la distribución.

El estudio del poder discriminante de un ratio se puede acompañar de un test de significatividad de

las diferencias de medias. Dicho test tiene como finalidad determinar si la media del ratio dentro de
cada grupo es un valor representativo dentro de dicho grupo, además si es el valor diferente para
cada grupo.

La tercera técnica de análisis univariante (Pra, Rios, Arguedas, & Casals, 2010: 213) mencionada, el
test de clasificación dicotómica, puede ser una herramienta útil en el momento de decidir sobre la
concesión de un préstamo por parte de una entidad financiera. Consiste en establecer un punto de
corte para el ratio considerado, de forma que clasifica a la empresa como fallida o no fallida
dependiendo de si el valor que toma el ratio en la empresa solicitante del préstamo está por encima o
por debajo de dicho punto de corte.

Para obtener el punto de corte discriminante , se parte de una muestra doble que incluya un grupo
de empresas fallidas y otro de empresas no fallidas. Llamando a la variable clasificadora, el ratio
analizado, y considerado que se puede clasificar a las empresas en dos grupos:

 Grupo I: Empresas fallidas (insolventes)

 Grupo II: Empresas no fallidas (solventes)

Se ha de obtener la medida del valor de dicho ratio en cada uno de los grupos:

= Media del valor del ratio en el Grupo I

 = Media del valor del ratio en el Grupo II

El punto de corte discriminante es el promedio I y II:19

Para clasificar a la empresa en un u otro grupo, se compara el valor que toma el ratio en la empresa
solicitante del préstamo con el valor de :

 Si , se clasifica al individuo en al Grupo I, empresas insolventes

 Si , se clasifica al individuo en el Grupo II, empresas solventes

Además de permitir clasificar a la empresa como sana o insolvente, el test de clasificación

dicotómica permite evaluar el poder discriminante de cada ratio. Para ello se compara la
clasificación obtenida anteriormente con la situación real de la empresa y se obtiene el porcentaje
de errores cometidos en la clasificación. Este procedimiento se repetirá para distintos puntos de
corte, tratando de encontrar aquel que minimice el porcentaje de errores.

Limitaciones del análisis de ratios financieros

Según (Manuel Chu, Fundamentos de Finanzas, 2009: 414) los ratios o índices financieros de los
estados financieros tienen limitaciones de información histórica, costo de oportunidad, entre otros
que requieren tener cuidado y buen criterio. Las principales se enumeran a continuación:

El caso de grandes corporaciones que producen y comercializan productos que corresponden a

diferentes sectores de la economía, en donde no es fácil desarrollar un promedio para poder realizar
las comparaciones y evaluaciones respectivas. Este caso es solo útil para empresas pequeñas que no
tengan muchas divisiones de productos.

19
García Pérez de Lema 1997:372. Para que el punto de intersección de las dos funciones conocida con el valor medio,
se ha de cumplir que las distribuciones de los dos tipos de empresas presenten el mismo tipo de solapamiento de una
sobre la otra (condición que se cumple, por ejemplo, si ambas distribuciones son normales)
El efecto de inflación de los estados financieros distorsionan las cifras de los mismos. Los valores
que se registraron difieren de forma sustancial de los valores de mercado. Podemos ver cómo los
cargos por depreciación, los costos de inventario y de las utilidades se ven afectadas por la inflación.

Otros factores que debemos tomar en cuenta son los estacionales, que pueden distorsionar el análisis
de ratios.

El caso de empresas que manipulan las cifras de los estados financieros. Un caso conocido es de la
corporación estadounidense Enron, que ha comprometido a la empresa de auditoría mundial Arthur
Andersen.

Lo difícil es establecer una generalización al momento de evaluar ratios financieros, en particular si

son buenos o malos. Por ejemplo, si una razón de liquidez alta es buena porque indica una fuerte
posición de liquidez. La existencia de efectivo en exceso, en cambio, es malo porque no genera
intereses ni utilidades.

El poder determinar en promedio si la empresa es buena o mala, cuando tiene algunos ratios buenos
y otros malos. En este caso se tendría que reducir las estadísticas para poder analizar efectos netos.

Para determinar el costo de oportunidad del inversionista, es importante conocer el riesgo de las
operaciones de la empresa, las utilidades que se reportan, nos dicen que paso o que es lo que pasará.

Como podemos ver, los ratios financieros siguen siendo herramientas primarias de evaluación. Sin
embargo, los analistas deben ser conscientes de los problemas y hacer aquellos ajustes que
consideren necesarios. Cuando se requiere utilizar los ratios de manera mecánica y sin mayores
criterios, se pueden tomar decisiones erradas.
3.3 Modelos multivariados de predicción de quiebra

Los modelos basados en un solo ratio son demasiado simples como para tener en cuenta la
complejidad de una quiebra, por lo que los estudios más recientes sobre la insolvencia empresarial
completan el análisis univariante con fórmulas que incluyan varios ratios.

De esta forma, aparecen los métodos de análisis multivariante, cuyo objetivo es construir una
función que proporcione una medida global del riesgo de crédito de una empresa, combinando la
información contable procedente de varios ratios.

Pero una clara limitación del modelo multivariado resulta ser que diferentes variables pueden
implicar distintas predicciones para la misma empresa. Por lo tanto, no es sorprendente que se hayan
desarrollado modelos multivariados, que combinen la información de diversas variables financieras
en un análisis interdependiente. La variable dependiente en estos modelos es: Una predicción de
pertenencia a un grupo (ejemplo: quebradas y no quebradas), es decir, un problema de clasificación
o una estimación de la probabilidad de pertenecer a uno de los grupos (ejemplo: la probabilidad de
quiebra). Las variables independientes examinadas han sido ratios financieros y otras variables
orientadas a la firma. Las problemáticas que aparecen al intentar generar un modelo de este tipo son:

 ¿Qué variables debieran ser incluidas?

 ¿Qué forma debiera tener el modelo?

 ¿Qué peso debiera ser asociado a cada variable?

Idealmente, la teoría económica respecto de la crisis financiera debiera servir de guía en la

resolución de las preguntas anteriores. Desafortunadamente, existe una muy reducida gama teórica
disponible para la generación de este tipo de modelos, por lo tanto, no es sorprendente que los
estudios publicados hayan basado su elección de variables en una extensiva búsqueda de datos
empíricos y en los resultados de estudios anteriores.

Las principales técnicas estadísticas de análisis multivariante son el análisis de regresión múltiple, el
análisis discriminante multivariado, los modelos de regresión cualitativa (probit-logit) y las redes
neuronales.

3.3 1 Análisis de modelos logit y probit

Según (López Pérez 2005: 197) define los modelos econométricos de elección dicreta binaria
multiple (Logit y Probit) mediante los siguientes puntos:

3.3.1.1 Modelos de elección discreta

La expresión funcional del modelo de análisis de regresión múltiple es . La

regresión multiple admite la posibilidad de trabajar con variables dependientes discretas en vez de
continuas para permitir la modelización de fenómedos discretos.

“Variables discretas y continuas

Cuando el conjunto de los valores que podría tomar una determinada variable
aleatoria es discreto (es decir, finito o infinito numerable) se dice que dicha variable
es de tipo discreto (a veces a las variables de este tipo se les denomina también
atributos), por oposición a aquellos casos en que dicho conjunto es un infinito
continuo en los que la variable se denomina continua.” (Rafael Romero & Luisa
Rosa, 2005: 31)
Cuando la variable dependiente es una variable discreta que refleja decisiones individuales en las
que el conjunto de elección está formado por alternativas separadas y mutuamente excluyentes
estamos ante los modelos elección discreta. Los modelos de elección discreta en los que el conjunto
de elección tiene solo dos alternativas se llaman modelos de elección binaria. Cuando el conjunto de
elección tiene varios valores discretos nos encontramos ante los modelos de elección múltiple o
modelos multidimensionales.

3.3.1.2 Modelos de elección discreta binaria

Dentro de los modelos de elección discreta en los que el conjunto de elección tiene sólo dos
alternativas posibles mutuamente excluyentes, consideraremos el modelo lineal de probabilidad, el
modelo Logit y el modelo Probit.

3.3.1.3 Modelo lineal de probabilidad

Partimos del modelo de regresión lineal habitual

Una hipótesis es:

Lo que nos lleva a escribir el modelo como:

Pero en el caso de los modelos de elección discreta en los que el conjunto de elección tiene sólo dos
alternativas posibles mutuamente excluyentes, es una variable aleatoria20 de Bernouilli21 de
parámetro , lo que nos permite escribir:

Estamos ahora ante el modelo lineal de probabilidad, donde, por ejemplo, mide la variación en la
probabilidad de “exito” ( ) ante una variación unitaria en (con todo lo demás constante)

Como es una variable aleatoria de Bernouilli:

Tenemos entonces:

20
Rafael Romero & Luisa Rosa 2005: 30, A cualquier caracteristica que se puede contrastar en cada individuo de una
población se le denomina característica aleatoria.
Para cada observación ya que es una variable aleatoria de Bernuilli.

Estamos entonces ante un modelo con heteroscedasticidad22. Además, es una variable de

Bernuilli, con lo que tampoco se cumple la hipótesis de normalidad. Ello obliga a estimar estos
modelos por un método alternativo a mínimos cuadrados ordinarios.

Realizada la estimación del modelo lineal de probabilidad tenemos que:

Se puede interpretar como una estimación de probabilidad de “éxito” (de que ). En algunas
aplicaciones tiene sentido interpretar como la probabilidad de éxito cuando todas las valen
cero.

Otra limitación importante del modelo lineal de probabilidad es que para ciertas combinaciones de
las variables explicativas las probabilidades estimadas pueden ser mayores que cero o
menores que uno.

3.3 2 Modelos Probit y Logit

Podemos considerar los modelos Logit y Probit como modelos de respuesta binaria:

21
Bernuilli Físico y Matemático (1700-1782,) nació en Groninga, Holanda.
22
Pérez. López., Métodos Estadísticos Avanzados con SPSS, 2005: 199. Modelo con heteroscedasticidad la varianza del
error no es constante
Que, para evitar los problemas del modelo lineal de probabilidad, se especifican como ,
dónde es una función que toma valores estrictamente entre 0 y 1 para todos los
números reales . Según las diferentes definiciones de tenemos los distintos modelos de elección
binaria.

Si estamos ante el modelo Logit, cuya expresión será:

En el caso del modelo Probit:

Donde es la función de densidad de la normal (0,1)

La expresión del modelo Probit será:

Los modelos Probit y Logit, como son modelos no lineales, no podremos estimar por MCO
(mínimos cuadrados ordinarios) y tendremos que emplear métodos de máxima verosimilitud.
Supongamos que tenemos observaciones idéntica e independientemente distribuidas (muestra
aleatoria23) que siguen el modelo:

Para obtener el estimador de máxima verosimilitud (MV), condicionado a las variables explicativas,
necesitamos la función de verosimilitud:

Con:

El estimador de MV de es el que maximiza el logaritmo de la función de verosimilitud:

23
Anderson, 2009: 260, Una muestra aleatoria simple de tamaño n de una población finita de tamaño N es una muestra
seleccionada tal que cada posible muestra de tamaño n tiene la misma posibilidad de ser elegido.
Que será un estimador consistente, asintóticamente normal y asintóticamente eficiente.

Las condiciones de primer orden serán:

Donde es la función de densidad de la normal o la logística (derivada de la función de

distribución).

La no linealidad del problema hace que para obtener el estimador MV de necesitamos aplicar un
algoritmo iterativo y obtener el estimador por métodos numéricos iterativos, tenemos:

La matriz de covarianza asintótica de se estima como:

Para realizar contrastes de hipótesis en los modelos Logit y Probit tendremos en cuenta que la raíz
cuadrada de los elementos de la diagonal principal de la matriz de covarianzas asintótica son los
errores estándar (asintóticos) de cada uno de los , que los podemos emplear para construir los
estadísticos (que tendrán una distribución asintótica normal24) o intervalos de confianza
aproximados para cada parámetro. También podemos contrastar varias restricciones
simultáneamente. Lo habitual es que lo que nos interese sean restricciones de exclusión por lo que es
en lo que nos vamos a centrar.

Para centrar la hipótesis nula de que un conjunto de parámetros es igual a cero podemos emplear
varios procedimientos:

Estadístico de Wald: se distribuye asintóticamente como una chi-cuadrado con q (n° de

restricciones) grados de libertad y lo proporcionan la mayoría de los programas.

Contraste de razón de verosimilitud (Likelihood Ratio (LR) test): Se basa en la diferencia entre el
logaritmo de la función de verosimilitud en el modelo sin restringir y en el restringido:

24
Juan Ferrándiz, 2003: 18. Denomina distribución límite o asintótica a cuando dicho límite existe
cualquiera que sea la distribución inicial .
Que se distribuye asintóticamente como una chi-cuadrado con q grados de libertad.

En cuanto a las medias de bondad de ajuste en los modelos Ligit y Probit tenemos:

Porcentaje de predicciones correctas: Para cada calculamos la probabilidad estimada que :

Si nuestra predicción será es 1 y si nuestra predicción será que es 0. El % de

veces en que el valor de observado coincida con la predicción es el % de predicciones correctas.
Lo interesante es calcular por separado el % de predicciones correctas de ceros y de unos.

(de McFadden): Está basado en el logaritmo de la función de verosimilitud:

“McFadden (1973) sugirió una alternativa, conocida como "likelihood - índice de ratios",
comparando un modelo sin ningún predictor que incluya todos los predictores. Esto se da como uno
menos la relación entre el logaritmo de verosimilitud con intersecciones, y las probabilidades con
todos los predictores. Si los parámetros de pendiente son todos 0, R2 de McFadden es 0, pero nunca
es 1.” (Jun Shao& Palta, 2006:848)
Donde es el logaritmo de la función de verosimilitud para el modelo estimado y el de un
modelo sólo con término constante. Como el valor está entre 0 y 1.

Criterios de Información: Son medidas que tratan de buscar un equilibrio entre la bondad de ajuste,
medida en base al valor del logaritmo de la función de verosimilitud, y una especificación
parsimoniosa del modelo (Ejemplos: Akaike (AIC), Schwarz (SC) y Hannan-Quinn (HQ)). Se
escoge el modelo con menor valor de criterio de información.

A la hora de interpretar las estimaciones en los modelos Logit y Probit, generalmente lo que nos
interesa es conocer el efecto de variaciones en una variable sobre la probabilidad de respuesta,
que si la variable es continua será:

Como depende de habrá que calcular los efectos parciales para valores interesantes de
(las medidas muestrales, valores máximos y mínimos de las variables de interés, etc.). También se
puede calcular el efecto parcial para cada individuo y después calcular su media.
3.3.3 Análisis Discriminante Múltiple (ADM)

El modelo que se puede considerar clásico para abordar este problema es el Análisis Discriminante
Múltiple (ADM) propuesto por Edward Altman25. Ésta es una técnica estadística que se aplica muy
bien a las características de la información disponible y a los resultados esperados. Pese a no ser un
método de análisis regresional muy popular, ADM ha sido usado en una variedad de disciplinas
desde su generación en los años 30. En esos años ADM fue utilizado, mayormente, en estudios
biológicos y de comportamiento. En tiempos más recientes, se ha vuelto popular en el área de
negocios aplicados y teórico, especialmente en el marketing y en los estudios de mercado.

La función discriminante asigna una puntuación a cada variable. Comparando dicha puntuación con
la del llamado punto de corte discrimínate, que se habrá calculado previamente, se clasifica a la
empresa en el Grupo I, empresas fallidas, o Grupo II, empresas no fallidas o cumplidoras.

Según (Pérez López 2005: 623), el análisis parte de una tabla de datos de empresas en que se han
metido variables cuantitativas independientes o “explicativas”, como el perfil de cada uno de
ellos. Una variable cualitativa adicional (dependiente o “clasificativa”), con dos (o más) categorías,
ha definido por otros medios el grupo a que cada empresa pertenece. Se trata de una tabla
en cada caso figura con un perfil y una asignación de grupo.

A partir de ella se obtendrá un modelo matemático discriminante contra el cual será contrastado el
perfil de un nuevo individuo cuyo grupo se desconoce para, en función de un resultado numérico,
ser asignado al grupo más probable. Cuando mejor sea la información de partida más fiable será el
resultado de asignaciones posteriores. Existen dos enfoques para alcanzar este objetivo de
clasificación: uno basado en la obtención de funciones discriminantes de cálculo similar a las
ecuaciones de regresión lineal multiple; y otro, que emplea técnicas de correlación canónica y de
componentes principales, denominado análisis discriminante canónico. El primero es el más común
y su fundamento matemático esta en conseguir, a partir de las variables explicativas, unas funciones

25
Edward Altman, nació en 1941 y es profesor de Finanzas de New York University’sStemSchool of Business. El es
más conocido por el desarrollo del modelo Z-Score de predicción de bancarrota publicado en 1968.
lineales de éstas con capacidad para clasificar otros individuos. A cada nuevo caso se aplican dichas
ecuaciones y la función de mayor valor define el grupo a que pertenece.

3.3.3.1 Hipótesis en el modelo discriminante

Según (Pérez López, Métodos Estadísticos Avanzados con SPSS, 2005: 409), el análisis
discriminante es una técnica que resulta útil para las situaciones en las que se desea construir un
modelo predictivo para pronosticar el grupo al que pertenece una observación a partir de
determinadas características observadas que delimitan su perfil. Se trata de una técnica estadística
que permite asignar o clasificar nuevos individuos u observaciones dentro de grupos previamente
definidos, razón por la cual es una técnica de clasificación ad hoc. El análisis discriminante se
conoce en ocaciones como análisis de la clasificación, ya que su objetivo fundamental es producir
una regla o un esquema de clasificación que permita a un investigador predecir la población a la que
es más probable que tenga que pertenecer una nueva observación o individuo.

El modelo predictivo que pronostica el grupo de pertenencia de una observación en virtud de su

perfil define la relación entre una variable dependiente (o endógena) no métrica (categórica) y varias
variables independientes (o exógenas) métricas. Por lo tanto, la expresión funcional del análisis
discriminante puede escribirse como con la variable dependiente no métrica y
las variables dependientes métricas. Las categorías de la variable dependiente definen los posibles
grupos de pertenencia de las observaciones o individuos y las variables independientes definen el
perfil conocido de cada observación.

El objetivo del ADM es utilizar los valores conocidos de las variables independientes medidas sobre
un individuo u observación (perfil) para predecir con qué categoría de la variable dependiente se
corresponden para clasificar al individuo en una categoría adecuada.
 “Las dos grandes finalidades perseguidas en el uso del análisis discriminante son la
descripción de diferencias entre grupos y la predicción de pertenecía a grupos”.
(López Pérez, 2007: 522)

El pronóstico de pertenencia a grupos se lleva determinando una o más ecuaciones matemáticas,

llamadas funciones discriminante, que permite la clasificación de individuos tomando como base la
información de ellas. Estas ecuaciones combinan una serie de características de tal manera que su
aplicación nos permite identificar el grupo al que más se ajusta.

3.3.3.2 Hipótesis en el ADM

En ADM requiere una comprobación de determinados supuestos. El ADM requiere que contemos
con un conjunto de variables discriminantes (características conocidas de los individuos) y una
variable nominal que define dos o más grupos (cada modalidad de la variable nominal se
corresponde con un grupo diferente). También, el conjunto de datos analizados deben de
corresponder a individuos o casos clasificados en dos o más grupos mutuamente excluyentes; en
otras palabras, cada caso debe corresponder a un grupo y solo a uno. Por otra parte, las variables
discriminantes han de estar medidas en una escala de intervalo o de razón, lo cual permitiría el
cálculo de medias y varianzas y la utilización de éstas en ecuaciones matemáticas.

En cuando a la falta de datos (missing), hay que tener presente que cuando pertenecen a la variable
de clasificación, las observaciones afectadas podrían serexcluidas del análisis a la hora de estimar
las funciones discriminantes.
Para aplicar el ADM se tiene que cumplir una serie de supuestos como la normalidad multivariante,
homogeneidad de matrices de varianza-covarianza (homoscedasticidad), linealidad y ausencia de
multicolinealidad.

“El supuesto de normalidad exige que cada grupo represente una muestra aleatoria
extraída de una población con distribución normal multivariable sobre las variables
discriminantes. La normalidad univariante no implica la multivariante, pero como
esta última es difícil de comprobar, se contrasta la normalidad univariante mediante
pruebas clásicas como la prueba de bondad de ajuste basada en Chi-Cuadrado, la
prueba de Kolmogorov-Smirnov, el test de Shapiro-Wilk o las pruebas de
significación basada en la asimetría y la curtosis. El supuesto de homogeneidad de
matrices de varianza-Covarianza (homoscedasticidad) obliga a que las matrices de
varianza-covarianza para las poblaciones de las que fueron extraídos los grupos sean
iguales, hipótesis que suele probarse mediante la prueba de M de Box, que no es más
que una generalización del test de Barlett para la comprobación de homogeneidad de
varianzas univariadas y que se basa en los determinantes de las matrices de varianza-
covarianza para cada grupo. Por otro lado, el supuesto de linealidad implica que
existen relaciones lineales entre las variables dentro de cada grupo y suele
comprobarse a partir de los diagramas de dispersión de las variables o mediante el
cálculo de coeficientes de correlación lineal de Pearson. La matriz de correlaciones de
las variables también se utiliza para detectar la multicolinealidad, que puede ser muy
nociva en la inversión de matrices requeridas en los algoritmos
discriminantes.”(César López Pérez. 2007:523)

En el siguiente gráfico se muestra el esquema general de la técnica del análisis discriminante.

Tomado de (César López Pérez. 2007:528).
Cuadro 4: Esquema general del Análisis Discriminante

OBJETIVOS DE LA INVESTIGACIÓN
Cl a s i fi ca ci ón de obs erva ci ones en grupos .
Predi cci ón de pertenenci a de i ndi vi duos a grupos .
Exa men de l a s di ferenci a s entre grupos
Identi fi ca ci ón de di menci ones .

DISEÑO DE LA INVESTIGACIÓN
Sel ecci ón de va ri a bl e dependi ente e i ndependi entes .
Ta ma ño mues tra l , mues tra de a ná l i s i s y res erva .

ASUNCIONES
Norma l i da d de va ri a bl es i ndependi entes y l enea l i da d de rel a ci ones .
Aus enci a de mul ti col i nea l i da d entre va ri a bl es i ndependi entes .
Ma tri ces de i gua l di s pers i ón pa ra pobl a ci ones de grupos .

MÉTODOS DISCRIMINANTE
Es ti ma ci ón de funci ones di s cri mi na ntes (s i mul tá nea o pa s o a pa s o).
Si gni fi ca ci ón es ta dís ti ca de l a s funci ones di s cri mi na ntes .
Si gni fi ca ci ón de l a preci s i ón de l a predi cci ón.

FUNCIONES DISCRIMINANTES
¿Cuá nta s funci ones s e i nterpreta n?

Una s ol a Dos o má s

Eva l ua ci ón funci ón Pes os , ca rga s , centroi des

VALIDACIÓN RESULTADOS
Mues tra s pa rti da s o va l i da ci ón cruza da .
Di ferenci a s de grupos perfi l a da s .

Fuente: Tomado de Cesar López Pérez. 2007:529

3.3.3.3 Clasificación con dos grupos

Según(Pérez López, Técnicas Estadísticas Con SPSS 12, 2005:624), se trata de estudiar la
aplicación del análisis discriminante a la clasificación de empresas en el caso que dichas empresas
se puedan asignar solamente a dos grupos a partir de variables clasificadoras. Este problema lo
resolvió Fisher26 analíticamente mediante su función discriminante.

La función discriminante de Fisher D se obtiene como función lineal de k variables explicativas

como:

Las puntuaciones discriminantes son los valores que se obtienen al dar valores a en la
ecuación:

Se trata de obtener los coeficientes de ponderación . Si consideramos que existen observaciones,

podemos expresar la función discriminante para ellas:

es la puntuación discriminante correspondiente a la observación . Expresado las

variables explicativas en desviaciones respecto a la media, también lo estará y la relación anterior
se puede expresar en forma matricial como sigue:

26
Fisher nació en Londres en 1890, científico, matemático, estadístico, biólogo y genetista inglés.
En notación compacta podemos escribir:

La variabilidad de la función discriminante (suma de cuadrados de las variables discriminantes en

desviaciones respecto a su media) se expresa como:

La matriz es una matriz simétrica expresada en desviaciones respecto a la media, por lo que
puede considerarse como la matriz de suma de cuadrados total de las variables (explicativas) de la
matriz . Según la teoría de análisis multivariante de la varianza, se puede descomponer en la
suma de la matriz entre grupos y la matriz intragrupos (o residual). Se tiene:

Por lo tanto:
Los ejes discriminantes vendrán dados por los vectores propios asociados a los valores propios de la
matriz ordenados de mayor a menor. Las puntuaciones discriminantes se corresponden con
los valores obtenidos al proyectar cada punto del espacio k-dimensional de las variables originales
sobre el discriminante.

Los centros de gravedad o centroides (vectores de medias) son los estadísticos básicos que resumen
la información sobre los grupos. Los centroides de los grupos I y II serán los siguientes:

Con lo que, para los grupos I y II se obtiene:

El punto de corte discriminante se calcula mediante el promedio:

El criterio para clasificar la empresa es el siguiente:

Si , se clasifica al individuo en al Grupo I

Si , se clasifica al individuo en el Grupo II

En general, cuando se aplica el análisis discriminante se le resta el valor de a la función

discrimínate, que vendrá dada por:

En este último caso, se clasifica a una empresa en el Grupo I si , y en el Grupo II en otro

caso.

Cuando el ADM son aplicados los ratios actuales, aparecen las bases para la clasificación de la
empresa en uno de los grupos mutuamente excluyentes. La técnica ADM tiene la ventaja de
considerar el perfil completo de características comunes a todas las firmas estudiadas, así como la
interacción entre estas características.

Otra ventaja, delADM, es la reducción de las dimensiones del espacio en análisis, es decir, se reduce
el número de variables dependientes a G-1 dimensiones, donde G es el número de grupos
determinados a priori. Esto es muy útil en el contexto de la predicción de quiebra, ya que como se
parte de dos grupos (quebrados y no quebrados), el análisis se trasforma a la forma más simple: una
dimensión.
Cuando se ocupa una lista extensa de ratios financieros para estudiar el potencial de quiebra de una
empresa, es natural pensar que algunas variables tendrán un alto nivel de correlación o colinealidad
entre sí. Mientras este aspecto no es grave para el análisis discriminante, sí impulsa a una selección
cuidadosa de las variables (ratios) a usar. Coincidentemente, esta situación ofrece una ventaja para
el modelo, ya que se podría construir un modelo con pocas variables que entreguen una gran
cantidad de información. Dicha información puede fácilmente determinar diferencias entre los
grupos; el esfuerzo más importante del análisis es determinar si estas diferencias son significativas y
relevantes para la determinación de la probabilidad de quiebra.

Quizás la mayor bondad que tiene el ADM, es cuando se abordan problemas de clasificación, es el
potencial que ofrece para examinar el perfil completo de la empresa, en vez de mirar las
características individuales secuencialmente. Combinaciones de ratios pueden ser analizadas en
conjunto para poder eliminar las ambigüedades y clasificaciones erróneas observadas en estudios de
ratios tradicionales.

Altman llama a su modelo Z-Score y es una variación en la cual cinco medidas son ponderadas y
sumadas, para llegar a un puntaje general que se establece como la base para la clasificación de
empresas en dos grupos determinados a priori (con dificultades financieras y sin dificultades
financieras).

3.4 Análisis del Modelo Z-Score

A partir de 1968 y como consecuencia de los estudios de Beaver, varios investigadores comenzaron
a trabajar con modelos multivariables con el objetivo de poder determinar con más precisión qué
empresas se dirigían hacia la quiebra y cuales otras no. Entre estos estudios destacan los conducidos
por Edward Altman de la Universidad de Nueva York el cual amplió el análisis univariable al
introducir por primera vez múltiples predictores de quiebra mediante el Análisis Discriminante
Múltiple (ADM). Actualmente las grandes empresas, y sobre todo las financieras, utilizan el “Zeta
CreditRiskSystem” o “Zeta CreditScoringModel” que fue producto de su investigación y que
continua desarrollando la “Zeta Services Inc.”, una de las principales firmas que comercializa
sistemas que contribuyen a lainvestigación del análisis del fracaso empresarial en los Estados
Unidos. Otras que también son muy importantes son: “AdvantageFinancialSystems” (Boston); Trust
Division of theFirstUnion Bank” (Carolina del Norte); “Datastream” (Reino Unido); “Performance
AnalisysServicesLtd” (Reino Unido).

3.4.1 Desarrollo del modelo Z

El indicador Z brinda la posibilidad a las empresas de determinar la probabilidad de llegar a la

quiebra, por lo cual se constituye en una alerta temprana que permite mirar la exposición al riesgo
de insolvencia de las organizaciones.

Es un indicador que recopila varios indicadores financieros, cada uno con una proporción diferente,
lo cual permite llegar a un análisis más completo que el ofrecido por otros modelos y facilita la
obtención de unas conclusiones más precisas. Es una herramienta práctica que permite comparar los
resultados obtenidos con unos rangos ya establecidos por el mismo autor, lo que genera mayor
confianza.

Los indicadores financieros que conforman el modelo de Altman son los siguientes:

X1, Capital de trabajo / Activo Total: Este ratio mide la liquidez relativa de la compañía.

X2, Ganancias retenidas / Activo Total: Las ganancias retenidas muestran la reinversión hecha a lo
largo de la vida de una compañía y refleja el esquema de financiamiento.

X3, EBIT (Ganancias antes de intereses e impuestos) / Activo Total: Este ratio es un indicador de la
productividad de los activos de la empresa, independientemente de factores impositivos o
endeudamiento.
X4, Valor de mercado de las acciones / Pasivo Total: Este ratio indica cuánto puede bajar el valor de
los activos de la empresa antes de que el valor de los pasivos supere al de los activos y la empresa
entre en estado de insolvencia.

X5, Ventas / Activo Total: Este cociente, conocido como Ratio de Rotación, muestra la capacidad
generadora de ventas de la empresa.

El modelo de Altman tiene tres divisiones dependiendo de la empresa a la cual se aplique: el modelo
original fue creado para empresas manufactureras que cotizan en bolsa; posteriormente, éste fue
modificado y adaptado para las empresas manufactureras que no cotizan en bolsa; y, por último, fue
adecuado para todo tipo de empresas.

Los diferentes indicadores que integran el modelo original, (rentabilidad, liquidez y

endeudamiento), tienen asociada una ponderación previamenteestablecida por el autor, y es
partiendo de éste como se realizan las demásmodificaciones y adaptaciones, según lo describe
Altman (1968).

3.4.2 Modelo Original Z

Donde:

Capital de trabajo / Activo Total Liquidez

Utilidades Retenidas / Activo Total Financiación Interna Acumulada

Utilidad antes de intereses e impuestos / Activo Total Rentabilidad

Valor de mercado de capital / Pasivo total Estructura Financiera

 Ventas / Activo Total Rotación de Activos

El resultado indica que, Si , la empresa no tendrá problemas de insolvencia en el futuro; si

, entonces es una empresa que de seguir así, en el futuro tendrá altas posibilidades de caer
en insolvencia. El Modelo considera que las empresas se encuentran en una “zona gris” o no bien
definida, si el resultado de se encuentra entre 1.82 y 2.98, en todo caso debemosejercer mayor
control financiero.

Debido a que este modelo aplicaba sólo a empresas manufactureras quecotizaban en bolsa, Altman
hizo una revisión del mismo y obtuvo dos nuevas versiones, el y el .

3.4.3 Modelo Z1

Este modelo es una variación del modelo original, en el que se sustituye, por un lado, el
numerador en por el valor del capital contable, en lugar del valor de mercado del capital y en el
que la ponderación de cada índice también 4 se modifica. Las adaptaciones se hicieron con el fin de
aplicarlo a todo tipo de empresas y no solamente a las que cotizaran en bolsa.

Esta versión se desarrolló con empresas manufactureras y pondera de manera importante el activo
total de la empresa y su rotación.

La función queda de la siguiente manera27:

Si , la empresa no tendrá problemas de insolvencia en el futuro; si , entonces es

una empresa que de seguir así, en el futuro tendrá altas posibilidades de caer en insolvencia. Si el
resultado de esta entre 1.24 y 2.89, se considera que la empresa se encuentra en una “zona gris” o
no bien definida.

27
(UNC, 2005: 558).
3.4.5 Modelo Z2

Esta versión es un ajuste del modelo anterior en la que se elimina la razón de rotación de activos
, para aplicarlo a todo tipo de empresas y no sólo a manufactureras. Este nuevo modelo pondera
de manera importante la generación de utilidades en relación al activo, así como su reinversión.

La función final es la siguiente28:

Si , la empresa no tendrá problemas de insolvencia en el futuro; si , entonces es

una empresa que de seguir así, en el futuro tendrá altas posibilidades de caer en insolvencia. Las
empresas se ubicarán en una zona no bien definida si el resultado de se encuentra entre 1.11 y
2.59

28
(UNC, 2005: 559)
CAPÍTULO 4: ANÁLISIS E INTERPRETACIÓN DE
RESULTADOS

4.1. Selección de la muestra

La muestra se define como una parte o fracción representativa, un conjunto de un población o

universo, que ha sido obtenida con el fin de representar ciertas características del mismo. Para el
caso de la presente investigación, se decidió seleccionar una muestra no probabilística intencionada,
por tanto, no nos permite conocer un nivel de confianza de los resultados, pero que brindará los
elementos necesarios para el logro de los objetivos.

Se consideró pertinente tomar para la muestra empresas que están registradas en el programa
Economática del periodo 2000 al 2012 completando, si fuese el caso, con información de la SMV;
además se excluyó aquellas que no contaban con información en el ejercicio 2012. En el siguiente
cuadro se muestra al detalle las exclusiones que se tomaron:

Cuadro 5: Selección de empresas para el análisis

Descripción Cantidad
Total de Empresas en Economática 2001 a
2012 239
Empresas Financieras 42
Empresas Aseguradoras 12
Empresas de Fondo de Pensiones 5
Con menos de 5 años en la BVL 30
Con información incompleta 71
Empresas en Inversión 5
Empresas para el análisis 74
 Fuente: Elaboración propia.

Las empresas Financieras, Aseguradoras y de Fondo de Pensiones no se tomaron en cuenta para el

análisis debido a que estas presentan un comportamiento particular en sus estados de cuenta, las
empresas que tienen menos de 5 años también fueron excluidas debido a que están en proceso de
inversión y no tienen dividendos, luego de hacer estas exclusiones quedaron para el análisis 74
empresas con información al cierre del ejercicio del 2012.

4.2 Definición de las variables y Aplicación del Modelo Z

Para aplicar el modelo Z en las diferentes empresas, se descargaron los estados financieros del
(Balance General, Estado de Resultados y Estado de Flujo de Efectivo) de cada empresa, teniendo
como fuente el programa Economática y completando la información con SMV. En algunos casos se
presentaron inconvenientes, ya que para ciertas empresas no estaba disponible toda la información
requerida. Para la aplicación del indicador , se tuvo en cuenta el indicador , ya que esta es
robusta para todo tipo de empresas (que coticen o no coticen en bolsa).

4.3 Estructura de análisis

El indicador de Altman define los puntos de corte del modelo en 1.10 y 2.60 las empresas con
menor igual 1.10 son las que tienen problemas de quiebra los mayores a 2.60 son empresas sin
problemas de insolvencia financiera y las que están entre 1.11 y 2.59 son las que están en la zona
gris (empresas que no se pueden determinar si tienen problemas de insolvencia financiera).
Gráfico 1: Puntos de corte del Indicador de Altman

Fuente: Elaboración propia

De las 74 empresas que se analizaron 8 entraron en quiebra (dato tomado de la SMV) y se los
resultados se presentan a continuación.

Cuadro 6: Indicador de Altman para empresas en quiebra

Indicador Z un año antes de

Empresa en Quiebra quebrar
Bakelita y Anexos SA -18.47
Peruanos Envase -12.89
Fabritex -7.58
Industria de Pinturas
-6.54
Asociadas
Textiles San Cristóbal -3.94
Fabrica de Bicicletas -2.63
Textil del Pacifico -2.51
Tucuman 0.04
Fuente: Elaboración propia
Gráfico 2: Indicador de Altman para empresas en quiebra

Empresas Quebradas
5
0.04
0 -2.63 -2.51
Indicador Z de Altman

-3.94
-5 -6.54
-7.58

-10 -12.89

-15
-18.47

-20
1 2 3 4 5 6 7 8
Fuente: Elaboración propia

Todas estas empresas están por debajo del umbral 1.10 del ; es decir, que un año antes de entrar
en quiebra el modelo de Altman ya los había calificado como empresas con problemas de
insolvencia financiera.

Con respecto a la las empresas que no han quebrado, a continuación se presentan sus indicadores
(Según sector al que pertenecen):
Cuadro 7: Indicador de Altman en el sector:Industria

Sector Industria Indicador Z en el 2012 Zona

Delcrosa S.A. 0.96 Quiebra
Lima Caucho 1.68 Gris
Mepsa 1.85 Gris
Corp.AcerosArequip 2.31 Gris
Industria Textil Piura 3.02 Sin problemas
Quimpac 3.06 Sin problemas
IntradevcoInd.S.A. 3.41 Sin problemas
Explosivos 3.66 Sin problemas
Filamentos Industr. 3.82 Sin problemas
Hidrostal 3.84 Sin problemas
Cia.Univers. Textil 3.87 Sin problemas
Austral Group S.A. 3.97 Sin problemas
Michell Y Cia. S.A. 4.19 Sin problemas
Pamolsa 4.51 Sin problemas
Ieqsa 5.75 Sin problemas
Cementos Pacasmay 7.22 Sin problemas
Record 7.50 Sin problemas
GoodYear 8.84 Sin problemas
Fuente: Elaboración propia

Cuadro 8: Indicador de Altman en el sector:Minería

Sector Minería Indicador Z en el 2012 Zona

Milpo 1.77 Gris
Morococha 1.80 Gris
Minsur 3.13 Sin problemas
Shougang Hierro 3.66 Sin problemas
Volcan 3.93 Sin problemas
Minera Andina Explo 7.25 Sin problemas
ShougangGener.Elec 7.67 Sin problemas
Soc. Minera Corona 7.91 Sin problemas
Buenaventura 9.31 Sin problemas
Minera BarrickMisquichilca S.A. 11.32 Sin problemas
Soc. Minera Cerro Verde 12.73 Sin problemas
SouthernPeru 14.06 Sin problemas
Fuente: Elaboración propia
Cuadro 9: Indicador de Altman en el sector: Servicios Públicos

Sector Servicios Públicos Indicador Z en el 2012 Zona

Telefonica del Peru 1.23 Gris
Edelnor 1.26 Gris
Sedapal S.A. 2.03 Gris
Transporte Gas Peru 2.29 Gris
Gas Natural Lima 2.38 Gris
Edegel S.A. 2.40 Gris
Electro Sur Este 7.75 Sin problemas
Electroperu S.A. 9.91 Sin problemas
Fuente: Elaboración propia

Cuadro 10: Indicador de Altman en el sector: Agrícola

Sector Agrícola Indicador Z en el 2012 Zona

Pomalca S.A. 0.33 Quiebra
Chucarapi-Pampa Bla 1.46 Gris
San Jacinto S.A.A. 1.70 Gris
Cartavio S.A. 3.20 Sin problemas
Casa Grande S.A. 3.78 Sin problemas
Agro Ind. Paramonga 4.50 Sin problemas
Empresa Agraria San Juan 4.74 Sin problemas
Chiquitoy S.A. 4.88 Sin problemas
Empresa Azucarera El Ingenio 6.89 Sin problemas
Empresa AgricolaSintuco 7.38 Sin problemas
Fuente: Elaboración propia
Cuadro 11: Indicador de Altman en sectores diversos

Sectores Diversos Indicador Z en el 2012 Zona

Amazon Com. 1.15 Gris
Inversiones la Rioja 1.59 Gris
Grana Y Montero S.A 2.00 Gris
RashPeru 3.06 Sin problemas
NCF Inversiones S.A C1 3.67 Sin problemas
Inversiones Nac. de Turismo 3.88 Sin problemas
Alicorp S.A. 4.15 Sin problemas
Inversiones Pacasmayo S.A. 4.83 Sin problemas
Norvial 5.00 Sin problemas
IntercorpPeru 5.38 Sin problemas
Cisco Systems 5.63 Sin problemas
Inversiones En Turismo 6.02 Sin problemas
Cavali S.A. 9.84 Sin problemas
PeruHold.Turismo S.A.A. 11.47 Sin problemas
Old.Turismo 11.47 Sin problemas
Bayer S.A. 13.52 Sin problemas
Fuente: Elaboración propia

Gráfico 3: Distribución del Indicador de Altman por sector

18 18
12 10
8

25%

78% 70%
83% 83%
75%
20%
17% 17% 17%
6% 0% 0% 10% 0%
Industria Mineria Público Agricola Diversos

Quiebra Gris Sin problemas Total

Fuente: Elaboración propia
El sector dónde se obtuvo un alto porcentaje de zona gris es el sector de empresas de servicio
público, esto nos da indicios de que se podría profundizar estudios en este sector.

En general, las empresas que no han quebrado:

Cuadro 12: Distribución de empresas que no quebraron

Zona Cuenta Porcentaje

En Quiebra 2 3%
Gris 16 24%
Sin Problemas 48 73%
Total 66 100%
Fuente: Elaboración propia

Con respecto a las empresas que si quebraron estas son sus estadísticas:

Cuadro 13: Distribución de empresas que si quebraron

Zona Cuenta Porcentaje

Quiebra 8 100%
Gris 0 0%
Sin Problemas 0 0%
Total 8 100%
Fuente: Elaboración propia

Luego quitando la zona gris, que es la zona dónde no se sabe si las empresas tienen problemas de
insolvencia o no los resultados son los siguientes:
Cuadro 14: Porcentaje de Acierto del Indicador de Altman

Indicador Z
Sin % de Error de
En Quiebra Problemas Acierto Predicción
Empresas Sanas 2 48 96% 4%
Empresas
Quebradas 8 0 100% 0%
Fuente: Elaboración propia

El porcentaje de empresas que se acertó con éxito, en total, es del 96.6% del total y los mal
acertados es del 3.4%.

4.4 Bondad de ajuste

Las pruebas de bondad de ajuste arrojan los siguientes resultados:

Cuadro 15: Prueba de Bondad de Ajuste

DIF % ACUM
Zona de No Zona de % acum No % acum
Segmento Porc.
Quiebra Quiebra
Total
Quiebra Quiebra
No quiebra,
Quiebra

Emp No Quebradas 86% 48 2 50 100% 20% 80%

Emp Quebradas 14% 0 8 8 100% 100% 0%
58 KS: 80%
Poder discriminante: 90%
Coeficiente GINI: 80%
Fuente: Elaboración propia

Las pruebas de bondad de ajustes, no paramétricas, que se utiliza para determinar la bondad de
ajuste de dos distribuciones. En el análisis se obtuvo un KS del 80%, esto quiere decir que el
Indicador de Altman tiene un buen poder de discriminación entre empresas en quiebra y no quiebra;
esto se puede constatar con el Coeficiente de GINI.
En resumen, el resultado del análisis nos indica que el indicador de Altman si es aplicable en el
modelo peruano, con alto poder de discriminación.
CONCLUSIONES

En este trabajo hemos revisado detalladamente los modelos , y de Altman que se usan para
referirse al estudio de quiebra empresarial, centrándonos en el indicador que es robusto, para el
uso en todo tipo de empresas, con esto se llegó a las siguientes conclusiones:

Los análisis realizados han demostrado que la aplicación del modelo , de Altman, es eficiente para
la predicción de quiebra empresarial en el mercado peruano, con un porcentaje de acierto del 96%.

Para la construcción del indicador, se debe tener en cuenta la depuración de datos que presenta
inconsistencias, ya que puede llegar a alterar resultado.

El modelo Z-Score, planteado, es una herramienta altamente efectiva para disminuir la

incertidumbre ante una posible quiebra de las compañías a financiar.

La efectividad de la aplicabilidad del modelo Z-Score 2, ha sido demostrado para empresas que
cotizan en la Bolsa de Valores de Lima, la efectividad del modelo para otro tipo de empresas deberá
ser demostrado en futuras investigaciones.
RECOMENDACIONES

Recomendamos, a las empresas peruanas, utilizar el indicador de Altman para clasificar a las
unidades empresariales y con esto disminuir el riesgo de financiar a empresas en potencial quiebra.

Recomendamos, Contar con estados financieros completos y verificados, de las empresas en

evaluación, ya que estos son un input del modelo.

Recomendamos, a las empresas, contar con un equipo de apoyo que realicen análisis back testing,
para identificar la vigencia del modelo y correcta estimación.

Para futuros estudios sobre la predicción de quiebra, se recomienda utilizar el modelo Z-Score de
Altman con data panel, pero la misma unidad trasversal, a lo largo del tiempo. esto nos permitiría
encontrar tendencias y detectar con anticipación, la quiebra empresarial.

Además, se recomienda que la base de datos se obtenga por mecanismos que brinden información
más exacta, debido a que los datos suministrados por el programa Economática, presentan
inconsistencias como: datos en cero, desfasados, entre otras que podrían afectar la correcta
estimación del modelo.
ANEXOS
Publicación de la Ley 20709: Ley General del Sistema Concursal.
B. Altman 1968
 GLOSARIO DE TÉRMINOS

Aleatorio: “Se define como aleatoria la selección de elementos en la que cada uno de éstos tiene
una probabilidad conocida y distinto de cero de ser seleccionado” (Vivanco, 2005: 25).

Análisis Discriminante: “Es una técnica estadística que permite estudiar las diferencias entre dos o
más grupos, de objetos con respecto a varias variables simultáneamente”(Vallejo Seco, 1992: 225).

Análisis Factorial: “El análisis factorial, supone que hay una parte común, COMUNALIDAD, de
la variabilidad de las variables, explicadas por factores comunes, cada variable tiene una parte de su
variabilidad no común propia de cada variable, a esta variabilidad no común la llamaremos factor
único” (Álvarez Cáceres, 1994: 239).

Análisis Multivariante: “Es el conjunto de métodos estadísticos cuya finalidad es el análisis de

datos en lo que contamos con más de dos variables medidas para cada caso estudiado” (Guisande,
Barreiro 2006: 207).

Apalancamiento: “Es el grado de riesgo asumido con productos derivados en mercados

organizados comparándolos con los márgenes necesarios para mantener esa posición. El grado de
apalancamiento en muy superior en productos derivados pues con su desembolso inferior podemos
asumir una posición nominal mayor que si comprásemos el activo subyacente” (Inmaculada Para,
Arguedas ,2010: 448).

Base de datos: “Es una colección interrelacionada de datos, almacenados en un conjunto sin
redundancias innecesarias cuya finalidad es la de servir a una o más aplicaciones de la manera más
eficiente” (Nevado Cabello, 2009: 22).
Capacidad Instalada: “Corresponde a la capacidad máxima disponible de producción permanente
de la empresa” (Florez Uribe, 2007: 46).

Capital Financiero: “Es aquel invertido por los socios o accionista, medidos en forma constante,
esta dado por la suma de dinero y bienes con que opera” (Greco, 2007: 102).

Ciclos Económicos: “son fluctuaciones recurrentes pero no periódicas (esto es irregulares) en

actividad económica”. (Milton1993: 123).

Correlación Canoníca: “Es una extensión natural de correlación múltiple, motivada por la
necesidad de estudiar fenómenos que no puedan representarse por una sola variable criterio, es una
técnica para analizar la relación entre 2 conjuntos de variables” (HernandezRodriguez, 1998: 77).

Correlación Múltiple: “Sirve para medir la relación entre un conjunto de variables predictor a y
una variable respuesta o dependiente, también llamada criterio” (HernandezRodriguez, 1998: 77).

Economía Emergente: “Ofrece la perspectiva de un crecimiento sustancial en lo que respecta a la

tasa de crecimiento, o que tan reciente se abre a la economía global desarrollándose en algunas de
las instituciones necesarias para fomentar el comercio” (Mangones, 2006:128).

Entorno Macroeconómico: “Se refiere a la permanencia y el crecimiento económico, situación

directamente relacionada con la estabilidad de las variables nominales” (Ortega Venzor, 2006: 62).

Etapa Descriptiva: “Tiene por objeto lograr una descripción del fenómeno en estudio que resulte lo
más completa y no prejuiciada posible y, al mismo tiempo, refleja la realidad vivida por el sujeto, su
mundo y su situación, en la forma más auténtica” (LEON, Iván y TORO, Josefina 2007: 129)

Función Lineal: “Se denomina función lineal a toda función cuya ley es de la forma y= a +bx”
(Cadonche, 2004: 109).

Heterostedacidad: “Modelo estadístico que asume que cada termino de error, no es constante para
cada operación” (Morales Enriquez, 2001: 236).
Liquidez: “La liquidez mide la capacidad de satisfacer obligaciones de corto plazo conformen se
venzan” (Lawrence, 2003: 49).

Matriz de Correlación: “Es la forma estándar para reportar correlaciones observadas entre
variables multiples. Es una técnica de clasificación y asignación de individuos a grupos, conocidas
sus características” (Zikmund G, Babin, 2008: 588).

Medidas de Bondad de Ajuste: “Implica que la regresión obtenida se ajuste a los datos
observados, una vez que la relación entre las variables ha sido completamente especificada, desde
ese punto de vista pueden utilizarse coeficiente de determinación” (Cáceres Hernández, 2007: 95)

Modelos Multivariantes: “Es la extensión a más de una variable dependiente” (López, 1990: 74).

Modelos Univaraiantes: “Modelos que se caracteriza por utilizar una única variable dependiente”
(López, 1990: 74).

Moneda de Valor Nominal: “Denota el valor establecida en la misma, independiente de su valor

adquisitivo .supone que la moneda es un valor inmutable a lo largo del tiempo” (Greco, 2007: 368).

Muestra: “Es una colección de unidades seleccionadas de una población con el fin de estimar los
valores que caracterizan a la población” (Vivanco, 2005: 24)

Parámetro: “Un parámetro corresponde a un valor desconocido de la población que es estimado

por un valor conocido de la muestra” (Vivanco, 2005: 25)

Poder Discriminante: “Diferencias grandes entre los conglomerados variables independientes”

(MC Daniel, 2005: 530).

Punto de Equilibrio: “Es aquel punto en el que los ingresos totales bastan para cubrir los costos
toles” (Robbins, 2005: 216).

Quiebra: “El termino quiebra se emplea como sinónimo de crisis más o menos grave de la empresa,
por que ha llegado a una situación insostenible” (Sobrino Morales, 2002: 66).
Ratios Financieros: “Son aquellos que indican la relación existente entre una partida activa y otra
pasiva con el fin de evaluar el equilibrio financiero de la empresa” (BERNAL GARCIA, 2007: 114).

Ratios de Tesorería: “Es aquel ratio que relaciona la suma de disponibilidades más créditos a corto
plazo e inversiones financieras temporales, con las deudas de corto plazo” (Gutiérrez Viguera, 2008:
337).

Redes Neuronales: “Las redes neuronales, son sistemas celulares físico, capaces de adquirir,
almacenar y utilizar conocimiento extraído de la experiencia” (Hernández López, 2006: 47).

Riesgo de Crédito: “Es el riesgo de solvencia de una determinada empresa o persona y es la medida
de la incapacidad de cancelar sus compromisos de crédito de una determinada entidad” (Lahoud,
2006: 83).

Riesgo Industrial: “Riesgo asociado a la probabilidad de que ocurra un accidente que afecte a las
personas o tenga consecuencia medioambientales y lógicamente a todas las actividades industriales”
(Ponce de León Montes, 2002: 147).

Solvencia: “Es la capacidad para hacer frente a todas sus deudas, mediante la liquidación de todos
sus activos , sin tomar en cuenta el plazo en que las obligaciones son exigibles” (Bello R, 2007: 234)

Variables Independientes: “Representa los tratamientos o condiciones del investigador controla

para probar sus efectos sobre algún resultados” (Salkind, 1998: 25).

Variable Aleatoria: “Es una descripción numérica del resultado de un experimento, puede ser
discreta o continua, depende del tipo de números que asuma” (Anderson, 2008: 188).
BIBLIOGRAFÍA

ACHING GUZMÁN, Cesar

2006, Ratios Financieros y Matemáticas de la Mercadotecnia-Diplomado ESAN. Lima.

ALTMAN, Edward
1968, Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal
of Finance, Vol. 23, Nr. 4, pp 589-609

ALTMAN, Edward
2005, An emerging market credit scoring system for corporate bonds. NYU Stern School of
Businnes, New York, NY 10012, USA

AUTOR SALKIND, Neil j

1998, Métodos de investigación, 3ra ed. México, D.F.: Pearson Educación.

ALVAREZ CACERES, Rafael

1994, Estadística multivariante y no paramétrica con SPSS: aplicación a las ciencias de la salud.
Madrid. Ediciones Díaz de Santos.

ANDERSON,DavidRay y SWEENEY,Dennis J
2008, Estadística Para Administración y Economía, 10ma ed. México,D.F.: Cengage Learning
Editores.

BELLO R, Gonzalo
2007, Operaciones Bancarias en Venezuela: Teoría y práctica,2da ed. Caracas : Universidad
Católica Andrés

BERNAL GARCIA, y otros

2007, 20 herramientas para la toma de decisiones: Método del caso, Madrid: Especial Directivos
BRIGHAM, E. F. y HOUSTON, J. F.
2007, Fundamentals of Financial Management- Eleventh Edition. Florida.

CACERES HERNANDEZ, José Juan

2007, Conceptos básicos de estadística para ciencias sociales .Madrid: Delta Publicaciones

CADONCHE, Lilian y otros

2004, Matemática Preuniversitaria, santa fe: Universidad Nac. Del Litoral

CHU RUBIO, Manuel

2011, Finanzas Aplicadas - Teoría y Práctica. Lima.

CHU RUBIO, Manuel

2009, Fundamentos de Finanzas. Lima: Kemocorp Internacional SAC

FLOREZ URIBE, Juan Antonio

2007, Proyecto de inversión para las PYME. Creación de empresas. Bogotá: ECOE EDICIONES

GUTIERREZ VIGUERA, Manuel

2008, Aplicación del nuevo PGC y de las NIIF a las empresas constructoras e inmobiliarias.
Valencia: CISS

GRECO, Orlando
2007, Diccionario Contable, 4ta ed. Buenos aires: Valletta Ediciones SRL

GUISANDE GONZÁLEZ, Cástor y BARREIRO FELPETO, Aldo

2006, Tratamiento de Datos, Madrid: Ediciones Díaz de Santos

HEINEMANN, Klaus
2003, Introducción a la metodología de la investigación empírica, Barcelona: Editor Service SL
HERNANDEZ LOPEZ, Leonor
2006, Predicción y optimización de emisores y consumo mediante redes neuronales en motores
diésel, Barcelona: Reverte.

HERNANDEZ RODRIGUEZ, Oscar

1998, Temas de Análisis Estadístico Multivariado, San José: Editorial Universidad de Costa Rica

HORNGREN, Charles y otros

2007, Contabilidad de Costos, Enfoque gerencial (Edición Español). Mexico: Pearson

GRACÍA PÉREZ DE LEMA, Domingo

1997, El Riesgo Financiero de la Pequeña y Mediana Empresa en Europa. Madrid: Pirámide.

FONDO MONETARIO INTERNACIONAL

2010, Perspectivas de la Economía Mundial (Fondo Monetario Internacional), N. W. Washington
D.C.

LAWRENCE J AUTOR GITMAN, Elisa Núñez Ramos

2003, Principios de administración financiera, 10ma.ed.Mexico, D.F.: Pearson Educación

LEÓN Iván y TORO Josefina

2007, Paradigmas y métodos de investigación en tiempo cambio, Caracas: CEC SA.

LÓPEZ PÉREZ, César

2007, Minería de Datos - Técnicas y Herramientas. Madrid: Thomson Editores Spain.

LÓPEZ PÉREZ, César

2005, Métodos Estadísticos Avanzados con SPSS. Madrid: Thomson Editores Spain.

LÓPEZ PÉREZ, César

2005, Técnicas Estadísticas Con SPSS 12- Aplicación al Análisis de Datos. Madrid: Pearson
Educación S.A.
LOPEZ PINA, José Antonio
1990, Estadística avanzada con el paquete SYSTAT, Vol. 3, Murcia: EDITUM

LAHOUD, Daniel A
2006, Los Principios de Las Finanzas Y Los Mercados Financieros, 3ra ed. Caracas: Universidad
Católica Andrés

MILTON H, Spencer
1993, Economía contemporánea, 3ra.Ed.Barcelona: Reverte

MANGONES HERNANDEZ, Gustavo

2006, Diccionario de Economía, 1ra ed.Medillin: U. Cooperativa de Colombia

MC Daniel y otros
2005, Investigación de mercados 6ta ed. Mexico, D.F.: Cengage Learning Editores

MORALES ENRIQUEZ,Efraín
2001, Introducción a la Econometria.Quito: Editorial AbyaYala

NEVADO CABELLO, Victoria

2009, Introducción a las bases de datos relacionales, Madrid: Visión Libros

ORTEGA VENZOR, Alberto

2006, El Reto de La Informalidad Y La Pobreza Moderada, vol. 6.Mexico, D.F.: FLACSO,Editorial
Porrúa sa.

PONCE DE LEON MONTES, Julio

2002, Medio Ambiente y Desarrollo Sostenible, vol. 3.Madrid: Univ. Pontifica Comillas

PRA, Inmaculada y otros

2010, Gestión y Control del Riesgo de Crédito Con Modelos Avanzados. Madrid.
ROMERO, Rafael y, ZÚNICA, Luisa Rosa
2005, Métodos Estadísticos en Ingeniería. Valencia: Universidad Politécnica de Valencia.

ROBBINS, Stephen p
2005, Administración, 8va ed. México, D.F.: Pearson Educación

SINHA, Gokul,
2009, Financial Statement Analysis. New Delhi: PHI Learning Private Limited.

SORET LOS SANTOS, Ignacio

2008, Modelo de medición de conocimiento y generación de ventajas competitivas sostenibles en el
ámbito de la iniciativa "Respuesta eficiente al Consumidor", Madrid: Esic Editorial

SOBRINO MORALES, Miguel

2002, Derecho mercantil. Madrid: Editorial UOC

SWEENEY WILLIAMS, Anderson

2009, Statistics for Business and Economics. Mason: Thomson South Western.

UNIVERSIDAD NACIONAL DE COLOMBIA, SEDE MANIZALES

2005, Investigación en administración en América Latina: Evolución y Resultados: UNC

UNIVERSIDAD DE VALENCIA – ESPAÑA

2003, Probabilidad y Procesos Estocásticos. Universidad de Valencia, Valencia:

VALLEJO SECO, Guillermo

1992, Técnicas multivariantes aplicadas a las ciencias del comportamiento, España: Universidad de
Oviedo.

VIVANCO, Manuel
2005, Muestreo Estadístico Diseño y Aplicaciones, Santiago de Chile: Universitaria SA
ZIKMUND G. William y BABIN, Barry j
2008, Investigación de Mercados, 9na ed. México: CengageLearning Editores