El principio de empresa en funcionamiento y los modelos de predicción de quiebra

FACULTAD DE TURISMO Y FINANZAS GRADO EN FINANZAS Y CONTABILIDAD EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO Y LOS MODELOS DE PREDICCIÓN DE QUIEBRA Trabajo Fin de Grado presentado por Ignacio del Pino Jiménez, siendo la tutora del mismo la profesora Joaquina Laffarga Briones. Vº. Bº. de la Tutora: Alumno: Dña. Joaquina Laffarga Briones D. Ignacio del Pino Jiménez Sevilla. Junio de 2020 GRADO EN FINANZAS Y CONTABILIDAD FACULTAD DE TURISMO Y FINANZAS TRABAJO FIN DE GRADO CURSO ACADÉMICO [2019-2020] TÍTULO: EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO Y LOS MODELOS DE PREDICCIÓN DE QUIEBRA AUTOR: IGNACIO DEL PINO JIMÉNEZ TUTOR: DRA. DÑA. JOAQUINA LAFFARGA BRIONES DEPARTAMENTO: CONTABILIDAD Y ECONOMÍA FINANCIERA ÁREA DE CONOCIMIENTO: ECONOMÍA FINANCIERA Y CONTABILIDAD RESUMEN: Este trabajo desarrolla, en primer lugar, una explicación y revisión bibliográfica del principio de empresa en funcionamiento y la dualidad en su aplicación(auditoradministradores), y de los modelos de predicción de quiebra, con especial hincapié en los modelos Z-score, a partir de los cuales se desarrolla el estudio empírico que constituye la parte práctica de este trabajo. En dicho estudio, se describe un modelo de análisis de datos de empresas españolas auditadas elaborado con Power BI, a partir del cual se segmentan los resultados del modelo Z’ y Z’’ de Altman y la reestimación del Oriol Amat para empresas españolas. Por último, se propone una variación para que el modelo Z incluya valores de años anteriores, y se evalúa la hipótesis de que será influyente para una empresa el hecho de haber obtenido puntuaciones negativas según los modelos Z. PALABRAS CLAVE: Gestión continuada; predicción de quiebra; modelo de Altman; Z-score; empresas españolas. Grado en Finanzas y Contabilidad Facultad de Turismo y Finanzas – Universidad de Sevilla - 2 - TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - I - ÍNDICE 1 INTRODUCCIÓN ................................................................................................... 3 2 EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO ........................................ 5 2.1 EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO EN CONTABILIDAD 5 2.1.1 El principio de empresa en funcionamiento en las cuentas anuales ........ 7 2.2 EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO EN LA AUDITORÍA . 9 2.2.1 La incertidumbre sobre el PEF en el informe de auditoría........................ 9 2.3 INDICADORES SOBRE EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO ................................................................................................ 13 3 LOS MODELOS DE PREDICCIÓN DE QUIEBRA ............................................... 15 3.1 INTRODUCCIÓN .......................................................................................... 15 3.2 UTILIDAD DE LOS MODELOS DE PREDICCIÓN DE QUIEBRA ................. 16 3.2.1 La utilidad de los modelos para el análisis de los datos contables. ........ 16 3.2.2 La utilidad de los modelos de predicción de quiebra para los usuarios. . 16 3.3 MODELOS UNIVARIANTE-BEAVER ........................................................... 17 3.4 MODELOS MULTIVARIANTE-MODELOS Z SCORE ................................... 18 3.5 ANÁLISIS LOGIT .......................................................................................... 21 3.6 REDES NEURONALES ARTIFICIALES ....................................................... 21 3.7 LOS MODELOS DE PREDICCIÓN DE QUIEBRA Y LA GESTIÓN CONTINUADA ........................................................................................................ 22 4 ESTUDIO EMPÍRICO .......................................................................................... 23 4.1 OBJETIVO DEL ESTUDIO ........................................................................... 23 4.2 HIPÓTESIS A PLANTEAR ........................................................................... 23 4.3 POBLACIÓN Y MUESTRA ........................................................................... 23 4.4 METODOLOGÍA ........................................................................................... 25 4.4.1 Limitaciones y consideraciones sobre la metodología ........................... 26 4.5 RESULTADOS ............................................................................................. 26 4.5.1 Distribución estadística de la muestra.................................................... 27 4.5.2 Análisis Z segmentado .......................................................................... 28 4.5.3 Las empresas en situación de insolvencia ............................................. 31 4.5.4 Los informes de auditoría con incertidumbre sobre gestión continuada . 34 4.6 CONCLUSIONES DEL ESTUDIO EMPÍRICO .............................................. 36 5 CONCLUSIONES ................................................................................................ 39 del Pino Jiménez, Ignacio - II - TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 3 - 1 INTRODUCCIÓN El objetivo del presente trabajo es realizar un estudio sobre el principio de empresa en funcionamiento, los modelos de predicción de quiebra y la relación que existe o puede existir entre los resultados de estos con la aplicación de aquel y la características de las empresas que componen el tejido empresarial español. La justificación de este trabajo se encuentra en la necesidad del auditor de obtener evidencia suficiente de auditoría, y se ha considerado interesante el hecho de que esa evidencia pudiera sustentarse, en el ámbito cuantitativo, en la calificación que un modelo objetivo pudiera arrojar sobre los estados financieros de la empresa. Para ello, en primer lugar se ha desarrollado una revisión bibliográfica y estudio teórico sobre los dos conceptos, para profundizar en ellos y sustentar así el planteamiento práctico que se ha hecho al final del trabajo. De este modo, el trabajo se estructurará en tres partes bien diferenciadas: 1. El principio de empresa en funcionamiento 2. Los modelos de predicción de quiebra 3. Estudio empírico En el primero, se hará un desarrollo del principio de empresa en funcionamiento y su planteamiento desde el punto de vista del administrador (al elaborar las CCAA) y desde el punto de vista del auditor (al verificarlas). En el segundo, se explicará qué son los modelos de predicción de quiebra, para qué sirven, cuáles son y su relación con el principio de empresa en funcionamiento. Por último, se llevará a cabo un estudio empírico mediante la aplicación de tres modelos de predicción de quiebra a una muestra grande, tratando de determinar la influencia de algunas variables financieras y no financieras en la calificación arrojada por los modelos, comparándose los resultados de los modelos con los de los auditores, y llegando a proponer y comprobar la validez de una variación de dos de los modelos que incluya las puntuaciones de los últimos años. Por último, antes de comenzar el desarrollo del trabajo, me gustaría agradecer: A mi tutora, la Doctora Doña Joaquina Laffarga Briones, por la ayuda y orientación en este trabajo que se ha desarrollado en unas excepcionales circunstancias motivadas por la pandemia del COVID-19 A Maite, por ser siempre fuente de inspiración y apoyo en los momentos más complicados. A mi padre, por haberme inculcado la vocación de auditor, despertar en mí toda clase de inquietudes contables y estar siempre disponible para cualquier cuestión que aparezca en mi cabeza. A mi familia y amigos, por su apoyo, ánimos y traducciones en el desarrollo de este trabajo. del Pino Jiménez, Ignacio - 4 - TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 5 - 2 EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO 2.1 EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO EN CONTABILIDAD Podemos definir como marco conceptual la recopilación, sistematización y exposición de los conceptos fundamentales para el desarrollo de una investigación, en un área científica concreta. Debe: • Estar delimitado • Partir de un conocimiento previo suficiente. • Tener una perspectiva analítica. • Desarrollarse delo general a lo particular. Se conoce como marco conceptual de la contabilidad o marco contable el conjunto de principios, requisitos, normas de valoración y criterios que son aplicables a la contabilidad financiera de las empresas a las que resulta de aplicación el Plan de Contabilidad para el que se ha prescrito dicho marco conceptual. De esta definición, se obtiene que cada uno de los planes contables que existen en España tiene su particular marco conceptual, encargado de delimitarlo y definirlo en sus términos generales. Se debe saber que en el marco normativo español hay tres Planes Generales de Contabilidad (en adelante PGC): PGC normal (o PGC), PGC de PYMES (aplicable a las PYMES) y el PGC abreviado. Por otro lado, dada la naturaleza de su actividad, hay diversos sectores que, con el objetivo de mostrar de una forma más correcta su información financiera y en definitiva la imagen fiel de su actividad y el reflejo correcto de su actividad en su contabilidad, tienen un plan sectorial, que no es otra cosa que una adaptación de la norma general (PGC). En todos aquellos aspectos en los que no se pronuncie la norma específica, o cuestiones que no estén reguladas por esta, deberá recurrirse a lo que establezca el PGC. Como se ha indicado, es en el marco contable donde se recogen los principios de aplicación, y por ende será ahí donde se encuentre recogido en primera instancia el Principio de Empresa en funcionamiento. El PGC actual, aprobado por el Real Decreto 1514/2007, del 16 de noviembre, y actualizado por última vez el 17/12/2016, contiene los principios contables de aplicación en su artículo tercero. El apartado 1, que define el principio de empresa en funcionamiento, dice lo siguiente: “Se considerará, salvo prueba en contrario, que la gestión de la empresa continuará en un futuro previsible, por lo que la aplicación de los principios y criterios contables no tiene el propósito de determinar el valor del patrimonio neto a efectos de su transmisión global o parcial, ni el importe resultante en caso de liquidación. En aquellos casos en que no resulte de aplicación este principio, en los términos que se determinen en las normas de desarrollo de este Plan General de Contabilidad, la empresa aplicará las normas de valoración que resulten más adecuadas para reflejar la imagen fiel de las operaciones tendentes a realizar el activo, cancelar las deudas y, en su caso, repartir el patrimonio neto resultante, debiendo suministrar en la memoria de las cuentas anuales toda la información significativa sobre los criterios aplicados.” del Pino Jiménez, Ignacio - 12 - Por tanto, no sería procedente incluir una salvedad en el informe y no lo sería tampoco emitir una opinión modificada. En su lugar, lo óptimo es incluir la incertidumbre sobre la continuidad de la empresa como una KAM (o AMRA), pero la NIA-ES 570, que se refiere al PEF, establece una circunstancia especial. Con el objetivo de llamar la atención del usuario del informe, la forma correcta de actuar será incluir un párrafo de énfasis al respecto, a continuación del párrafo de opinión, en el que se destacará la existencia de una incertidumbre material relativa a la capacidad de la entidad para continuar como empresa en funcionamiento, y se llamará la atención sobre la nota explicativa en la Memoria en la que se revela lo anterior. Además, en la sección KAM (o AMRA) se hará referencia a este párrafo y esta circunstancia. ESCENARIO 3º: LA INCERTIDUMBRE NO SE REVELA ADECUADAMENTE EN LA MEMORIA En este sentido, el auditor en el desarrollo de su trabajo detecta una incertidumbre material acerca de la aplicación del PEF que no se revela adecuadamente en la Memoria. En el supuesto propuesto, lo procedente según Toro, B. (2011) sería emitir una opinión modificada con salvedades, detallando como fundamento de la opinión modificada la existencia de una salvedad por falta de información motivada por una incertidumbre material que puede generar dudas significativas sobre la capacidad de la entidad para continuar como empresa en funcionamiento, no revelándose esto adecuadamente en los EEFF. No obstante a lo anterior, la NIA-ES 570, que se modificó en 2013, en su requerimiento 23 dice que: “Si la información revelada acerca de la incertidumbre material en los estados financieros no es adecuada, el auditor: (Ref: Apartados A32–A34) a) expresará una opinión con salvedades o una opinión desfavorable (adversa), de conformidad con la NIA 705 (Revisada), y b) en la sección “Fundamento de la opinión con salvedades” o “Fundamento de la opinión desfavorable (adversa)” del informe de auditoría, indicará que existe una incertidumbre material que puede generar dudas significativas sobre la capacidad de la entidad para continuar como empresa en funcionamiento y que los estados financieros no revelan adecuadamente esta cuestión.”, El profesor Labatut (2017) se apoya en este requerimiento a la hora de dar su opinión, pero debe especificarse que, para que la opinión en este supuesto sea desfavorable en lugar de con salvedades, deberán darse unas circunstancias particulares, y estas se aprecian con los ejemplos 2 y 3 que incluye la NIA-ES 570(Revisada). Se concluye con su lectura que será opinión con salvedades cuando la entidad no haya incumplido aún sus obligaciones corrientes, es decir, sea una incertidumbre. Por el contrario, cuando ya se hayan incumplido (se haya materializado la incertidumbre con respecto a las obligaciones), será adecuada una opinión adversa(desfavorable). ESCENARIO 4º: LA EMPRESA HA APLICADO EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO Y EL AUDITOR CONCLUYE QUE NO ES PROCEDENTE Este escenario se diferencia de los demás porque en él no opera la incertidumbre, si no una certeza, no absoluta pero sí fundamentada debidamente en la evidencia obtenida por el auditor, de que la entidad no podrá continuar su actividad, por lo que lo adecuado sería al preparar los EEFF no aplicar el PEF, porque el supuesto más realista y probable es la liquidación. En este caso, según la Guía de Aplicación de la NIA-ES 570, el auditor expresará una opinión desfavorable, al considerarse que la aplicación del PEF no siendo adecuada la TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 13 - misma conlleva una valoración irreal de la entidad, de modo que los EEFF no mostrarán la imagen fiel del patrimonio, la situación financiera y los resultados de la entidad. Pese a esto, el auditor expresará una opinión no modificada si los administradores preparan unos EEFF sobre una base alternativa al PEF (p.e. liquidación) siempre que se considere que esta base constituye un marco de información financiera aceptable en las circunstancias de la empresa, siendo apropiado incluir un párrafo de énfasis al respecto del PEF. 2.3 INDICADORES SOBRE EL PRINCIPIO DE EMPRESA EN FUNCIONAMIENTO Visto lo anterior, se debe partir de la base de que la aplicación del PEF experimenta una dualidad, ya que será objeto de cuestionamiento y decisión por un lado por parte de los responsables de una entidad al preparar los EEFF y por otro lado por parte del auditor al verificar estos EEFF. Los administradores de la entidad, al preparar los EEFF deben decidir si los preparan conforme al PEF o no, y esta opinión debe fundamentarse en hechos o circunstancias. Además, esto debe indicarse en la Memoria debidamente. El auditor debe verificar que los EEFF muestren la imagen fiel de la empresa, y esta verificación comprenderá la base de la preparación de estos EEFF, o lo que es lo mismo: los principios aplicados. Deberá por tanto obtener evidencia suficiente y adecuada sobre el PEF en el ámbito de la entidad auditada. Como se acaba de indicar, la incertidumbre con respecto a la aplicación del PEF deberá estar sustentada en hechos o circunstancias, y en el caso de la auditoría también en evidencia suficiente y adecuada obtenida por el auditor al respecto. En este sentido, la NIA-ES 570, que como ya se ha indicado versa sobre el PEF, propone una serie de hechos o condiciones que pueden generar dudas de forma individual o conjunta sobre la aplicación del PEF. Resulta oportuno recalcar que, si para el auditor estos hechos o condiciones pueden fundamentar una opinión al respecto del PEF, la mayoría de ellos también podrán actuar como “señales” o indicadores para los administradores a la hora de referir una incertidumbre en la Memoria o decidir no aplicar el PEF. Estos hechos o condiciones son: Financieros • Posición patrimonial neta negativa o capital circulante negativo. (1) • Préstamos a plazo fijo próximos a su vencimiento sin perspectivas realistas de reembolso o renovación; o dependencia excesiva de préstamos a corto plazo para financiar activos a largo plazo. (1) • Indicios de retirada de apoyo financiero por los acreedores. • Flujos de efectivo de explotación negativos en estados financieros históricos o prospectivos. (1) • Ratios financieros clave desfavorables. (1) • Pérdidas de explotación sustanciales o deterioro significativo del valor de los activos utilizados para generar flujos de efectivo. (1) • Atrasos en los pagos de dividendos o suspensión de estos. • Incapacidad de pagar al vencimiento a los acreedores. (1) • Incapacidad de cumplir con los términos de los contratos de préstamo. (1) del Pino Jiménez, Ignacio - 14 - • Cambio en la forma de pago de las transacciones con proveedores, pasando del pago a crédito al pago al contado. • Incapacidad de obtener financiación para el desarrollo imprescindible de nuevos productos u otras inversiones esenciales. Operativos (2) • Intención de la dirección de liquidar la entidad o de cesar en sus actividades. • Salida de miembros clave de la dirección, sin sustitución. • Pérdida de un mercado importante, de uno o varios clientes clave, de una franquicia, de una licencia o de uno o varios proveedores principales. • Dificultades laborales. • Escasez de suministros importantes. • Aparición de un competidor de gran éxito. Otros (2) • Incumplimiento de requerimientos de capital o de otros requerimientos legales. • Procedimientos legales o administrativos pendientes contra la entidad que, si prosperasen, podrían dar lugar a reclamaciones que es improbable que la entidad pueda satisfacer. • Cambios en las disposiciones legales o reglamentarias o en políticas públicas que previsiblemente afectarán negativamente a la entidad. • Catástrofes sin asegurar o aseguradas insuficientemente cuando se producen. (1): Indicadores financieros que también podrían ser utilizados por los administradores y cuya observación ayudará a la toma de una decisión con respecto al PEF (2): Entendemos que los indicadores Operativos y “Otros” deben ser tenidos en cuenta por los administradores, desde un punto de vista diferente al auditor ya que sin duda tendrán más información sobre la materialidad que cualquiera de estos hechos o condiciones pudiera tener en relación con los EEFF de la entidad. TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 15 - 3 LOS MODELOS DE PREDICCIÓN DE QUIEBRA 3.1 INTRODUCCIÓN El concepto de fracaso o insolvencia empresarial ha sido definido de numerosas maneras a lo largo de la historia, si bien Vargas, J. (2015) lo define como el momento en el que la tasa de rendimiento del capital invertido, considerando el riesgo, sea significativa y continuamente más baja que la tasa de retorno de inversiones similares. El diccionario de la Real Academia de la Lengua Española define la insolvencia como la incapacidad de pagar una deuda, siendo este concepto materializado en el ámbito contable español en el término Concurso de acreedores. Este podría ser definido como el procedimiento legal que tiene como objetivo reconducir una situación de insolvencia de un prestatario bien a través de un convenio entre los acreedores y la empresa deudora o bien mediante la liquidación de esta (García-Posada, M. y Mora-Sanguinetti, J. (2012). Se trata del único procedimiento de insolvencia que contempla el sistema concursal español, pese a que tiene dos variantes (el ordinario y el abreviado). La normativa actualmente vigente (ley 22/2003 concursal) contempla dos formas posibles de terminar un concurso de acreedores: convenio entre deudor y acreedores, continuando la empresa en funcionamiento tras la finalización del proceso; y la liquidación (enajenación de los activos para la cancelación de los pasivos). A su vez, en función de las causas que hayan originado la situación de insolvencia empresarial, un concurso podrá ser culpable, si se detecta que la gestión negligente o dolosa de los administradores no ha sido el determinante de la situación; o fortuita, cuando no pueda concluirse que la culpa de la insolvencia sea de los administradores. De la lectura del capítulo anterior de este trabajo se puede concluir fácilmente que, si hay un principio contable relacionado con la quiebra, fracaso, insolvencia empresarial o concurso de acreedores, ese es el de empresa en funcionamiento. Igualmente, se desarrolló la importancia de este y sus implicaciones para administradores y auditor en relación con los EEFF, y se detalló, en los párrafos finales del capítulo, una serie de indicadores financieros que podrían ayudar a determinar la existencia de una incertidumbre sobre la continuidad de la empresa en el futuro o lo que es lo mismo, la existencia de indicios de una situación cercana o dirigida a la quiebra, algo habitualmente denominado situación de crisis. Numerosos autores han desarrollado a lo largo de la historia métodos para predecir, en la medida de lo posible, una crisis. Esto se ha llevado a cabo fundamentalmente con el estudio detallado de distintos ratios o indicadores, de manera conjunta: los modelos de predicción de quiebra. Estos modelos, que son bastante variados en función de la técnica estadística utilizada, las características de la muestra o su origen tratan fundamentalmente de probar si los datos contables contienen información sobre la solvencia futura de la empresa (Laffarga, J. 1999). Este es sin duda uno de los campos dentro del análisis financiero que más se ha estudiado y evolucionado, y a lo largo de este capítulo se describirán algunos de los modelos que se han considerado más reseñables. Como consideraciones previas a esta relación de modelos, se debe tener en cuenta que casi todos ellos parten de una muestra dividida en empresas quebradas y empresas sanas en la misma proporción, y su objetivo es la determinación de la variable o función del Pino Jiménez, Ignacio - 16 - de variables que mejor clasifica(discrimina) a las empresas dentro de uno u otro grupo (Laffarga, J. 1999). 3.2 UTILIDAD DE LOS MODELOS DE PREDICCIÓN DE QUIEBRA Uno de los factores que son claves a la hora de comprender el porqué del hecho de que sea uno de los ámbitos financieros más estudiados es sin duda la utilidad. Según Dietrich, J. R. (1984), los motivos para estimar los modelos de predicción de fracaso empresarial son: a) Son una forma de probar la información contenida en los estados contables, ya que, al medirse la relación entre los factores financieros y el fracaso, se analiza simultáneamente si los datos contables aportan información sobre la viabilidad futura de la empresa. b) Constituyen una útil herramienta para la toma de decisiones por parte de los usuarios de las CCAA, primordialmente los acreedores. Por tanto, diremos que la utilidad de los modelos de predicción de quiebra es dual: Es útil para la comprobación de la información contable y por otro lado para la toma de decisiones por parte de los stakeholders. 3.2.1 La utilidad de los modelos para el análisis de los datos contables. Debe saberse que los modelos utilizan ratios en lugar de magnitudes absolutas, algo que favorece el tratamiento matemático de los datos y facilita la comparabilidad de los datos entre empresas de distinto tamaño. Dada esta circunstancia, el estudio de la predicción de quiebra mediante un modelo permitirá analizar el contenido informativo de los datos contables para predecir los flujos de caja futuros de los acreedores. Además, gracias a la precisión que se ha obtenido a lo largo de los años en la aplicación de los modelos de predicción de quiebra, se sabe que existe una alta correlación entre los datos contables relacionados en las diferentes ratios o indicadores empleados y la solvencia futura de la empresa (Mora, A., 1995). Por tanto, la propia aplicación o elaboración de un modelo de predicción de quiebra arroja información sobre que variables están relacionadas con la solvencia de la empresa y cuáles no. Y, al fin y al cabo, gracias a esto se sabrá qué factores son determinantes y cuáles no para la viabilidad y solvencia de la empresa. 3.2.2 La utilidad de los modelos de predicción de quiebra para los usuarios. Como se ha indicado, los modelos de predicción de quiebra son útiles para la toma de decisiones por parte de los usuarios de las CCAA o stakeholders. Según la clasificación de Rodríguez, R. (2017), los usuarios de la información pueden clasificarse entre internos y externos: a) Internos a. Dueños/socios de la empresa. b. Directores/gerentes. c. Mandos intermedios. TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 17 - b) Externos a. Inversores actuales y potenciales b. Analistas financieros. c. Prestamistas. d. Empleados. e. Proveedores. f. Clientes. g. Administración pública h. Competidores. i. Medios de comunicación. j. Público en general. Mora, A. (1995) hace referencia en su trabajo a 6 de estos grupos de interés, que son los que utilizarían la información del modelo de predicción de quiebra para la toma de decisiones: a) Los acreedores. Las entidades financieras son el primer ejemplo de la toma de decisiones a partir de los resultados de los modelos de predicción de quiebra, ya que, tanto a la hora de tomar decisiones sobre la concesión de un préstamo, como a la hora de negociar las condiciones de este, utilizarán la información de los mismos. Claro ejemplo de esto serían los ratings que los bancos asignan a sus clientes en función de la información contable y financiera de estos. b) Los inversores (y prestamistas). Para este grupo de interés, los modelos de predicción de fracaso pueden ser de gran utilidad a la hora de valorar la probabilidad de que una empresa tenga problemas cuando llegue el momento de pagar la deuda o sus intereses, repartir dividendos o bien la manera en la que puede afectar el resultado de la aplicación de los modelos al precio de las acciones de la empresa. Igualmente, en el caso de los inversores potenciales podrán obtener información sobre la posible rentabilidad, riesgo y viabilidad que tiene la inversión. c) La Administración Pública. Para algunos sectores, como es el caso de las instituciones financieras, los estados suelen tener una serie de regulaciones especiales para controlar la solvencia de las empresas, con lo cual a los organismos responsables les puede ser muy útil conocer la probabilidad de quiebra de las mismas. Igualmente, para los análisis estadísticos sobre un sector o sobre la economía, resultan de gran utilidad los resultados de los modelos. d) Los analistas. En su trabajo, la profesora Mora hace referencia a los auditories, si bien para adecuar la nomenclatura a la relación anterior de Rodríguez, R. (2017), se ha utilizado la terminología “analistas”. Los modelos pueden ser útiles para los auditores y analistas, como un instrumento más, a la hora de emitir un juicio sobre la continuidad de la empresa. e) Los directores/gerentes. La quiebra hace que la empresa incurra en una serie de costes directos e indirectos. Si la gerencia de la empresa puede prever dicha situación de insolvencia con suficiente antelación, puede evitar muchos de estos costes, tomando decisiones de reestructuración empresarial. f) Los trabajadores. Los modelos de predicción de quiebra podrían ser utilizados por los sindicatos como herramienta para ayudar a predecir el futuro nivel de empleo en los distintos sectores de la economía. 3.3 MODELOS UNIVARIANTE-BEAVER El primer trabajo consistente, fiable y contrastable en este ámbito lo realiza Beaver en 1966. Este trabajo utiliza como metodología un análisis sobre seis categorías de ratios, del Pino Jiménez, Ignacio - 18 - calculando en primer lugar 30 ratios y quedándose posteriormente con uno por cada categoría. Aplica los cálculos sobre una muestra de 158 empresas; la mitad fracasadas y la mitad sanas, para un periodo de cinco años, llegando a la conclusión de que el análisis de perfiles diferencia los dos grupos de empresas (sanas y fracasadas), pero no permite medir dicha diferencia (Castaño Gutiérrez, F. y Tascón Fernández, M. 2010). Este análisis estadístico es simple, quizás en demasía, y es por eso que finalmente no puede interpretarse como un modelo de predicción de quiebra propiamente dicho, ya que incluso el propio Beaver indicó en su trabajo que su motivación no era la predicción del fracaso, sino la observación del potencial informativo de los datos contables. En definitiva, el trabajo de Beaver no tenía como finalidad la predicción de la quiebra, sino diferenciar, evaluándolos según su tendencia y observación comparativa con otras empresas, cuáles eran más discriminantes a la hora de ubicar una empresa en la muestra de empresas sanas o la de quebradas. Como conclusión general al estudio de Beaver, Rodríguez López, M, Piñeiro Sánchez, C. y de Llano Monelos, P. (2015) demuestran mediante su trabajo que las empresas fracasadas padecen una incapacidad crónica para generar recursos a través de la actividad debido a sus bajos niveles de rentabilidad, que suplen recurriendo a un endeudamiento más intenso; todo ello se traduce en tensiones crecientes en el fondo de rotación y en el progresivo estrangulamiento de la cuenta de resultados en lo que respecta 15 tanto al resultado económico o de explotación, como a la cobertura de los gastos financieros y la capacidad para atender el servicio de la deuda. 3.4 MODELOS MULTIVARIANTE-MODELOS Z SCORE El siguiente avance que se llevó a cabo en la predicción del fracaso empresarial lo desarrolló Edward I. Altman dos años después que Beaver, en 1968, y fue su modelo Zscore, que se trata de un modelo de análisis discriminante, reestimado en 1995 para ser adaptado a las Pymes, que sigue aplicándose en la actualidad para estimar la probabilidad de quiebra de una empresa (con variaciones), y que será utilizado en este trabajo en su capítulo práctico. Podemos resumir la idea de un modelo de predicción de quiebra z-score como aquel que emplea varios indicadores ponderados con distinto peso con el fin de asignar una calificación, a partir de la cual se clasifica la empresa. Los modelos z-score que estudiaremos en este trabajo son el modelo Z original de Altman (1968), sus reestimaciones Z1 y Z2, y la reestimación del modelo que hizo en 2008 el profesor Amat para su aplicación en empresas españolas. Habitualmente se les conoce también como modelos de calificación crediticia. El modelo original de Altman, que en la época resultó de novedosa aplicación por haberse enriquecido mediante un conjunto de variables de aplicación simultánea y de relación compleja (de Llano-Monelos, P., Piñeiro-Sánchez, C. y Rodríguez-López, M. 2018), desarrolla una función discriminante resultado de la combinación de cinco ratios, cuya formulación es la siguiente: Z (1968) = 1,2X1+1,4X2+3,3X3+0,6X4+0,99X5 Siendo el parámetro; Z > 2,99 Sana, 2,99 > Z > 1,8 Gris; Z < 1,8 Fracaso TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 19 - Y los ratios utilizados; X1=(AC-PC)/AT; X2=VR/AT 1 ; X3=BAIT/AT; X4=Capitalización/PT; X5=Ventas/AT. 2 (de Llano-Monelos, P. et al. 2018). A continuación, se explica el significado de cada uno de los 5 indicadores, X, que componen el modelo z-score de Altman: (AC-PC)/AT Este indicador pone en relación el Fondo de Maniobra, esto es, la cantidad de AC financiada con recursos a largo plazo, con el AT de la empresa. Mide la liquidez VR/AT La variación de reservas mide los resultados retenidos en la empresa, y en este indicador se pone en relación con el AT para medir la política de dividendos de la empresa. BAIT/AT Este indicador, que pone en relación el resultado de la empresa antes de intereses e impuestos con el AT mide la rentabilidad económica de la empresa. Capitalización/ PT Como el modelo original de Altman estaba pensado para evaluar empresas cotizadas, a la hora de medir la estructura financiera se tomó el valor de mercado de los recursos propios de la empresa (la capitalización bursátil) en lugar de su valor contable (Patrimonio Neto), y se puso en relación con el valor de los recursos ajenos (PT). Ventas/AT Este indicador (Rotación del Activo) mide la eficiencia de las inversiones de la empresa, al poner estas en relación con los ingresos que generan (Ventas). Debe tenerse en cuenta que este modelo inicial estaba ideado para empresas manufactureras, un sector en el que tienen especial importancia los activos. Tabla 3.1. Descripción de los componentes del modelo de Altman Fuente: Elaboración propia Se observa que el modelo tenía dos especiales limitaciones en cuanto al segmento de empresas al que resultaba de aplicación: servía solo para empresas cotizadas y manufactureras. Es por esto que Altman, gracias a observaciones sobre su modelo que hicieron varios autores, llegó a comprender las limitaciones y defectos de su modelo (Ibarra Mares, A., 2001). Por eso, posteriormente desarrolló dos reestimaciones de su modelo: Z1 y Z2. En primer lugar, desarrolla el modelo Z1, en el que se sustituye, por un lado, el numerador en X4 por el valor del capital contable (PN) en lugar del valor de mercado del mismo (capitalización bursátil) y en el que se modifica también la ponderación de cada índice. 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, al igual que el original, el activo total de la empresa y su rotación (Vera García, I., 2017). 1 Se trata de la definición que han dado estos autores. En otras fuentes consultadas, este indicador se formula mediante la variación de reservas (beneficios retenidos en la empresa). 2 AC= ACTIVO CORRIENTE; PC= PASIVO CORRIENTE; AT= ACTIVO TOTAL; VR=VARIACIÓN DE RESERVAS; BN= BENEFICIO NETO; BAIT= BENEFICIO ANTES DE INTERESES E IMPUESTOS; PT= PASIVO TOTAL. del Pino Jiménez, Ignacio - 20 - La formulación del modelo Z1 o Z’ es la siguiente: Z’ = 0,717X1+0,847X2+3,107X3+0,420X4+0,998X5 Siendo el parámetro; Z’ > 2,90 Sana, 2,89 > Z’ > 1,24 Gris; Z’ < 1,23 Fracaso Y los indicadores utilizados los mismos que en el modelo Z con la salvedad de que el numerador de X4 era, en este caso, el valor del Patrimonio Neto de la empresa. En 1995, Altman reestimó su modelo de nuevo para adaptarlo a las empresas de menor tamaño y no cotizadas, resultando: Z’’ (1995) = 3,25 + 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 Siendo el parámetro; Z’’ > 5,85 Sana, 5,85 > Z’’ > 4,35 Gris; Z’’ < 4,35 Fracaso Y los ratios utilizados los mismos que en el modelo Z’ a excepción del indicador “Rotación de AT”, que se elimina en esta formulación. Como se ha indicado anteriormente, en función del resultado Z que arroje el modelo, la empresa se podrá situar en una zona gris, en una zona sana, o en una zona de fracaso. En el primer caso, existirá una incertidumbre: la empresa se encontrará cercana al colapso cuanto más bajo sea el valor dentro de esa zona gris, si bien no existe certeza de si ese colapso finalmente se materializará o se habrá podido materializar anteriormente. Cuando el resultado arrojado determine que la empresa se encuentra en una zona sana, se concluye que la probabilidad de quiebra es baja. Por último, cuando el valor de Z sitúe la empresa en la zona de fracaso, se concluye que la empresa se encuentra en crisis, con una última probabilidad de quiebra, pudiendo haberse producido esta incluso. Existen varias reformulaciones más de este modelo, entre las que se destacan, por el interés relacionado con este trabajo, la reformulación del modelo para su aplicación en empresas españolas hecha por el profesor Amat en 2008: Z = -3,9 + 1,28 (Activo corriente/ Pasivo corriente) +6,1 (Patrimonio neto / Activo) + 6,5 (Beneficio neto / Activo) + 4,8 (Beneficio neto / Patrimonio neto) (Si Z>0 la viabilidad de la empresa no se ve comprometida) Al respecto de este modelo, se deben destacar una serie de factores a tener en cuenta a la hora de desarrollar el modelo (Altman, E. 1968): • La muestra de empresas en quiebra debe tener el mismo tamaño que la muestra de empresas “sanas”. • Debe escogerse cada empresa de la muestra “sana” del mismo tamaño e industria que cada empresa de la muestra quebradas. • No existe un acuerdo sobre si las variables basadas en flujos de efectivo mejoran el valor explicativo del modelo. • La economía y definición legal de quiebra varían con el tiempo, con lo que el modelo no puede utilizarse sin considerar estos cambios. Estas indicaciones se refieren al desarrollo del modelo, no a su aplicación. A efectos prácticos, se trata de una manera contrastada anteriormente de calificar una empresa según su probabilidad de quiebra. TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 21 - 3.5 ANÁLISIS LOGIT Podemos definir el análisis Logit como una técnica estadística desarrollada para investigar las relaciones entre una variable binaria y una o más variables independientes (Laffarga, J.; Martín, J.L. y Vázquez, M.J., 1985) y, en aplicación en la predicción de quiebra se considera que esta variable binaria es la probabilidad de quiebra (1 empresa no fracasada y 0 empresa fracasada), mientras que las variables independientes serán datos contables. Este se trata, junto con el análisis discriminante, de uno de los métodos más utilizados para la elaboración de un modelo de predicción de quiebra, y diferenciándose de este principalmente en que mientras uno aporta una clasificación gradual, uno obtiene tan solo 2 opciones (1 y 0), algo que hace que el porcentaje de aciertos en las empresas fracasadas es mucho mayor, siendo esto algo bastante significativo (Laffarga, J. et al. 1985). 3.6 REDES NEURONALES ARTIFICIALES Los modelos hasta ahora descritos son modelos estadísticos, y se caracterizan por el uso de ratios para determinar, de manera más o menos concreta, si la empresa se encuentra en una situación de fracaso o insolvencia empresarial o no. Pero con la llegada de las nuevas tecnologías han surgido nuevos métodos, y el principal de ellos lo constituyen las Redes Neuronales Artificiales (RNAs). De forma muy simplificada, se puede contextualizar una RNA como la conexión de diversas unidades básicas de procesamiento de información, denominadas neuronas, mediante capas de tres tipos: de entrada, ocultas y de salida (de Andrés, J., 2005). Se ha decidido no explicar el funcionamiento de las RNAs más allá de que cada neurona recibe inputs de neuronas de capas anteriores, que se ponderan y se transforman para convertirlos en outputs o salidas que serán, a su vez, inputs de las neuronas de capas posteriores. Se trata de una aplicación de la Inteligencia Artificial, ya que su éxito (en el caso del tipo PMC 3 de RNA, empleado en la predicción de quiebra) radica en que la RNA “aprende”, y es capaz de dar un output esperado para un input que no se encontraba en su base de datos. Es por ello que, gracias al entrenamiento que la RNA obtiene, se pueda reducir el margen de error, algo que sin duda en un ámbito como la predicción de quiebra interesa a todos los potenciales usuarios de esa información. Se debe destacar que, hoy en día, las redes neuronales no son sustitutivas de los métodos estadísticos, pero sí complementarias puesto que contribuyen a confirmar las predicciones de estos (de Andrés, J., 2005). No obstante, a la vista de los desarrollos y avances en materia de Inteligencia Artificial y las aplicaciones cada día más extendidas que tiene el Big Data, no es atrevido asegurar que en un futuro no excesivamente lejano cambiarán las tornas y será la Inteligencia Artificial el pilar básico de la predicción de la quiebra. 3 PMC es la abreviatura de Perceptrón Multicapa, un tipo de RNA muy utilizado en aplicaciones financieras. del Pino Jiménez, Ignacio - 28 - COTIZA? NO COTIZA 2,14 2,52 1,63 COTIZÓ 1,5 1,53 1,8 COTIZA 1,02 2,25 2,21 ESTADO (EN BLANCO) 2,17 2,63 1,77 ACTIVA 2,08 2,39 1,46 CONCURSO 0,62 -1,04 -2,54 OTROS 1,3 0,28 0,06 Tabla 4.3. Distribución de la muestra-mediana Fuente: SABI, elaboración propia Sobre la distribución estadística de los datos analizados, es relevante la siguiente información: 1. Existe en el caso de Z3 un desfase notable en un sector de la muestra al analizar la media, que se deberá (ya que la mediana no arroja valores anormales) a la existencia de una empresa cuyo activo sea mayor de 100 Millones, cuyo informe no sea de una Big4 y sea favorable, que no cotice en bolsa, y cuyo estado sea desconocido para SABI, que tiene un valor Z3 anormalmente alto. Concretamente, para ese segmento de empresas (204), Z3 adopta un valor medio de 9.379,93. 2. Llama la atención los valores que la mediana de Z1, Z2 y Z3 adoptan para la franja de mayor activo, algo que contrasta con los valores de sus medias(altos). 3. Igualmente llama la atención la anormal media alta en el caso de Z3 para informes con opinión favorable con incertidumbre (7,5), y se encuentra el valor adoptado por la mediana mucho más coherente con la información (0,22). 4. Las empresas con opinión desfavorable se sitúan en su mayoría en valores de insolvencia o zona gris en el caso de Z1 y Z2, mientras que la mediana de Z3 para ese segmento es de 3,86. 5. El valor de la mediana de Z2 se diferencia bastante (0,62) cuando el auditor es Big4 o no, siendo más alto en este último caso. Sin embargo, la media se comporta de manera invers. 4.5.2 Análisis Z segmentado A continuación, se muestra una gráfica que expone los resultados obtenidos mediante la aplicación de los tres modelos: Figura 4.1. Resultados totales de la aplicación de los modelos Z1, Z2 y Z3 Fuente: SABI, elaboración propia TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 29 - Como se observa, el modelo Z1 es el que peor clasificación da a las empresas analizadas, ya que aproximadamente un 62% de la población analizada se encuentra fuera de la zona “sana”. El modelo reestimado por Altman en primer lugar se diferencia con su modelo original en la ponderación de sus componentes, así como en la sustitución del valor del patrimonio neto, tomando como referencia, en lugar de la capitalización bursátil (valor de mercado), su valor contable. La diferencia de este con la segunda reestimación radica, además de en las ponderaciones, en la eliminación de la rotación del activo de la fórmula. Es por esto por lo que se puede deducir que las diferencias observadas entre el resultado global del modelo Z1 y el modelo Z2 se deben a la rotación del activo, que influye negativamente en el primero de los modelos. La explicación de esto se puede encontrar en la motivación empleada por Altman para diseñar la última reestimación mencionada (Z2), ya que este modelo se ajustó para ser aplicable a empresas comerciales o de servicios, en las que el activo expresa mayor volatilidad que en el sector manufacturero (al que resultarían de aplicación los modelos Z y Z1). Por tanto, es lógico pensar que la aplicación global de cualquiera de los dos modelos sin discriminación alguna por sector es errónea, y que lo idóneo sería aplicar un modelo u otro en función del sector de actividad. Se ha segmentado la información por sector para observar el valor que adopta Z1 en sectores para los que resultaría de aplicación según la concepción original de Altman. De este modo, las 5.869 empresas de nuestro estudio que pertenecen al sector (CNAE) “Industria Manufacturera” arrojan el siguiente resultado para el modelo Z1: Figura 4.2. Aplicación de los modelos Z1 y Z2 al sector “Industria Manufacturera” Fuente: SABI, elaboración propia La mayoría de las empresas (un 56,94%) se encuentra en la denominada zona gris, mientras que tan solo un 25,78% se encuentra en una situación financiera sana según la calificación del modelo Z1. Esto contrasta con el resultado que arroja para este segmento el modelo Z2, que a priori sitúa a más empresas en una zona sana. No obstante, si se observa el porcentaje de empresas que se encuentran en situación de insolvencia o fracaso, es sensiblemente menor cuando se aplica el modelo Z1(un 6% aprox.), y también experimenta mejoría con respecto al resultado que arroja el modelo Z1 para todas las empresas objeto de este estudio (un 5,05% menos de empresas situadas en la zona de insolvencia). A continuación, se compararán los resultados que arroja el modelo Z2 para empresas (1.068) del sector “Otros servicios” u “Hostelería” con los resultados de la aplicación del modelo Z2 a toda la población objeto de este estudio. del Pino Jiménez, Ignacio - 30 - Figura 4.3. Aplicación del modelo Z2 a toda la muestra Fuente: SABI, elaboración propia Figura 4.4. Aplicación del modelo Z2 al sector “Otros servicios” Fuente: SABI, elaboración propia En este caso, no se aprecian diferencias significativas en la distribución de empresas según su calificación, si bien hemos considerado oportuno recalcar que la calificación media de las empresas de estos dos sectores es de 3,96 para el modelo Z2 frente al 2,46 del modelo Z1. Se observa que el valor medio de Z2 se sitúa en la zona “sana” mientras que en el correspondiente a la aplicación del modelo Z1 no ocurre esto. Debe ser tenido en cuenta el hecho de que este estudio solo recoge datos de empresas que han sido auditadas en 2018, y que todas tienen un tamaño considerable (no es una consecuencia directa de lo anterior, pero por los requerimientos para la auditoría de cuentas obligatoria sí que tiene que ver con lo anterior). Muestra de esto es el hecho de que la mayoría de las empresas (818) tienen un activo superior a los 5 millones de euros en 2018. En el caso del modelo Z3, diseñado en 2008 por el profesor Amat para resultar de aplicación a cualquier empresa española , el resultado global es similar al modelo Z2 teniendo en cuenta que este modelo solo contempla dos tipos de empresas, sanas e insolventes(cuando el valor es superior o inferior a 0, respectivamente), y se puede apreciar que, al comparar los resultados de ambos modelos, el conjunto de empresas “sanas” del modelo Z3 incluye a las empresas sanas y en zona gris del modelo Z2. A continuación, se muestra un gráfico en el que se comparan los resultados de los dos modelos para todos los sectores(CNAE-1): Figura 4.5. Resultados de la aplicación de Z3 y Z2 segmentados por sectores TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 31 - Fuente: SABI, elaboración propia Como ocurre con los resultados globales, se observa que en todos los sectores se da el hecho de que hay escasas diferencias, aunque en algunos casos son notables, entre el porcentaje de empresas que el modelo Z2 califica como insolventes y las calificadas así por el modelo Z3 de Amat. Destacamos la diferencia existente entre los dos modelos en los sectores “Otros servicios”, “Actividades inmobiliarias” y “Actividades financieras y de seguros”, en los que llega a ser de un 7%. Como se ha indicado anteriormente, el modelo Z3 califica las empresas que el modelo Z2 califica dentro de la zona gris, esto es, cercanas al colapso. Esta similitud entre las dos calificaciones llama la atención, pues como se ha indicado anteriormente en este trabajo, el modelo diseñado por el profesor Amat para resultar de aplicación en las empresas españolas toma como referencia indicadores diferentes. La última segmentación que se hará en este apartado es en atención al tamaño del activo. Se han seleccionado cinco franjas según el tamaño del activo de la empresa en 2018: -5M, 5-10M, 10-25M, 25-100M y +100M(M=millones de euros), y a continuación se muestran los resultados de la aplicación de los tres modelos segmentados según estas franjas: Figura 4.6. Resultados de los modelos Z1, Z2 y Z3 segmentados por tamaño del activo Fuente: SABI, elaboración propia Se observa un comportamiento desigual en los tres modelos, siendo descendiente el porcentaje de empresas sanas y ascendiente el porcentaje de empresas en situación de quiebra cuando se aplica el modelo Z1, llegando a alcanzar la cota de un 46,38% de empresas en zona de insolvencia en el caso de las empresas con mayor activo; irregular el comportamiento de Z2; y regular con una leve tendencia a mejoría en el caso del modelo Z3 de Amat. De estas gráficas el hecho que llama la atención es la alta cifra de empresas con un activo mayor a los 100 millones de euros que el modelo Z1 sitúa en la zona de insolvencia. Esto se debe al efecto que tiene la rotación de activos, puesto que cuando este factor se elimina de la ecuación se obtiene una formulación muy similar a Z2. 4.5.3 Las empresas en situación de insolvencia La precisión de los modelos Z-score se comprueba comprobando cuántas empresas de las que originalmente fueron pronosticadas como quiebra finalmente quebraron. Dado que se han tomado para este estudio valores muy recientes (2018), es posible que las del Pino Jiménez, Ignacio - 32 - empresas que se pronosticaron como insolventes a la fecha de este trabajo no se encuentren aún en una situación de insolvencia, esto es algo que debe tenerse en cuenta a la hora de analizar los resultados obtenidos. Además, existe la limitación de que dentro de la muestra de empresas del estudio se encuentran un total de 64 empresas en situación de “Concurso”. Estas empresas obtuvieron los siguientes resultados para los tres modelos: Figura 4.7. Aplicación de Z1, Z2 y Z3 a empresas en concurso de acreedores Fuente: SABI, elaboración propia Llaman la atención el hecho de que el modelo Z1 y el modelo Z3 cataloguen como insolventes a la misma cantidad de empresas (un 76,56% del segmento), y el hecho de que hasta un 23,44% de las empresas que se encuentran en situación de concurso de acreedores no se encontrarían en situación de insolvencia según el modelo Z3. Debe tenerse en cuenta que no se conoce el momento en el que las 64 empresas analizadas entraron en situación de concurso, y el hecho de que, según Fito, M., PlanaErta, D. y Llobet, J. (2018), la mayoría de las empresas se sitúa en una situación de quiebra entre 6 y 12 años después de que el modelo Z2 de Altman o el modelo Z3(Amat) arrojen valores de insolvencia. Tan solo el 23% en el caso del modelo Z2 y el 20,2% en el caso de Z3 entran en bancarrota entre 1 y 3 años después de marcar valores de insolvencia. Tabla 4.4. Retraso en años para Z2 y Z3 Fuente: Fito, M., Plana-Erta, D. y Llobet, J. (2018) Es por eso por lo que, llegados a este punto, se ha decidido plantear una reformulación de estos dos modelos, y observar los resultados con respecto a los que arrojan los modelos Z2 y Z3 en 2018. En esta reformulación se incluirán los valores que obtiene cada Z los últimos 5 años, ponderándose según el retraso registrado por Fito, M. et al en 2018. De este modo, dado que los datos sobre el estado actual de la empresa corresponden a mayo de 2020, se tomarán 2018 y 2017 como valores que se asignarán al periodo “13 años”. Por su parte, el valor de 2016 se ponderará como “4-5 años”, y 2015 y 2014 lo TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 33 - harán como “6 años o más”. Se ha decidido incluir una modificación con respecto a la tabla para evitar que el valor de 2014 tenga demasiado peso. Dicho esto, las ponderaciones por año que corresponden a cada modelo son las siguientes: AÑO Z2 Z3 2018 11,5% 10,1% 2017 11,5% 10,1% 2016 6,6% 6,5% 2015 35,2% 36,65% 2014 35,2% 36.65% Tabla 4.5. Ponderaciones propuestas para variar los modelos Z2 y Z3 Fuente: SABI, elaboración propia En base a esas ponderaciones, se han elaborado dos nuevos valores, que se han denominado “Z20” y “Z30”. Los resultados para la misma muestra de empresas en situación de concurso es la siguiente: Figura 4.8. Resultados de la aplicación de las variaciones a las empresas concursadas Fuente: SABI, elaboración propia Se observa que los resultados son peores hablando en términos de precisión que los que arrojan los valores Z2 y Z3 originales el año 2018, por lo que la variación planteada no resulta de utilidad. Estas mismas comprobaciones se han hecho con otro tipo de ponderaciones con el mismo resultado, en consecuencia, se puede determinar que será de mayor utilidad el uso del valor Z que obtuvo la empresa el último año. No obstante, sabemos por Fito, M., Plana-Erta, D. y Llobet, J. (2018) que en situaciones de “pre-crisis” o “postcrisis” (valores tomados en torno a la crisis económica de 2008) el retraso en la predicción de quiebra de los dos modelos (Z2 y Z3) es diferente. En el caso de un periodo previo a una crisis, en la mayoría de los casos (el 99,1%) pasarán de 6 a 12 años desde que el modelo Z2 arroje resultados de quiebra, mientras que en un periodo post crisis el 100% de los casos que Z2 diagnostica como insolventes tarda de 1 a 3 años en quebrar de manera efectiva. En el modelo Z3 los resultado son idénticos. Al considerar que nos podríamos encontrar en una situación de “precrisis” (ya que no resulta de aplicación ninguna de las otras dos posibles situaciones planteadas por el estudio citado), es necesario tener en cuenta que para que las empresas cuyo valor Z del Pino Jiménez, Ignacio - 34 - en 2018 fue de insolvencia, la situación de insolvencia podría devenir en los próximos años. Se ha decidido plantear la posibilidad de que pudiera resultar relevante a la hora de nuestro estudio, y con mayor poder discriminante, la circunstancia de que una empresa adoptase algún valor Z de insolvencia en el horizonte analizado. Por eso, se han separado los resultados de Z2 y Z3 según si la empresa obtuvo una calificación de insolvencia durante el periodo analizado o no. Los resultados de este estudio, para las empresas que se encuentran en situación de concurso son los siguientes: EMPRESAS EN CONCURSO 64 100% ALGÚN VALOR “INSOLVENCIA” Z2 57 89,06% ALGÚN VALOR “INSOLVENCIA” Z3 60 93,75% Tabla 4.6. Resultados de la aplicación del nuevo planteamiento Fuente: SABI, elaboración propia Resulta llamativo que tan solo 4 de las empresas que se encuentran en situación de concurso de acreedores actualmente no obtuvo ninguna calificación negativa en el modelo de Amat los 5 años anteriores, y 7 en el caso del modelo Z2. 4.5.4 Los informes de auditoría con incertidumbre sobre gestión continuada Para finalizar este estudio, se ha decidido analizar la relación entre la incertidumbre acerca de la gestión continuada o empresa en funcionamiento en el informe emitido por los auditores, y los resultados arrojados por los modelos Z2 y Z3 así como las variantes enunciadas al final del apartado anterior (empresas que han obtenido algún valor negativo/empresas que no). Cuando existe una incertidumbre sobre el principio de empresa en funcionamiento, como se ha explicado con anterioridad, caben tres posibilidades de opinión por parte del auditor (NIA-ES 570): • Opinión favorable con referencia a la incertidumbre • Opinión con salvedades • Opinión desfavorable Debe saberse que la opinión con salvedades, al igual que la desfavorable, no necesariamente deben implicar la existencia de una incertidumbre sobre la continuidad de la empresa. Igualmente, como ya se ha expresado anteriormente, una incertidumbre acerca de la continuidad de la empresa no necesariamente será provocada por incidencias en los estados financieros o casos cuantificables, por lo que es lógico que no todas las empresas con incertidumbre en este sentido en su informe de auditoría obtengan calificaciones desfavorables de los modelos Z. Una vez aplicados los dos modelos (Z2 y Z3) a las cuentas de 2018, se han obtenido los siguientes datos para las 1.282 empresas cuyas cuentas anuales han sido auditadas y la opinión del auditor es favorable con incertidumbres: TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 35 - Figura 4.9. Resultados de Z2 y Z3 para empresas con opinión “favorable con incertidumbre” Fuente: SABI, elaboración propia Aproximadamente la mitad de las empresas analizadas tienen un valor insolvente en 2018. Si por el contrario, se aplica la discriminación “Algún valor de insolvencia/ningún valor de insolvencia”, los resultados son diferentes a estos pero similares para los dos modelos: Figura 4.10. Comparación de empresas que han obtenido algún valor Z insolvente en los 5 años estudiados y las que no Fuente: SABI, elaboración propia Apenas el 30% de las empresas de las que la opinión del auditor fue “favorable con incertidumbres” no han obtenido ningún valor de insolvencia en el periodo analizado. Podríamos decir que ese 30% aproximado lo constituyen las empresas cuyas incertidumbres sobre la aplicación del PEF no se debe a problemas financieros (que a fin de cuentas es lo que expresan los modelos Z). Este hecho es significativo si se tiene en cuenta que la incertidumbre es la forma más similar a una situación de quiebra próxima en un informe de auditoría, si bien se deberá materializar al menos un año después de la emisión del informe. Si por el contrario, se analizan estos resultados para las empresas cuyo informe de auditoría contiene una opinión favorable, los resultados son los siguientes: Figura 4.11. Resultados de Z2 y Z3 para empresas con opinión favorable Fuente: SABI, elaboración propia del Pino Jiménez, Ignacio - 36 - Se observa en la gráfica que aproximadamente el 75% de las empresas obtiene el “visto bueno” del modelo de Amat y la calificación “no insolvente” por parte del modelo Z2 de Altman. Estos resultados significan que un 25% de las empresas cuyo informe de auditoría es favorable (sin mención a la incertidumbre de gestión continuada) se encuentran en una situación calificada de insolvente por los modelos de predicción de quiebra. Figura 4.12. Comparación de empresas que han obtenido algún valor Z insolvente en los 5 años estudiados y las que no Fuente: SABI, elaboración propia Si se estudia el hecho de haber obtenido alguna calificación negativa en los 5 años previos, los resultados son que más del 40% de las empresas que en 2018 obtuvieron una opinión favorable sin incertidumbre por parte del auditor estuvo en una situación de insolvencia “diagnosticada” al menos un año de los 5 anteriores. 4.6 CONCLUSIONES DEL ESTUDIO EMPÍRICO El estudio, cuyos objetivos eran comprobar las relaciones entre distintas variables financieras y no financieras con las calificaciones obtenidas en los modelos Z1, Z2 y Z3 y comprobar, por otro lado, la relación entre la opinión del auditor con la existencia de calificaciones “insolventes” los 5 años anteriores a la emisión del informe, ha arrojado los resultados que se han descrito en el apartado anterior, de los que se destacan los siguientes puntos: 1. En todos los análisis el modelo Z1 arroja peores resultados que los otros dos modelos. 2. Entre los resultados Z2 y Z3 segmentados por sectores no existen diferencias significativas, y son similares para la mayoría de los sectores (con algunas excepciones). Destaca la diferencia en el sector “Otros servicios” (25% de insolvencia según Z2 frente al 18% de Z3). 3. Cuando se segmenta por tamaño del activo, Z1 arroja peores resultados conforme aumenta el activo, Z2 sigue un dibujo de V invertida (peores resultados en las más pequeñas y las más grandes) y Z3 obtiene resultados similares para todos los tamaños. 4. Para empresas en concurso de acreedores, Z2 es el modelo con más porcentaje de aciertos (81,25% de empresas en concurso catalogadas como “insolventes”), mientras que Z3 es la que menor precisión tiene (76,56% de aciertos). 5. Al incluirse una ponderación para emplear los Z-score de años anteriores, no se ha obtenido mejoría en el poder discriminante de los modelos. 6. Al estudiar la existencia de calificaciones insolventes en los 5 años anteriores, se obtiene que Z3 acierta más en las empresas concursadas (60/64) que Z2(57/64). 7. Al estudiar la relación entre la existencia de incertidumbre de gestión continuada en el informe de auditoría y los Z-score, se obtiene que aproximadamente el 68% TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 37 - de las empresas con opinión “favorable con incertidumbre” obtuvo algún resultado negativo en los dos modelos los cinco años anteriores. 8. Al estudiarse la relación entre la opinión “limpia” del auditor y las puntuaciones de Z2 y Z3, se obtiene que en torno al 25% de las empresas con este tipo de opinión en 2018 se encontraban en situación de insolvencia según Z2 y Z3, y que el 43% obtuvo al menos un valor negativo los 5 años anteriores. Con estos resultados, como conclusiones a este estudio empírico diremos lo siguiente: 1. Se ha determinado que el tamaño del activo no es un factor influyente a la hora de determinar la probabilidad de fracaso de la empresa. 2. Igualmente, se ha determinado que, a la hora de observar una empresa en situación de concurso, será determinante el hecho de que obtuviese calificaciones insolventes los 5 años anteriores. 3. Por otra parte, en el caso de que exista en el informe de auditoría mención a la existencia de incertidumbre de gestión continuada (considerando que se han excluido las opiniones modificadas al no haberse podido determinar cuáles de estas incluyen incertidumbre y cuáles no), será menos probable que la empresa no haya obtenido ninguna calificación insolvente los 5 años anteriores. 4. Las variaciones propuestas para incluir en una nueva puntuación Z los valores de los últimos años ponderados, atendiendo a porcentajes de precisión de estudios anteriores no mejoran la precisión de los modelos. 5. Por otro lado, si se toman como referencia los valores Z2 y Z3 de los últimos 5 años, puede determinarse que una empresa en concurso casi con total seguridad habrá obtenido algún valor negativo durante ese horizonte, pero existe una limitación a este planteamiento en este sentido, y es el hecho de que en torno al 46% de las empresas de la muestra han obtenido durante el periodo analizado alguna puntuación de insolvencia. Si se tienen en cuenta los datos de precisión de estudios como el que se ha mencionado de Fito, M. et al. (2018), que son de un 86,5% en el caso de Z2 y de un 95,8% en el caso de Z3, unido al retraso anteriormente descrito, es posible predecir que en un horizonte no superior a 10 años un total de 8.547 empresas (39,22%) de la muestra analizada podrían entrar en situación de quiebra si se toma como referencia el modelo Z2, y un total de 9.800 empresas (44,97%) si se toma como referencia el modelo Z3. O lo que es lo mismo, que de estas 21.795 empresas analizadas entre 8.547 y 9.800 empresas podrían entrar en situación de quiebra en los próximos años. Lamentablemente, la situación excepcional que este 2020 ha traído consigo debido a la pandemia del COVID19 alterará estos datos y no será posible de ningún modo observar el comportamiento de las empresas de la muestra, ya que algunas de las que se sitúan en un mal pronóstico se habrán visto beneficiadas por la situación, y algunas de las empresas que no se hayan visto afectadas por el pronóstico de Z2 y Z3 alterarán su actividad habitual de una forma negativa. TFG-Finanzas y Contabilidad El principio de empresa en funcionamiento y los modelos de predicción de quiebra - 45 - Anexos 1-INFORME ELABORADO CON POWER BI PARA EL ANÁLISIS DE LA INFORMACIÓN DE LAS EMPRESAS DESARROLLADO EN EL ESTUDIO EMPÍRICO. 6/10/2020 SEGMENTADORES 1/1 COTIZA?  Seleccionar todo (En blanco) Cotiza en bolsa Dejó de cotizar en bolsa No cotiza en bolsa AUDITOR (grupos) Seleccionar todo (En blanco) BIG 4 Otros ACTIVO TOTAL  Seleccionar todo (En blanco) +100M 25-100M 10-25M 5-10M -5M OPINIÓN 2018  Seleccionar todo (En blanco) Aprobado Denegado Desfavor. Favorable con incertidum… Salvedades CNAE Todas   CNAE3 Todas   CNAE2 Todas   CNAE1  Seleccionar todo (En blanco) Actividades administrativas y servicios auxliares Actividades artísticas, recreativas y de entrenimiento Actividades de los hogares como empleadores de perso… Actividades de organizaciones y organismos extraterrito… Actividades financieras y de seguros Actividades inmobiliarias Actividades profesionales, científicas y técnicas Actividades sanitarias y de servicios sociales Administración Pública y defensa; Seguridad Social oblig… Agricultura, ganadería, silvicultura y pesca Comercio al por mayor y al por menor; reparación de ve… Construcción Educación Hostelería Industria manufacturera Industrias extractivas Información y comunicaciones Otros servicios Suministro de agua, actividades de saneamiento, gestión… S i i t d í lé t i i di PROVINCIA Todas   ESTADO Seleccionar todo (En blanco) Activa Cierre hoja registral Concurso Desconocido Disuelta Extinguida Ilocalizable según nuestras fuentes P ibl i d l h j i t l f lt d d ó it d SEGMENTADORES ANEXO 1: INFORME DE POWER BI ELABORADO PARA EL ANÁLISIS 6/10/2020 MUESTRA 1/1 TAMAÑO AT 4,11 mil (18,86%) (23,79%) 5,87 mil (26,94%) 4,49 … (20,6…) 2,14 mil (9,81%) 5,19 mil -5M 5-10M 10-25M 25-100M +100M COTIZA? 21,59 mil (99,04%) 0,14 mil (0,62%) No cotiza en bolsa Cotiza en bolsa Dejó de cotizar en bolsa OPINIÓN DEL AUDITOR 16,29 mil (74,72%) 4,19 mil (19,21%) 1,28 mil (5,88%) Aprobado Salvedades Favorable con incertidu… Denegado Desfavor. AUDITOR 15,86 mil (72,76%) 5,94 mil (27,24%) Otros BIG 4 ESTADO 13,93 mil (63,92%) 7,7 mil (35,34%) 0,06 mil (0,29%) (En blanco) Activa Concurso Extinguida Disuelta Ilocalizable seg… 6/10/2020 MUESTRA II 1/1 SECTOR(CNAE) 0 mil 1 mil 2 mil 3 mil 4 mil 5 mil 6 mil Industria manufacturera Comercio al por mayor y al por menor; reparación de vehículos d… Construcción Transporte y almacenamiento Actividades profesionales, científicas y técnicas Hostelería Actividades administrativas y servicios auxliares Información y comunicaciones Actividades inmobiliarias Suministro de energía eléctrica, gas, vapor y aire acondicionado Actividades financieras y de seguros Actividades sanitarias y de servicios sociales Agricultura, ganadería, silvicultura y pesca Actividades artísticas, recreativas y de entrenimiento Suministro de agua, actividades de saneamiento, gestión de resid… Educación Otros servicios Industrias extractivas Administración Pública y defensa; Seguridad Social obligatoria 5869 5851 1387 1344 1023 919 758 710 688 581 506 490 486 373 334 184 149 125 18 6/10/2020 SEGMENTADO 1/1 72,06% 27,94% Z3>0 Z3<0 No cotiza en bolsa Cotiza en bolsa Dejó de cotizar en bolsa ANÁLISIS GENERAL SEGMENTADO 21.795 EMPRESAS ANALIZADAS 29,58% 48,10% 22,33% SANAS Z1 GRIS Z1 INSOLV Z1 49,07% 22,99% 27,94% SANAS Z2 GRIS Z2 INSOLV Z2 54,66% 45,34% Z2 NINGÚN AÑO INSOLV Z2 ALGÚN AÑO INSOLV 53,06% 46,94% NINGÚN Z3 ALGÚN Z3 2,82 Z1 medio 4,52 Z2 medio 93,75 Z3 medio 2,13 Z1 Mediana 2,51 Z2 Mediana 1,64 Z3 Mediana -5M 5-10M 10-25M 25-100M +100M Aproba… Salvedades Favorable con incertidumb… Denegado Desfavor. Otros BIG 4 (En blan… Activa Otros Concurso A B C D E F G H I J K L M N O P Q R S 6/10/2020 Z2 y Z3 SECTORES 1/1 0% 20% 40% 60% 80% 100% Transporte y almacenamiento Suministro de energía eléctrica, gas, vapor y … Suministro de agua, actividades de saneamie… Otros servicios Información y comunicaciones Industrias extractivas Industria manufacturera Hostelería Educación Construcción Comercio al por mayor y al por menor; repara… Agricultura, ganadería, silvicultura y pesca Administración Pública y defensa; Seguridad … Actividades sanitarias y de servicios sociales Actividades profesionales, científicas y técnic… Actividades inmobiliarias Actividades financieras y de seguros Actividades artísticas, recreativas y de entren… Actividades administrativas y servicios auxlia… 64,29% 61,62% 80,24% 81,88% 69,01% 81,60% 75,12% 76,06% 67,39% 72,75% 70,48% 71,19% 72,22% 68,16% 71,07% 79,94% 79,64% 67,56% 67,41% 35,71% 38,38% 19,76% 18,12% 30,99% 18,40% 24,88% 23,94% 32,61% 27,25% 29,52% 28,81% 27,78% 31,84% 28,93% 20,06% 20,36% 32,44% 32,59% Z3>0% Z3<0% 0% 20% 40% 60% 80% 100% 36,53% 24,61% 45,51% 53,02% 48,87% 56,80% 54,66% 47,77% 40,76% 50,83% 49,12% 48,97% 61,11% 40,00% 50,64% 54,80% 55,93% 43,70% 42,88% 24,85% 26,51% 29,34% 21,48% 21,27% 20,80% 21,43% 20,24% 22,28% 25,67% 25,48% 20,78% 16,67% 21,43% 21,60% 17,88% 17,00% 16,09% 24,27% 38,62% 48,88% 25,15% 25,50% 29,86% 22,40% 23,91% 31,99% 36,96% 23,50% 25,40% 30,25% 22,22% 38,57% 27,76% 27,33% 27,08% 40,21% 32,85% SANAS Z2 GRIS Z2 INSOLV Z2 6/10/2020 AMAT PROV 1/1 0% 20% 40% 60% 80% 100% Ceuta Soria Santa Cruz de Tenerife Las Palmas de Gran Canaria Salamanca Valladolid a Coruña Navarra Girona La Rioja Toledo Baleares Tarragona Castellón Lleida Alicante Huelva Ourense Melilla Guipuzcoa Málaga Barcelona León Valencia Zaragoza Zamora 87,50% 81,40% 80,81% 79,90% 79,82% 79,36% 79,14% 78,35% 78,24% 77,78% 76,92% 76,52% 76,17% 76,06% 75,66% 75,36% 75,24% 75,19% 75,00% 74,58% 74,46% 74,24% 73,72% 73,68% 72,86% 72,22% 12,50% 18,60% 19,19% 20,10% 20,18% 20,64% 20,86% 21,65% 21,76% 22,22% 23,08% 23,48% 23,83% 23,94% 24,34% 24,64% 24,76% 24,81% 25,00% 25,42% 25,54% 25,76% 26,28% 26,32% 27,14% 27,78% Z3>0% Z3<0% 0% 20% 40% 60% 80% 100% Guadalajara Alava Vizcaya Segovia Palencia Avila Cádiz Pontevedra Granada Córdoba Madrid Huesca Lugo Ciudad Real Asturias Murcia Almería Cuenca Cantabria Cáceres Burgos Teruel Albacete Sevilla Jaen Badajoz 71,93% 71,88% 71,62% 70,42% 70,15% 70,00% 69,95% 69,73% 69,02% 68,93% 68,77% 68,75% 68,57% 67,41% 67,25% 67,03% 66,09% 65,45% 63,98% 63,86% 63,16% 63,16% 63,04% 62,85% 62,18% 61,22% 28,07% 28,13% 28,38% 29,58% 29,85% 30,00% 30,05% 30,27% 30,98% 31,07% 31,23% 31,25% 31,43% 32,59% 32,75% 32,97% 33,91% 34,55% 36,02% 36,14% 36,84% 36,84% 36,96% 37,15% 37,82% 38,78% Z3>0% Z3<0%