Академический Документы
Профессиональный Документы
Культура Документы
DE CRÉDITO
DESARROLLO DE UNA NUEVA HERRAMIENTA
PUBLICACIONES
DE LA UNIVERSIDAD
PONTIFICIA COMILLAS
PEDIDOS:
Servicio de Publicaciones
c/ Universidad Comillas, 3
Tel.: 91 734 39 50 - Fax: 91 734 45 70
c.e.: edit@pub.upcomillas.es
Álvaro Caballo Trebol
MEDICIÓN DE RIESGO
DE CRÉDITO
DESARROLLO DE UNA NUEVA HERRAMIENTA
2013
Esta obra ha sido galardonada con el PREMIO JOSÉ MARÍA RAMÓN DE SAN PEDRO a la mejor tesis
doctoral defendida en la Facultad de Ciencias Económicas y Empresariales de la Universidad Pontificia
Comillas en el período de los cursos académicos 2011 a 2012.
'+$!$)2#+'($#)$"!!('
/!+'$
%#'($')$1(''$!!$*##*+''"#)3!+'$!!$'$!244'
1#+'($#)$"!!(/;9:<2
:B>&2445!$)$"!!(2$#$"0>6
!$'1&2:B<4:B>
'"$
$('"%##'$!" $')(($)$'!##!*!)#(
$#%"(,"&'('!(!#+'($#)$"!!(#!&'$$!$(*'($(
"$(;9::;9:;
22:??B=4;9:<244
B@A4A=4A=?A4=@A4@
:2')$;2"&'((<2+!*%#!'($ 2)*!$
ISBN: 978-84-8468-478-7
Depósito Legal: M-16694-2013
Diseño de cubierta: BELÉN RECIO GODOY
Fotocomposición: Rico Adrados, S.L.
"CBE.BMVFOEB
CBKPt#VSHPT
Impreso por
Rico Adrados, S.L.
Reservados todos los derechos. El contenido de esta obra está protegido por las leyes, que establecen penas
de prisión y multas, además de las correspondientes indemnizaciones por daños y perjuicios, para quienes
reprodujeran total o parcialmente el texto de este libro por cualquier procedimiento electrónico o mecánico,
incluso fotocopia, grabación magnética, óptica o informática, o cualquier sistema de almacenamiento de
información o sistema de recuperación, sin permiso escrito de los propietarios del copyright.
ÍNDICE
7
MEDICIÓN DE RIESGO DE CRÉDITO
8
ÍNDICE
9
MEDICIÓN DE RIESGO DE CRÉDITO
10
ÍNDICE DE TABLAS
11
MEDICIÓN DE RIESGO DE CRÉDITO
12
ÍNDICE DE TABLAS
13
ÍNDICE DE FIGURAS
15
GLOSARIO
17
MEDICIÓN DE RIESGO DE CRÉDITO
18
CAPÍTULO 1
INTRODUCCIÓN
1. OBJETIVOS
19
MEDICIÓN DE RIESGO DE CRÉDITO
20
INTRODUCCIÓN
1
El desarrollo de éstas y otras variables explicativas se recoge en los apartados 3.3 y 4.3.
2
La descripción de la muestra se recoge en el apartado 3.2.
21
MEDICIÓN DE RIESGO DE CRÉDITO
3
Ver apartado 3.4.1.
4
Ver apartado 3.4.3.
22
INTRODUCCIÓN
23
MEDICIÓN DE RIESGO DE CRÉDITO
3. ESTRUCTURA DE LA INVESTIGACIÓN
24
INTRODUCCIÓN
25
CAPÍTULO 2
1. INTRODUCCIÓN
27
MEDICIÓN DE RIESGO DE CRÉDITO
28
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
29
MEDICIÓN DE RIESGO DE CRÉDITO
30
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
1
Considera el flujo de caja como el beneficio neto más amortizaciones y provisiones, al
constituir éstas una cuenta de gasto pero no una salida de caja.
31
32
total
Func)/ FGO
Deuda total
/ Activo total
sivo corriente
(Disponible +
finan.Cp - Acc.
+Exigible largo
de explotación
VARIABLES
+Exigible largo
(Fin.Neg.+ otra
Recursos ajenos
(Fondos propios
finan. - Acc.Extr.
PREDICTIVAS
Efectivo / Activo
(Fondos propios
(Activo corriente
finan.Cp) / (FGO)
Activo corriente /
Extr. Func) / FGO
lizable) / Ingresos
- existencias) / Pa-
plazo) / Activo fijo
Recursos propios /
(Fin,Neg.Cp + otra
1
Beaver ( 1966)
1
Altman ( 1968)
1
Deakin (1972)
Blum (1974)
1
Libby (1975)
1
Gombola, Ketz (1983)
1
Zmijewski (1984)
1
Marais et, al (1984)
1
Peel et, al ( 1986)
1
Ezzamel et al (1987)
1
Pina (1989)
1
Koh (1991)
1
1
García et al. (1995)
1
1
1
Lizarraga (1997)
TABLA 1. RESUMEN DE RATIOS UTILIZADAS
1
1
Somoza (2001)
1
1
1
1
9
8
3
8
3
Nº autores
neto
total
Ventas
corriente
Activo total
Deuda total
/ Activo total
BAIT / Ventas
Ventas / Activo
VARIABLES
Beneficio neto /
Beneficio neto /
Capital propio /
BAIT / Intereses
/ Pasivo exigible
PREDICTIVAS
Amortizaciones /
Capital circulante
Ventas / Activo no
BAIT / Patrimonio
BAIT / Activo total
Inmovilizado neto
Beneficio retenido
1
1
1
Beaver ( 1966)
1
1
Altman ( 1968)
1
Deakin (1972)
1
Blum (1974)
1
Libby (1975)
1
1
1
1
Altman et al. (1977)
1
1
1
1
1
1
1
Zmijewski (1984)
1
1
1
Casey, Bartczak (1985)
1
Laffarga et al. (1985)
1
Frydman et al. (1985)
1
1
Ezzamel et al (1987)
Pina (1989)
1
1
1
1
1
Koh (1991)
1
1
1
Lizarraga (1997)
1
1
Somoza (2001)
1
4
2
5
1
9
9
15
12
Nº autores
total
tación
vo total
Efectivo
BAITDA
exigible
corriente
circulante
plotación
explotación
explotación
/ Deuda total
ción / Activo
ción / Pasivo
CP / BAITDA
ción / Ventas
Disponible /
/ Cash flow de
a corto plazo /
tación / Pasivo
VARIABLES
Disponible (Te-
sorería) / Pasivo
Ingresos de ex-
a CP / Cash flow
PREDICTIVAS
BAITDA / Pasivo
Deuda financiera
Deuda financiera
Deuda financiera
BAITDA / Ventas
Deuda financiera
Deuda financiera /
Ingresos de explo-
Cash flow explota-
Disponible / Activo
Cash flow explota-
Cash flow explota-
Cash flow operativo
1
1
1
Beaver ( 1966)
Altman ( 1968)
1
Deakin (1972)
1 Blum (1974)
1
Libby (1975)
1
1
1
1
Zmijewski (1984)
1
Laffarga et al. (1985)
Ezzamel et al (1987)
Pina (1989)
1
1
1
1
1
Koh (1991)
1
1
1
1
1
1
Lizarraga (1997)
1
Somoza (2001)
1
1
1
1
1
2
1
4
2
2
3
4
1
4
2
7
1
1
12
Nº autores
tación
Ventas
tencias
exigible
propios
plotación
circulante
circulante
explotación
Existencias /
plazo / Pasivo
plazo / Fondos
VARIABLES
Ingresos de ex-
Ingresos de ex-
/ Valor añadido
Exigible a largo
Exigible a largo
/ Pasivo exigible
/ Ingresos de ex-
PREDICTIVAS
Gastos de perso-
Rotación de exis-
Fondos propios /
plotación / Activo
tación / Gastos de
tación / Activo fijo
Gastos financieros
Gastos financieros
plotación / Capital
Gastos financieros
Ingresos de explo-
Ingresos de explo-
Ingresos de explo-
nal / valor añadido
sos de explotación
Existencias / Ingre-
1
Beaver ( 1966)
Altman ( 1968)
Deakin (1972)
Blum (1974)
Libby (1975)
1
1
Gombola, Ketz (1983)
Zmijewski (1984)
Ezzamel et al (1987)
1
Pina (1989)
Koh (1991)
1
1
1
1
1
1
1
1
1
1
1
1
1
Lizarraga (1997)
1
1
1
1
1
1
1
1
Somoza (2001)
3
2
5
3
4
3
2
2
3
1
Nº autores
tación
Pasivo
Ventas
propios
circulante
Activo total
bra / Ventas
explotación
dos propios
rados / Pasivo
rados / Fondos
Recursos gene-
VARIABLES
Recursos gene-
Pasivo exigible /
Fondos propios
Pasivo corriente
Pasivo exigible /
Fondos propios
PREDICTIVAS
Recursos genera-
Activo corriente /
dos / Ingresos de
Fondo de manio-
Fondo de manio-
Patrimonio neto /
Patrimonio neto /
Patrimonio neto /
Pasivo total / Fon-
Pasivo circulante /
Ingresos de explo-
1
1
1
1
Beaver ( 1966)
1
Altman ( 1968)
1
1
1
Deakin (1972)
1
Blum (1974)
1
Libby (1975)
1
Altman et al. (1977)
1
1
1
1
Gombola, Ketz (1983)
1
Zmijewski (1984)
1
1
1
1
Marais et, al (1984)
1
1
1
1
1
1
Ezzamel et al (1987)
Pina (1989)
1
1
Koh (1991)
1
1
1
1
1
1
1
1
1
1
1
Lizarraga (1997)
1
1
1
1
1
1
1
1
Somoza (2001)
1
2
2
4
3
2
4
2
4
20
12
Nº autores
tación
lizadas
trianual
exigible
Pasivo Ajeno
Rentabilidad
rados / Pasivo
de impuestos /
VARIABLES
Recursos gene-
Valor añadido /
de cap. Propio /
Tasa de retorno
Fondos propios
Nº de ratios uti-
Patrimonio neto
Resultado neto /
PREDICTIVAS
Logaritmo nepe-
dos / Pasivo total
Recursos genera-
Valor de mercado
Ingresos de explo-
económica - Coste
dores) / Inventario
1
15
Beaver ( 1966)
5
Altman ( 1968)
1
1
1
6
Blum (1974)
6
Libby (1975)
6
Altman et al. (1977)
18
Gombola, Ketz (1983)
4
Zmijewski (1984)
8
Marais et, al (1984)
4
Casey, Bartczak (1985)
1
4
Laffarga et al. (1985)
2
Frydman et al. (1985)
1
3
Peel et, al ( 1986)
11
Ezzamel et al (1987)
1
Rodríguez Fernández (1987 y 1989)
1
1
1
6
Pina (1989)
13
Gilbert et al.( 1990)
5
Koh (1991)
1
6
López et al. ( 1994)
1
1
1
1
34
García et al. (1995)
1
7
Altman et al. (1995)
31
Lizarraga (1997)
1
1
11
12
29
14
Somoza (2001)
1
18
4
5
1
6
Nº autores
38
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
Se trata de una técnica que debe estar presente como fase inicial en cual-
quier investigación, aunque no se caracterice por ser óptima, ya que además
de tener la ventaja de su simplicidad, tal y como señala Mora (1994) permite
39
MEDICIÓN DE RIESGO DE CRÉDITO
TABLA 2.
RATIOS UTILIZADAS POR BEAVER EN 1966 EN SU MODELO DE PREDICCIÓN DEL FRACASO EMPRESARIAL
40
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
41
MEDICIÓN DE RIESGO DE CRÉDITO
2
R.A. EISENBEIS (1977), “Pitfalls in the application of discriminant analysis in Business, Fi-
nance and Economics”, Journal of Finance, vol. 32, no. 3, pp. 875-900.
42
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
43
MEDICIÓN DE RIESGO DE CRÉDITO
Esta técnica, al igual que los métodos Logit y Probit, no está sujeta a algu-
nas de las restricciones del análisis discriminante, como son la normalidad de
la distribución de probabilidad y la homocedasticidad de las variables expli-
cativas. Con esta técnica se puede clasificar a las empresas como fracasadas o
no, utilizando cada variable explicativa de manera individual, obteniendo así
diferentes clasificaciones de empresas, basadas en el desarrollo de un árbol de
clasificaciones binarias. Respecto de sus limitaciones como técnica, conviene
precisar que una de sus deficiencias es que no permite hacer comparaciones
entre empresas que acaban siendo clasificadas en el mismo grupo.
El método de particiones iterativas fue utilizado en 1984 por Marais et al.
En el trabajo desarrollado por Frydman et al. (1985) se usa este algoritmo
obteniendo un grado de acierto en el nivel de clasificación de empresas fraca-
sadas y no fracasadas superior al que se habría alcanzado utilizando un análisis
discriminante.
3
M.T. FERNÁNDEZ TASCÓN y F.J. CASTAÑO GUTIÉRREZ, “Predicción del fracaso empresarial: Una
revisión”. Comunicación presentada en el XV Congreso de la Asociación Española de Contabili-
dad y Administración de Empresas. Celebrada en Valladolid, del 23 al 25 de septiembre de 2009.
Disponible en http://www.aeca.es/pub/online/comunicaciones xvcongresoaeca/cd/63b.pdf. Fe-
cha de acceso diciembre 2010.
44
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
45
MEDICIÓN DE RIESGO DE CRÉDITO
4
Nota de prensa del Instituto Nacional de Estadística de 8 de noviembre de 2010. Dispo-
nible en http://www.ine.es/daco/daco42/epc/epc0310.pdf. Fecha de acceso enero 2011.
5
Nota de prensa del Instituto Nacional de Estadística de 15 de noviembre de 2010. Dispo-
nible en http://www.ine.es/daco/daco42/daco424/sm0910.pdf. Fecha de acceso enero 2011.
6
Informe del Banco de España, Cuadros del boletín estadístico sobre morosidad.
7
Banco de España; Circular 3/2008 (22 mayo).
8
De Andrés (2000).
46
ANÁLISIS DE MODELOS DE FRACASO EMPRESARIAL
9
SOMOZA (2001) introduce variables macroeconómicas como el tamaño de la empresa
deflactado por el PIB o la variación de la producción sectorial. Los resultados sin embargo no
consiguieron incrementar la capacidad predictiva del modelo.
47
MEDICIÓN DE RIESGO DE CRÉDITO
48
CAPÍTULO 3
1. INTRODUCCIÓN
49
MEDICIÓN DE RIESGO DE CRÉDITO
2. DESCRIPCIÓN DE LA MUESTRA
FIGURA 1.
DISTRIBUCIÓN DE LAS EMPRESAS DE LA MUESTRA POR SECTORES
43,2%
Sector Primario
2,4%
Sector Secundario
50
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
FIGURA 2.
DISTRIBUCIÓN DE LAS EMPRESAS DE LA MUESTRA POR VOLUMEN DE VENTAS
VOLUMENDE VENTAS
4,9%
20,1% > 100
[60-1000]
40,7% 11,9%
[30-60]
[10-30]
22,4%
< 10
51
MEDICIÓN DE RIESGO DE CRÉDITO
FIGURA 3.
DISTRIBUCIÓN DE LAS EMPRESAS DE LA MUESTRA POR ACTIVO TOTAL
ACTIVO TOTAL
12,3%
> 160
10,5%
42,1% [80-60]
[40-80]
13,6%
[20-40]
21,5%
< 20
Todas las empresas que componen la muestra han sido auditadas, evitando
de este modo los problemas detectados en otros estudios, como por ejemplo
se señala en el artículo de Abad, Arquero y Jiménez1 quienes constataron que
en ocasiones anteriores “la investigación efectuada sobre el fracaso empresa-
rial ha encontrado serias dificultades para proporcionar modelos predictivos
estables con tasas de éxito adecuadas. Se ha alegado que el origen de esas
dificultades se encuentra en que algunas empresas fracasadas manipulan la
información contable”.
La base de datos con la se ha trabajado para el desarrollo del modelo per-
mite la incorporación, como ya se ha mencionado con anterioridad, de las
correspondientes recomendaciones del Comité de Supervisión de Basilea.
En este caso las características de los elementos de la muestra son, en primer
lugar, que se trata de pequeñas y medianas empresas y, en segundo, que
todas ellas están auditadas, lo que determina condiciones de homogeneidad
que permite el tratamiento estadístico de la muestra.
1
“Procesos de fracaso empresarial. Identificación y contrastación empírica”. Comunica-
ción presentada en el XII Congreso de la Asociación Española de Contabilidad y Administración
de Empresas, celebrada en Cádiz del 29 al 1 de octubre de 2003 en http://www.aeca.es/xiicon-
gresoaeca/cd/37a.pdf. Fecha de acceso diciembre 2010.
52
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
53
MEDICIÓN DE RIESGO DE CRÉDITO
TABLA 3.
RESUMEN BADEXCUG SOBRE LA MUESTRA
CONCEPTO IMPORTE
Total empresas con incidencias 33
Nº incidencias 646
Nº medio de incidencias por empresa 20
Importe total de las incidencias 6.359.359
Importe medio de las incidencias 192.708
Valor máximo 1.100.952
Valor mínimo 266
Porcentaje de incidencias sobre el total de la muestra 4,80%
Fuente: Elaboración propia
Del informe (tabla 3) destacamos que el 4,8% de las empresas han tenido
incidencias en pagos, con un importe medio de 192.708 euros por incidencia.
2
El informe completo Badexcug se encuentra en el anexo 1.1.
54
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
CONCEPTO IMPORTE
Total empresas con incidencias 87
Nº incidencias 4.340
Nº medio de incidencias por empresa 50
Importe total de las incidencias 69.940.011
Importe medio de las incidencias 803.908
Valor máximo 23.436.398
Valor mínimo 0
Porcentaje de incidencias sobre el total de la muestra 12,66%
Fuente: Elaboración propia
De ellas conviene destacar que tanto los importes medios por incidencia
(803.908 euros) como el número de empresas con incidencias (87) son muy
superiores al resto de los informes de incidencias, situándose el porcentaje de
incidencias judiciales en el 12,66% sobre el total de la muestra.
Registro de aceptaciones impagadas (RAI) posteriores a 01-01-20084. En el
fichero del RAI únicamente se tratan datos concernientes a personas jurídicas.
En concreto, se recoge la información relativa a aquellos impagados de cuantía
igual o superior a 300 euros, que se produzcan por documentos en los que
conste la firma del deudor-persona jurídica reconociendo la deuda, sean de
uso en masa en el sistema bancario y tengan fuerza ejecutiva. Asimismo, se
recogen aquellos recibos que suplen a las letras de cambio en los que conste
la aceptación del deudor con su firma y que cumplan los restantes requisitos
antes señalados, salvo el de la fuerza ejecutiva. El plazo de prescripción de la
información contenida en el RAI es de 30 meses.
3
El informe completo de incidencias judiciales se encuentra en el anexo 1.2.
4
Informe completo en anexo 1.3.
55
MEDICIÓN DE RIESGO DE CRÉDITO
TABLA 5.
RESUMEN RAI SOBRE LA MUESTRA
CONCEPTO IMPORTE
Total empresas con incidencias 63
Nº incidencias 2.336
Nº medio de incidencias por empresa 37
Importe total de las incidencias 28.261.265
Importe medio de las incidencias 448.592
Valor máximo 10.377.006
Valor mínimo 300
Porcentaje de incidencias sobre el total de la muestra 9,17%
Fuente: Elaboración propia
56
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
TABLA 6.
VARIABLE DEPENDIENTE DEL MODELO SOBRE LA MUESTRA
ID R2008 R2009 ID R2008 R2009 ID R2008 R2009 ID R2008 R2009
6.058 0 0 3.278.131 0 0 4.082.164 0 0 4.252.651 0 0
37.461 0 0 3.278.345 0 0 4.082.732 0 0 4.256.007 0 0
39.042 0 1 3.278.915 0 0 4.083.144 0 0 4.256.013 0 0
39.093 0 0 3.279.366 0 0 4.083.387 0 0 4.256.037 0 0
41.451 1 1 3.279.441 0 0 4.090.866 0 0 4.256.046 0 0
42.262 0 0 3.279.473 0 0 4.090.899 0 0 4.256.059 0 0
42.328 0 0 3.285.901 1 1 4.092.703 0 0 4.256.066 0 0
43.128 0 0 3.300.343 0 0 4.095.778 0 0 4.256.095 0 0
43.900 0 0 3.302.218 0 0 4.101.596 0 0 4.256.100 0 0
44.813 0 0 3.304.889 0 0 4.101.627 0 0 4.256.112 0 0
44.864 0 0 3.317.691 0 0 4.104.397 0 0 4.256.128 0 0
53.140 0 0 3.333.442 0 0 4.104.597 0 0 4.256.139 0 0
61.095 0 0 3.335.426 0 0 4.109.168 0 0 4.256.177 0 0
61.195 0 1 3.338.575 1 1 4.111.152 0 0 4.256.211 0 0
66.401 0 0 3.361.209 0 0 4.111.578 0 0 4.256.218 0 0
67.461 0 0 3.361.649 0 0 4.113.290 0 0 4.256.229 0 0
68.300 0 0 3.363.524 0 0 4.113.329 1 1 4.256.248 0 0
69.665 1 1 3.377.951 0 0 4.113.373 0 0 4.256.249 0 0
71.176 0 0 3.390.444 0 0 4.113.726 0 0 4.256.264 0 0
72.017 0 0 3.392.618 1 1 4.113.922 0 0 4.256.277 0 0
72.018 0 0 3.422.144 0 0 4.114.886 0 0 4.256.335 0 0
57
MEDICIÓN DE RIESGO DE CRÉDITO
58
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
59
MEDICIÓN DE RIESGO DE CRÉDITO
60
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
100.220.507 0 0 100.468.470 0 0
100.220.613 0 0 100.484.280 0 0
100.221.655 0 0 100.500.131 0 0
100.223.574 0 0 100.516.527 0 0
100.234.930 0 0 100.517.182 0 0
100.236.016 0 0 100.517.575 0 0
100.246.026 0 0 100.517.786 0 0
100.248.561 0 0 100.518.483 0 0
100.251.735 0 0 100.519.593 0 0
100.251.803 0 0 100.520.902 0 0
100.252.608 0 0 100.522.626 0 0
100.255.274 0 0 100.524.146 0 0
100.256.714 1 1 100.534.815 1 1
100.269.977 0 0 100.595.053 0 0
100.272.199 0 0 100.595.464 0 0
100.280.195 0 0 100.596.262 0 0
100.284.824 0 0 100.600.178 0 0
100.287.068 0 0 100.600.478 0 0
100.287.499 0 0 100.600.856 0 0
100.291.669 0 0 100.600.857 0 0
100.303.955 0 0 100.603.415 0 0
100.312.210 0 0 100.603.488 0 0
100.322.699 1 1 100.610.342 0 0
100.336.253 0 0 100.615.293 0 0
100.337.823 0 0 100.617.921 1 1
100.342.977 0 0 100.633.561 0 0
100.343.805 0 0 100.657.383 0 0
61
MEDICIÓN DE RIESGO DE CRÉDITO
100.362.997 0 0 100.660.506 0 0
100.363.063 0 0 100.660.576 0 0
100.364.588 0 0 100.668.599 0 0
100.370.972 0 0 100.679.430 0 0
100.378.316 0 0 100.700.076 0 0
100.380.627 0 1 100.703.570 0 0
100.383.517 0 0 100.726.399 0 0
100.387.202 0 0 100.746.245 0 0
100.398.594 0 0 100.746.559 0 0
100.407.344 0 0 100.748.475 0 1
100.415.104 0 0 100.756.926 0 1
100.433.130 0 0 100.758.043 0 0
100.434.035 0 0 100.779.662 0 0
100.440.711 0 0
100.441.068 0 0
100.448.967 0 0
100.451.186 0 0
100.452.721 1 1
100.456.928 0 0
100.456.931 0 0
100.458.123 0 0
100.461.626 0 0
100.462.895 0 0
62
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
que el modelo clasifica a dicha empresa como “1”. Este valor de corte
habrá de ajustarse posteriormente en función del total de empresas que
ciertamente integren la muestra para la construcción del modelo.
t 1BSBFMBÁP
FMOÈNFSPEFFNQSFTBTRVFIBOUFOJEPJODJEFODJBT
en pagos es de 58, lo que supone una estimación de la probabilidad de
corte en 7,14%. Al igual que en el ejercicio 2008, este valor se ajustará
posteriormente en función del total de empresas que formen parte de
la muestra definitiva.
t &MOÈNFSPEFFNQSFTBT
EFMUPUBMEFMBNVFTUSB
RVFIBOUFOJEPJODJ-
dencias en los dos años consecutivos es de 32.
63
MEDICIÓN DE RIESGO DE CRÉDITO
Todas las variables se han definido en forma de ratio para evitar de este
modo el efecto del tamaño. Posteriormente se pueden ajustar los resultados
obtenidos por cada una de las variables a una escala, siendo así fácilmente
comparables e interpretables.
Las variables que finalmente se han seleccionado son, o bien modificacio-
nes de variables utilizadas por otros autores los cuales, como ya hemos des-
crito en el capítulo dos, estudian el fracaso empresarial en fases diferentes a la
que aquí se ha elegido, o nuevas variables, pretendiendo con ello incrementar
el valor predictivo, al suponer una mejor captación de información relevante
para la determinación de la probabilidad de impago.
La clasificación de las variables explicativas se ha realizado en seis grupos,
cuatro de los cuales se han formado atendiendo a su significado financiero y a
los criterios anteriormente descritos (variables de flujo de caja, ratios económi-
cas, ratios de circulante y ratios de endeudamiento), mientras que los otros dos
grupos (variables al cuadrado e interacciones entre variables) aglutinan variables
que se obtienen a partir de las anteriores y resultan necesarias para la mejora del
modelo, tanto por incorporar efectos debidos a la consideración conjunta de al-
gunas de ellas como por exigencias del propio modelo matemático utilizado.
64
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
5
Utilizada por DEMIROVIC y THOMAS (2007) pero partiendo del BAIT contable sin modifica-
ciones.
65
MEDICIÓN DE RIESGO DE CRÉDITO
6
Utilizada por DEMIROVIC y THOMAS (2007); GONIS y TAYLOR (2009). Aquí se introduce a partir
de BAIT*.
66
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
FCL* = FCL +/- deudas con coste financiero a LP +/- deudas con coste financiero
a CP – gastos financieros
67
MEDICIÓN DE RIESGO DE CRÉDITO
68
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
7
Utilizada por autores como: ALTMAN (1968); GILBERT, MENON y SCHARWARTZ (1990); GARCÍA, AR-
QUÉS y CALVO-FLORES (1995); SHARMA e ISELIN (2003); BEAVER, CORREIA y MCNICHOLS (2008), partiendo
del BAIT contable.
8
Variable utilizada por autores como: LAFFARGA, MARTÍN y VÁZQUEZ (1985); LÓPEZ, MORENO y
RODRÍGUEZ (1994); LIZARRAGA (1997); DEMIROVIC y THOMAS (2007).
69
MEDICIÓN DE RIESGO DE CRÉDITO
9
Autores como LIZARRAGA (1977); DEMIROVIC y THOMAS (2007) utilizan esta variable pero cal-
culado el BAIT sin tener en cuenta los ingresos por participaciones de capital.
10
Variable utilizada por BEAVER (1966); DEMIROVIC y THOMAS (2007); GONIS y TAYLOR (2009).
11
Autores como LIZARRAGA (1997); RODRÍGUEZ LÓPEZ (2001) han utilizado (gastos de personal
+Amortizaciones)/ Valor añadido.
70
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
71
MEDICIÓN DE RIESGO DE CRÉDITO
12
Autores como BEAVER (1966); LIZARRAGA (1997); SHARMA y ISELIN (2003) han utilizado Fondo
de maniobra / Total activo.
72
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
1..ZMBT/0'4FBTJHOBS²FMWBMPSVOPFODBTPEFTFS1..Z/0'
lo que afectará a un incremento de la probabilidad de impago y el valor cero
FOFMDBTPEF1..DPO/0'UBOUPQPTJUJWBTDPNPOFHBUJWBT
JNQMJDBOEP
una disminución de la probabilidad de impago.
El cuarto grupo de variables integra los indicadores tomados del pasivo del
balance de situación. Las llamadas ratios de endeudamiento son imprescindi-
bles en el análisis de la situación financiera de las empresas. Las diferentes par-
tidas que componen el pasivo de una empresa tienen características diferentes
tanto en su coste como en los plazos y obligación de devolución de su principal
y el peso de las mismas sobre el total de financiación será clave a la hora de
determinar el riesgo existente en la capacidad de devolución de la deuda.
73
MEDICIÓN DE RIESGO DE CRÉDITO
74
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
75
MEDICIÓN DE RIESGO DE CRÉDITO
y, con ello,
Logit
76
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Una vez realizada la definición del modelo a utilizar y de las variables que
se incluyen en el mismo, se ha estimado el modelo, es decir se han estimado
los distintos parámetros contenidos en el mismo, con base en los datos dis-
ponibles.
Obtenido el modelo, se ha procedido a aplicar el mismo a los datos corres-
pondientes de la variable dependiente, probabilidad de impago, en los años
2008 y 2009. A continuación, se plantea la discusión del modelo en sus dos
aplicaciones de acuerdo con el esquema siguiente:
t %JTDVTJÂOEFMBWBMJEF[FTUBE½TUJDBEFMNPEFMP
NFEJBOUFU¹DOJDBTZ
coeficientes usuales en los modelos de regresión Logit. Esta discusión
incluye por un lado la verificación de la bondad del ajuste realizado y,
por otro lado, una vez comprobada ésta, la discusión y el análisis de la
significatividad de las variables explicativas.
t $PNQSPCBEBTMBTDBSBDUFS½TUJDBTEFWBMJEF[FTUBE½TUJDBEFMNPEFMP
TF
analizará el resultado fundamental del mismo, la clasificación que pro-
duce, es decir se discutirá hasta qué punto el modelo es capaz de pre-
decir correctamente las empresas que han presentado impagos real-
mente y las que no han tenido dicha situación. Por último se discutirá
la robustez del modelo, es decir, si los resultados se modifican o no de
manera significativa al ser aplicado sobre muestras diferentes.
t 4FQSPDFEFS²
FOÈMUJNPMVHBS
BMBDPNQBSBDJÂOEFMNPEFMPFMBCPSBEP
con otros existentes que tienen por objeto el análisis del fracaso em-
presarial. El objetivo de este análisis comparativo es la verificación del
77
MEDICIÓN DE RIESGO DE CRÉDITO
6.1.1. Resultados R2
Para medir la bondad del modelo como herramienta de ajuste a los datos
empíricos disponibles, se utilizan, en general, distintos coeficientes cuya va-
lidez o posibilidad de aplicación, depende del tipo de modelo utilizado y de
las variables empleadas.
En el modelo elaborado, Logit, se ha elegido el análisis de uno de los
coeficientes que habitualmente se ofrecen como válidos: el coeficiente de de-
terminación R2 de Nagelkerke13 que permite interpretar la validez del modelo
en tanto que es capaz de explicar la variabilidad de los datos empíricos. Dicha
medida varía entre 0 y 1. La validez del modelo es tanto mayor cuanto mayor
sea el valor de R2, para muestras de un mismo tamaño.
Las tablas siguientes muestran los resultados obtenidos para cada uno de
los años considerados e incluyen además el valor de R2 de Cox y Snell, como
salida habitual del programa estadístico SPSS.
13
N. NAGELKERKE (1991), “A Note on a General Definition of the Coefficient of Determina-
tion”. Biometrica, vol. 78, no 3, pp 691-692.
78
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
TABLA 7.
RESULTADOS R2 MODELO 2008
TABLA 8.
RESULTADOS R2 MODELO 2009
79
MEDICIÓN DE RIESGO DE CRÉDITO
TABLA 9.
RESULTADOS HOSMER Y LEMESHOW PROBABILIDAD DE IMPAGO 2008
D. HOSMER, y S. LEMESHOW (1989), Applied Logistic Regression. John Wiley & Sons, INC.
14
15
Esta información se refleja en la tabla de contingencias para la prueba de Hosmer y Le-
meshow.
80
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
TABLA 10.
RESULTADOS HOSMER Y LEMESHOW PROBABILIDAD DE IMPAGO 2009
81
MEDICIÓN DE RIESGO DE CRÉDITO
KMO =
16
El índice KMO es una relación por cociente, donde el numerador es la suma de los
coeficientes de correlación entre todas las variables al cuadrado y el denominador está formado
por la suma de coeficientes de correlación parcial al cuadrado y la suma de los coeficientes de
correlación al cuadrado.
82
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Matriz de correlacionesa
a. Determinante = 1,12 E-025
17
La tabla que se incluye es una salida de SPSS y contiene además del índice KMO la prueba
de esfericidad de Barlett, en el que se prueba que la matriz de correlaciones se ajuste a la matriz
identidad (I), es decir ausencia de correlación significativa entre las variables.
83
MEDICIÓN DE RIESGO DE CRÉDITO
18
Ver anexo 3.
84
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
19
Recogida en el apartado 3.5.
85
MEDICIÓN DE RIESGO DE CRÉDITO
En el modelo aplicado a 2009 (tabla 15) tanto la variable FCL* sin CAPEX en-
tre deudas a largo plazo más deudas a corto plazo, como la variable flujo de caja
libre entre deudas a corto y largo plazo, han presentado valores no significativos
por lo que se han descartado finalmente. Esta última ha dado el mismo resulta-
do que en el modelo de 2008. El resto de variables del grupo son significativas,
por lo que su introducción en el modelo mejora la capacidad de predicción del
mismo. Observando los valores de la Odds (Exp (B)), las dos variables de mayor
influencia dentro de este grupo son el FCL*/DCP y FCL*/ (DLP+DCP).
86
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
87
MEDICIÓN DE RIESGO DE CRÉDITO
88
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
89
MEDICIÓN DE RIESGO DE CRÉDITO
90
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
91
MEDICIÓN DE RIESGO DE CRÉDITO
Una vez detallado el análisis por grupos de las variables del modelo de
probabilidad de impago, mediante la discusión de los valores presentados
por el nivel de significación de las mismas, se completa el estudio reco-
giendo en primer lugar todos los elementos del modelo de 2008 en la ta-
bla siguiente, en particular los valores de los coeficientes de las variables
independientes en el modelo (B) y, para concluir, se resume el análisis del
número de variables totales según el grado de significación considerado por
intervalos. Con ello, se facilita una visión global de las variables elegidas,
en términos de su significación, es decir de su importancia en el modelo
global.
GRUPO 1
GRUPO 2
92
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
GRUPO 3
GRUPO 4
93
MEDICIÓN DE RIESGO DE CRÉDITO
CUADRADO RATIO DE LAS NOF 2005 0,073 0,023 9,785 1 0,002 1,075
CUADRADO RATIO DE LAS NOF 2006 0,061 0,042 2,141 1 0,143 1,063
AÑO 2008
20
Las variables que se han mantenido en el modelo con un grado de significación bajo es
debido a la existencia de multicolinealidad tolerable en el modelo y su exclusión provocaba una
disminución en la capacidad predictiva del mismo.
94
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
AÑO 2009
95
MEDICIÓN DE RIESGO DE CRÉDITO
Tabla de clasificación
Pronosticado
observado Riesgo año 2008
Porcentaje correcto
0 1
Paso 1 Riesgo año 2008 0 519 110 82,5
1 5 34 87,2
Porcentaje global 82,8
96
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Tabla de clasificación
Pronosticado
observado Riesgo año 2009 Porcentaje
0 1 correcto
Paso 1 Riesgo año 2009 0 449 170 72,5
1 8 41 83,7
Porcentaje global 73,4
Tabla de clasificación
Pronosticado
97
MEDICIÓN DE RIESGO DE CRÉDITO
como los mínimos obtenidos están dentro de un intervalo muy próximo al va-
lor resultante con la muestra total. La media es superior en más de dos puntos
en el caso de porcentaje correcto de clasificación de empresas sin problemas
de pagos, al igual que el porcentaje global de la muestra, y por otro lado las
desviaciones típicas están en el intervalo de 2,12 y 3,45, por lo que las medias
obtenidas pueden considerarse suficientemente estables.
Se recogen en la tabla 27 las clasificaciones individuales obtenidas por el mo-
delo para cada una de las 105 muestras aleatorias en las que se ha aplicado, indi-
cándose los porcentajes de acierto, es decir, de casos correctamente predichos.
84,23 87,50 84,42 83,58 80,00 83,39 86,13 88,88 86,27 83,09 85,71 83,23
83,49 84,84 83,57 84,77 87,50 84,94 87,04 93,10 87,36 84,69 91,17 85,10
86,08 85,18 86,03 86,25 81,25 85,95 88,82 81,48 88,46 84,47 86,66 84,60
85,87 86,20 85,89 83,91 84,37 83,94 83,89 81,25 83,73 85,74 91,66 86,13
87,57 90,00 87,71 82,08 88,23 82,47 89,50 84,61 89,26 85,88 80,64 85,58
83,03 83,87 83,08 83,49 87,09 83,70 84,14 87,50 84,35 84,69 83,87 84,64
87,67 87,09 87,64 84,76 90,00 85,05 83,59 91,17 84,06 81,78 83,87 81,90
89,07 86,20 88,91 86,46 86,20 86,45 82,51 81,81 82,47 84,97 89,28 85,19
86,97 87,50 87,00 84,92 83,33 84,83 81,15 87,50 81,53 84,81 87,50 84,98
86,63 81,48 86,36 85,22 84,37 85,17 86,85 86,66 86,84 87,92 93,54 88,25
85,43 87,87 85,58 82,99 83,33 83,01 84,85 83,33 84,77 86,97 87,50 87,00
83,65 94,11 84,29 87,24 89,65 87,38 83,26 85,29 83,39 87,10 93,10 87,43
88,46 78,57 87,95 85,63 87,50 85,74 80,57 84,84 80,84 85,74 87,50 85,84
86,00 87,50 86,09 89,58 86,66 89,42 87,10 93,54 87,47 90,32 89,65 90,29
85,07 87,87 85,24 81,65 85,71 81,91 85,45 87,09 85,55 86,82 84,37 86,67
85,68 90,32 85,95 84,35 82,35 84,22 88,31 81,48 87,97 88,36 93,10 88,61
82,77 87,50 83,05 84,37 83,33 84,30 89,87 89,28 89,84 88,62 87,50 88,56
90,14 93,54 90,34 85,32 87,50 85,45 85,74 83,87 85,63 87,17 88,88 87,26
84,10 91,42 84,58 83,26 91,17 83,76 83,63 88,23 83,93 85,77 83,33 85,63
83,10 81,81 83,02 86,12 80,00 85,77 83,95 84,84 84,00 83,13 84,37 83,20
86,99 85,71 86,92 83,49 87,09 83,70 81,11 87,09 81,46 85,14 83,33 85,04
83,53 85,29 83,64 81,22 85,29 81,48 83,10 86,20 83,27 86,57 81,48 86,31
81,56 88,88 82,0 86,61 90,62 86,85 89,60 90,00 89,62 84,89 83,87 84,83
86,42 86,66 86,44 83,63 86,66 83,81 86,40 89,65 86,57 82,56 81,81 82,52
85,43 87,50 85,55 86,12 92,85 86,47 85,99 85,71 85,98 82,57 83,87 82,64
86,17 90,32 86,41 86,94 86,20 86,90 83,40 87,09 83,62 84,87 82,75 84,75
88,18 87,09 88,12
98
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
50
45
40
35
30
25
20
15
10
5
0
<75 75-80 81-85 86-90 91-95 96-100
99
MEDICIÓN DE RIESGO DE CRÉDITO
50
60
50
40
30
20
10
0
<75 75-80 81-85 86-90 91-95 96-100
100
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
elegidos para hacer este análisis son por un lado un modelo que se aplica
actualmente en la entidad financiera que ha aportado la muestra y por otro
dos modelos de reconocido prestigio en el ámbito científico académico como
son el modelo de Beaver et. al (2008) y el modelo de Demirovic y Thomas
(2007).
101
MEDICIÓN DE RIESGO DE CRÉDITO
Nombre de la
Numerador Denominador
variable
Acreedores a C.P.+ Provisiones para Total Activo - Acc. por des. exigidos -
B5A riesgos y gastos a C.P. + Acreedores Acc. por des. no ex. - Acc. propias- Acc.
a LP. propias a C.P.
6.3.1.1. Resultados R2
Se observa directamente la diferencia alcanzada en el R2 de Nagelkerke
utilizado como medida de la bondad de los modelos, entre los casos compa-
rados.
102
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
103
MEDICIÓN DE RIESGO DE CRÉDITO
104
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Tabla de clasificación
Pronosticado
observado Riesgo año 2008
Porcentaje correcto
0 1
Paso 1 Riesgo año 2008 0 356 234 60,3
1 17 16 48,5
Porcentaje global 59,7
Fuente: Elaboración propia.
105
MEDICIÓN DE RIESGO DE CRÉDITO
Tabla de clasificación
Pronosticado
observado Riesgo año 2008
Porcentaje correcto
0 1
Paso 1 Riesgo año 2008 0 519 110 82,5
1 5 34 87,2
Porcentaje global 82,8
Fuente: Elaboración propia.
Los resultados en las tablas de clasificación de los dos modelos reflejan cla-
ras diferencias. En primer lugar, se ha constatado que el modelo desarrollado
en esta investigación tiene un nivel de acierto muy superior en la clasificación
para empresas con impagos. Concretamente, el modelo investigación obtiene
en 2008 (tablas 35 y 36) un nivel del 87,2% frente al 48,5% del modelo utili-
zado por la entidad financiera, mientras que para 2009 (tablas 37 y 38) estos
datos son del 83,7% y 70,5% respectivamente.
Tabla de clasificación
Pronosticado
observado Riesgo año 2009
Porcentaje correcto
0 1
Paso 1 Riesgo año 2009 0 246 333 42,5
1 13 31 70,5
Porcentaje global 44,5
Fuente: Elaboración propia
106
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Tabla de clasificación
Pronosticado
observado Riesgo año 2009
Porcentaje correcto
0 1
Paso 1 Riesgo año 2009 0 449 170 72,5
1 8 41 83,7
Porcentaje global 73,4
Fuente: Elaboración propia.
21
Se toma como valor de referencia el determinado por Altmann et.al (1997), ya mencio-
nado en las conclusiones del capítulo dos.
107
MEDICIÓN DE RIESGO DE CRÉDITO
6.3.2.1. Resultados R2
22
Ver Tabla 1. Resumen de ratios utilizadas capítulo dos de la presente investigación.
108
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
109
MEDICIÓN DE RIESGO DE CRÉDITO
TABLA 43. PRUEBA DE HOSMER Y LEMESHOW MODELO BEAVER, CORREIA Y MCNICHOLS 2008
Prueba de Homsmer y Lemeshow
Paso Chi-cuadrado gl Sig.
1 5,095 8 ,747
110
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Respecto al año 2008 (tablas 43 y 44) se puede observar que tanto el nivel
de significación obtenido por las variables del modelo investigación, como
el análisis de las tablas de contingencia ofrecen unos resultados superiores.
En efecto, el nivel de significación en el modelo de Beaver, Correia y McNi-
chols resulta 20 puntos inferior al obtenido por el modelo investigación y las
diferencias entre las frecuencias esperadas y empíricas en el modelo de esta
investigación son visiblemente inferiores, demostrando un mayor ajuste del
modelo a los datos observados.
TABLA 45. PRUEBA DE HOSMER Y LEMESHOW MODELO BEAVER, CORREIA Y MCNICHOLS 2009
Prueba de Homsmer y Lemeshow
Paso Chi-cuadrado gl Sig.
1 9,229 8 ,323
111
MEDICIÓN DE RIESGO DE CRÉDITO
Al analizar los resultados de los modelos para el año 2009 se constata que
el modelo desarrollado por Beaver et. al no resulta ser significativo al tener un
nivel de significación inferior al 0,5 considerado este como aceptable (0,323).
En consecuencia esta prueba no valida estadísticamente el modelo de Beaver,
et. al y sí el modelo desarrollado en esta investigación.
Tabla de clasificación
Pronosticado
observado Riesgo año 2008
Porcentaje correcto
0 1
Paso 1 Riesgo año 2008 0 381 265 59,0
1 10 30 75,0
Porcentaje global 59,9
112
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Pronosticado
observado Riesgo año 2008
Porcentaje correcto
0 1
Paso 1 Riesgo año 2008 0 519 110 82,5
1 5 34 87,2
Porcentaje global 82,8
Fuente: Elaboración propia
Pronosticado
observado Riesgo año 2009
Porcentaje correcto
0 1
Paso 1 Riesgo año 2009 0 340 296 53,5
1 14 36 72,0
Porcentaje global 54,8
Fuente: Elaboración propia
113
MEDICIÓN DE RIESGO DE CRÉDITO
23
Ver Tabla 1. Resumen de ratios utilizadas capítulo dos de la presente investigación.
114
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
6.3.3.1. Resultados R2
115
MEDICIÓN DE RIESGO DE CRÉDITO
Respecto a los datos de los modelos aplicados al 2009 se observa que las
diferencias de los valores en el R2 se mantienen próximas a las observadas en
el modelo de 2008, si embargo debe destacarse que el valor alcanzado por el
coeficiente R2 en el modelo de Demirovic y Thomas en 2009 es significativa-
mente muy bajo (0,107).
116
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
117
MEDICIÓN DE RIESGO DE CRÉDITO
118
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Tabla de clasificación
Pronosticado
observado Riesgo año 2008
Porcentaje correcto
0 1
Paso 1 Riesgo año 2008 0 447 191 70,1
1 10 30 75,0
Porcentaje global 70,4
119
MEDICIÓN DE RIESGO DE CRÉDITO
120
CONSTRUCCIÓN DE UN MODELO DE PREDICCIÓN DE IMPAGOS
Los datos análogos para 2009 suponen también una mejora al aumentar
en 15 puntos la clasificación correcta de las empresas sin incidencias de pago
al obtener un nivel de acierto en esta clasificación del 72,5% frente al 57,3%.
Los porcentajes correctos en pagos en los dos modelos sufren una caída de
10 puntos (modelo investigación) y de 13 (modelo Demirovic y Thomas) res-
pecto a 2008, si bien las probabilidades de acierto obtenidas en el modelo
investigación proporciona unos valores claramente elevados.
De esta manera se concluye que la utilización de las variables independien-
tes del modelo de Demirovic y Thomas en el modelo investigación, provocaría
una menor validez estadística (medido por medio del R2 de Nagelkerke y por
el test de Hosmer y Lemeshow), así como una pérdida en el poder predictivo
del mismo (tabla de clasificación).
De los precedentes análisis detallados del modelo de probabilidad de im-
pago propuesto, elaborado y contrastado, se destacan las siguientes caracte-
rísticas y resultados:
t -BFMFDDJÂOEFMBWBSJBCMFEFQFOEJFOUF
JODJEFODJBTFOQBHP
DPNPTJ-
tuación inicial en la escala del fracaso empresarial.
t -BTWBSJBCMFTFYQMJDBUJWBTTFMFDDJPOBEBT
BMHVOBTEFMBTDVBMFTJODMVZFO
modificaciones en ratios conocidas y utilizadas en otros modelos que
se aplican al estudio de fases posteriores del fracaso empresarial.
t &MNPEFMPQSPQVFTUPIBSFTVMUBEPTJHOJGJDBUJWP-PTEJGFSFOUFTUFTUT
realizados sobre el mismo han demostrado su validez estadística, su
robustez y su capacidad de correcta clasificación tanto en el caso de
empresas que realmente han tenido impagos, como en el caso de las
empresas que realmente no han tenido impagos.
t -PTSFTVMUBEPTEFMNPEFMP
FOU¹SNJOPTEFMBDPSSFDUBDMBTJGJDBDJÂORVF
efectúa de las empresas de la muestra que han tenido impagos son res-
pectivamente del 87,2% para el año 2008 y del 83,7% para el año 2009
(dos años posteriores a la información contenida en las variables inde-
121
MEDICIÓN DE RIESGO DE CRÉDITO
122
CAPÍTULO 4
1. INTRODUCCIÓN
123
MEDICIÓN DE RIESGO DE CRÉDITO
2.1. Introducción
1
Tamaño muestral determinado para garantizar un error no superior a 5.000` con un
nivel de significación del 0,05, supuesto un muestreo sin reemplazamiento o irrestrictamente
aleatorio. La selección de las empresas se ha realizado manteniendo los mismos pesos de los
subsectores económicos descritos en el apartado 3.2.
124
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
2.2.1. BAIT*
Se utilizará el BAIT* del año X, definido en el capítulo tres, al considerarla
el punto de partida para la generación de caja de explotación de la empresa,
dado que es el resultado de la explotación del negocio sin tener en cuenta la
estructura financiera de la misma.
125
MEDICIÓN DE RIESGO DE CRÉDITO
2.2.5. Deudas con coste financiero a corto plazo con empresas del grupo
año X
Para no considerar el total del principal de los préstamos, ya que en la vida
real el principal de estas deudas suele refinanciarse en función de las necesi-
dades del grupo, en el modelo se evaluará esta variable con el 50% del importe
total del principal. Los gastos financieros generados por estos préstamos están
incluidos en el punto 4.2.2.4.
Por todo ello, la expresión que se ha utilizado para la determinación de F
viene dada en la forma siguiente:
Así definida, F será una aproximación a los fondos que será capaz de ge-
nerar una compañía en el año X+1 con la explotación de su negocio, una vez
deducidos los pagos de las deudas contraídas con coste financiero y con la
restricción de no inversiones en CAPEX en el corto plazo2.
No se han considerado las variaciones en las NOF directamente en el
cálculo de F, porque en el coeficiente de ponderación r, que se describe más
adelante, se incluyen las variaciones previas observadas en los periodos me-
dios de maduración. Esto responde a la consideración de que si los periodos
medios de maduración no sufren variaciones y las ventas se mantienen cons-
tantes, no deberían producirse inversiones o desinversiones en las NOF.
El impuesto de sociedades y los imprevistos no se han deducido directamen-
te de F. En su lugar al considerar que el 30% de F es un porcentaje destinado
habitualmente al pago del impuesto de sociedades y el 20% de F se reserva para
el pago de posibles extraordinarios que pueda tener la compañía en X+1, se ha
decidido limitar los valores del coeficiente r entre 0 y 0,5. De este modo, al ser
la mayor penalización posible para F de un 50%, se adopta una política conser-
vadora que limita consecuentemente el riesgo de impago futuro.
2
Si la empresa fuera a realizar inversiones o desinversiones en CAPEX y necesitase finan-
ciación con coste financiero, la operación debería analizarse de manera independiente, utilizan-
do instrumentos como el valor actual neto, el payback descontado entre otros.
126
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
Y=
127
MEDICIÓN DE RIESGO DE CRÉDITO
t 6OBWF[PCUFOJEPFMWBMPSEF:
TFEFEVDFFMWBMPSDPSSFTQPOEJFOUFEFM
coeficiente de penalización r =
128
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
t 5FNQPSBMJEBEBMJHVBMRVFFOFMNPEFMPEFTDSJUPFOFMDBQ½UVMPUSFT
la consideración de ciertas variables en un momento determinado
(análisis estático) no permite recoger la evolución de las mismas en
períodos sucesivos, siendo importante la observación y medición de
su evolución en el tiempo (análisis dinámico). Por otro lado, al pre-
sentar determinadas variables efectos con un cierto retardo tempo-
ral, es preciso disponer de la información de valores consecutivos de
las mismas, a fin de completar la información y el análisis de dichas
variables.
Todas las variables se han definido en forma de ratio para evitar de este
modo el efecto del tamaño. Posteriormente se pueden ajustar a una escala los
resultados obtenidos para cada una de las variables, siendo así más fácilmente
comparables e interpretables.
Como se detalla en los epígrafes siguientes, las variables finalmente se-
leccionadas para su incorporación en este modelo, se han clasificado en seis
grupos. Los cuatro primeros se definen atendiendo al significado financiero de
las variables que lo integran en relación a la variable que se pretende explicar,
r, y a los criterios anteriormente descritos.
Los otros dos grupos adicionales de variables aparecen al agregar varia-
bles que son modificaciones de las anteriores y resultan necesarias para la
mejora del modelo, tanto por incorporar efectos debidos a la consideración
conjunta de algunas de ellas como por exigencias del propio modelo mate-
mático utilizado. Así, se incorporarán transformaciones de algunas variables
como son sus cuadrados y sus cubos. La razón fundamental de estas incor-
poraciones está en la necesidad de buscar y detectar la posible no lineali-
dad en la relación existente entre las variables independientes y la variable
dependiente. Por ello, y, previa la aceptación del modelo, se ha discutido
la posible existencia de multicolinealidad entre las variables incorporadas
finalmente. Verificada la no existencia de multicolinealidad en las mismas,
puede procederse a la interpretación en el modelo de todas y cada una de
ellas de manera separada.
129
MEDICIÓN DE RIESGO DE CRÉDITO
VENTAS
La primera partida considerada para su inclusión en el modelo de determi-
nación del coeficiente r son las ventas, en tanto que son la consecuencia de
las inversiones que hacen las compañías. Evidentemente éstas son condición
necesaria pero no suficiente para la generación de beneficios.
En relación a esta partida se ha considerado, al igual que sucederá con el
resto de variables que se explicarán más adelante, su evolución en los cuatro
últimos años.
Para medir la evolución de las ventas se han tomado las tasas de variación
de un año con respecto al anterior (TVi/i-1, i=1,2,3,4), y a continuación se
define:
t 5BTBEFWBSJBDJÂOEFMBTWFOUBTFOMPTEPTÈMUJNPTBÁPT4FEFOPUBS²QPS
TV4/3.
t .FEJBTJNQMFEFMBTUBTBTEFWBSJBDJÂOEFMPTBÁPTBOUFSJPSFT
EFOPNJ-
nada como TV1/3 = ½ (TV3/2 + TV2/1).
t 6OBNFEJBEFMBTEPTUBTBTEFWBSJBDJÂOBOUFSJPSFTQPOEFSBEBTBMZ
30% respectivamente, 0,7* TV4/3 +0,3* TV1/3, dando de esta manera un
mayor peso a las ventas del último año frente a las anteriores.
COSTES FIJOS
El diseño de la estructura de costes fijos determina de manera fundamental
el mayor o menor riesgo en los resultados de las compañías ante disminu-
ciones en las cifras de ventas, y en consecuencia se decide su inclusión en el
modelo. Así, por ejemplo, ante una caída de la cifra de ventas el margen del
BAIT sufrirá una reducción más que proporcional respecto de la variación de
las ventas, siempre y cuando la estructura de costes no se reduzca.
130
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
BENEFICIO NETO
La consideración de esta variable tiene por objeto contemplar el resultado
final de las inversiones de la empresa teniendo en cuenta tanto su estructura
financiera como aquellas partidas de ingreso o gasto extraordinarios. Para su
inclusión en el modelo, se calcularán las tasas de variación de los tres últimos
años y el peso de las diferencias se determina de manera análoga a las varia-
bles anteriores.
131
MEDICIÓN DE RIESGO DE CRÉDITO
3
La explicación de las clasificaciones de la ratio fueron recogidas en el apartado 2.4.2.
132
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
De esta tabla se desprende que las variables que presentan un mayor ni-
vel de significación, son por un lado las referentes a partidas incluidas en la
cuenta de pérdidas y ganancias, evolución del beneficio neto, del BAIT mo-
dificado, de las ventas, tanto en valor absoluto como medido a través de sus
133
MEDICIÓN DE RIESGO DE CRÉDITO
márgenes y por otro lado las evoluciones tanto de los flujos de caja y como
los periodos medios de maduración y sus componentes Se pone de relieve en
consecuencia que las variaciones en las políticas de gestión del circulante así
como los resultados de los proyectos de inversión y la generación de caja de
los mismos, afectan y determinan la capacidad de endeudamiento en el corto
plazo de las empresas.
Para analizar la bondad del modelo se comenzará por realizar una discusión
de la validez estadística del modelo, por medio del coeficiente de determina-
ción R2. Una vez aceptada la validez del modelo, se realizará el análisis de los
resultados obtenidos, esto es a qué empresas se concede nueva financiación
por medio del modelo desarrollado en este capítulo, observando cuales de
ellas han tenido impagos reales tanto para el periodo de concesión de crédito
(2008) como para el inmediatamente posterior (2009).
Por último, y como complemento del análisis de estos resultados, se
mostrará y discutirá la significación de las variables consideradas dentro del
modelo.
4.1. Resultados R2
134
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
Por otro lado, al haber trabajado con una muestra grande, el número de
grados de libertad, superior a doscientos, es suficientemente elevado como
para generalizar conclusiones fuera de la muestra. Estas características permi-
ten la utilización del modelo para determinar el volumen V de endeudamiento
final a partir de los valores de r obtenidos teóricamente.
135
MEDICIÓN DE RIESGO DE CRÉDITO
3.422.144 92 0 0 4.256.379 6 0 0
136
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
137
MEDICIÓN DE RIESGO DE CRÉDITO
138
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
100.049.658 755.799 0 0
100.050.878 116 0 0
100.052.259 3.202 0 0
100.052.260 36.184 0 0
100.053.658 303.345 0 0
100.054.851 1.322.742 0 0
100.056.475 1.192 0 0
100.256.714 2.686 1 1
100.303.955 21.921 0 0
100.337.823 3 0 0
100.342.977 17.736 0 0
100.343.805 256 0 0
100.364.588 42.843 0 0
100.383.517 169 0 0
100.433.130 8.717 0 0
100.434.035 0 0 0
100.440.711 0 0 0
100.448.967 0 0 0
100.456.928 1.982.328 0 0
100.456.931 386.783 0 0
100.458.123 15 0 0
100.461.626 40.080 0 0
100.520.902 1.418 0 0
100.524.146 37.391.000 0 0
100.534.815 112 1 1
100.595.464 1.530 0 0
100.600.178 21.701 0 0
100.600.856 42.370 0 0
100.600.857 530 0 0
100.633.561 70.564 0 0
100.660.506 440.434 0 0
100.679.430 30.021 0 0
139
MEDICIÓN DE RIESGO DE CRÉDITO
Nº empresas con Vol. Endeudamiento > 0, con impago 2008 10 3,68% 96,32%
Nº de empresas con Vol. Endeudamiento > 0, con impago 2009 9 3,31% 96,69%
Nº de empresas Vol. Endeudamiento > 0, con impago 2008 y 2009 5 1,84% 98,16%
140
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
280
260
240
220 Niel de Niel de
acierto acierto
200
180 262 Empresas 96,32% 263 Empresas 96,69%
160
140
120
100
80
60
40
20 10 Empresas 9 Empresas
0
2008 2009
280
260
240
220 Niel de
acierto
200
180 267 Empresas 98,16%
160
140
120
100
80
60
40
20 5 Empresas
0
2008 y 2009
141
MEDICIÓN DE RIESGO DE CRÉDITO
4
Si no se tiene en cuenta el caso de la empresa anteriormente citada, el nivel de acierto
alcanza un 98,55%.
5
Definido en el capítulo tres.
142
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
FIGURA 8.
NIVEL DE ACIERTO VOLUMEN DE ENDEUDAMIENTO 2008 Y 2009
510.367.977 E 510.367.977 E
550.000
500.000
450.000
Niel de Niel de
400.000 acierto acierto
350.000 489.050.162 E 95,82% 509.025.059 E 99,74%
300.000
250.000
200.000
150.000
100.000
50.000 21.317.815 E 1.342.918 E
0
2008 2009
FIGURA 9.
NIVEL DE ACIERTO VOLUMEN DE ENDEUDAMIENTO CON IMPAGO CONJUNTO 2008 Y 2009
510.367.977 E
550.000
500.000
450.000
Niel de
400.000 acierto
350.000 509.117.975 E 99,76%
300.000
250.000
200.000
150.000
100.000
50.000 1.250.002 E
0
2008 y 2009
143
MEDICIÓN DE RIESGO DE CRÉDITO
144
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
Con ello se pone de manifiesto que las evoluciones de los periodos me-
dios de maduración y de las variables que lo componen (PM de almacén o de
cobros por ejemplo) son básicas para la determinación de una parte de los
niveles de explotación del negocio a corto plazo y consecuentemente afecta-
rán a la capacidad de financiación ajena en dicho plazo.
145
MEDICIÓN DE RIESGO DE CRÉDITO
Con el fin de resumir los análisis efectuados y señalar las características del
modelo propuesto, destacamos:
t -BW½BTFHVJEBQBSBMBEFUFSNJOBDJÂOEFMBDVBOU½BBGJOBODJBSIBTJEP
diseñada con el fin de homogeneizar y normalizar los fundamentos de
la toma de decisión sobre el importe a conceder por parte de las enti-
dades financieras.
t -BMJNJUBDJÂOEFMDPFGJDJFOUFSFOUSFZ
TFIBFGFDUVBEPDPOFMGJO
de disminuir el riesgo de crédito aplicando criterios conservadores, ya
que se ha previsto un margen de 0,3 para el pago del impuesto de so-
ciedades y un 0,2 para gastos extraordinarios. Es evidente que a través
de la acotación del coeficiente r, en otros valores diferentes, se abre la
posibilidad de que en el modelo se incorporen criterios que, a juicio de
cada entidad financiera, sean más próximos a la realidad y a la informa-
ción derivada de su experiencia.
t &MEJTFÁPZDPOTUSVDDJÂOEFFTUFTFHVOEPNPEFMPUSBUBEPEFNBOFSB
independiente al modelo de probabilidad de impago, permitirá tanto
cuantificar el volumen de financiación que se puede conceder a una
146
CONSTRUCCIÓN DE UN MODELO PARA LA DETERMINACIÓN DEL VOLUMEN …
147
CAPÍTULO 5
1. INTRODUCCIÓN
149
MEDICIÓN DE RIESGO DE CRÉDITO
Para analizar la validez de trabajar conjuntamente con los dos modelos de-
sarrollados, en la toma de decisión de otorgar o no financiación a una empre-
sa, se ha procedido a estudiar los diferentes resultados que surgen al aplicar,
por un lado la clasificación de las empresas en términos de ser o no receptoras
de financiación, es decir, empresas donde según el modelo de endeudamien-
to la cuantía finalmente otorgada es mayor o menor que cero, y por otro, la
clasificación producida por el modelo de probabilidad de impago.
De este modo, cada empresa será definida a partir de ahora por dos ele-
mentos o componentes: el valor de la cuantía de crédito concedida teórica-
mente (V) y la probabilidad de impago estimada. En el caso del modelo de
probabilidad de impago, al ser el punto de corte el valor de la probabilidad de
impago, asignado por el modelo, que permite clasificar a las empresas como
“1” (empresa con problemas de pago) o “0” (empresa que no presenta proble-
mas de pago), parece lógico suponer que será fijado de forma diferente por
cada entidad en función de la política de riesgos que aplique. Por ello y para
poder llevar a cabo el análisis objeto de estudio, se ha optado inicialmente por
elegir como punto de corte el 6%, que resulta de ajustar en dos decimales el
ya determinado en el capítulo tres, que fue de un 5,6% en el modelo aplicado
a 2008 y de 6,1% en el modelo de 2009.
Con la intersección de las clasificaciones obtenidas por los dos modelos,
realizadas de acuerdo con los valores de punto de corte elegidos (V=0 y pro-
babilidad de impago=6%), se determinan cuatro zonas diferentes en relación
con los niveles de riesgo que suponen para la entidad financiera. En cada una
de las zonas se estudiarán dos características: las consecuencias de los errores
tipo I y tipo II, y el número de empresas con impagos reales en las mismas.
150
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
151
MEDICIÓN DE RIESGO DE CRÉDITO
2.1. Zona 1
152
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
Probabilidad de
Probabilidad de Probabilidad de
impago 2008 y
impago 2008 <6% impago 2009 <6%
2009 <6%
Importe total a financiar 486.946.660,23 ` 496.453.451,21 ` 480.784.154,81 `
I II III
5.943.312,52 ` 20.067.812,52 ` 5.943.312,52 `
Con impago en 2008
1,22% 4,04% 1,24%
92.866,91 ` 1.334.171,62 ` 92.866,91 `
Con impago en 2009
0,02% 0,27% 0,02%
0,00 ` 1.241.304,71 ` 0,00 `
Con impago en 2008 y 2009
0,00% 0,25% 0,00%
153
MEDICIÓN DE RIESGO DE CRÉDITO
FIGURA 10.
NIVELES DE ACIERTO AÑOS 2008 Y 2009 (III)
480.784.154,80 E 480.784.154,80 E
550.000
500.000
450.000
Niel de Niel de
400.000 acierto acierto
350.000 474.840.842,3 E 98,76% 480.691.287,9 E 99,98%
300.000
250.000
200.000
150.000
100.000
1
Se toma como valor de referencia el determinado por ALTMANN et.al (1997), ya menciona-
do en las conclusiones del capítulo dos.
154
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
lidad de impago aplicado a 2009, los resultados son peores que en los otros
dos casos. Pero no pueden calificarse de malos resultados. Así, por ejemplo,
la cuantificación estimada del error tipo 1 es del 4,06% del volumen total de
financiación concedido, cifra ésta muy inferior a las actuales cifras de moro-
sidad. Por otro lado esta diferencia es coherente, ya que en la aplicación a
2009 se está utilizando la información contenida en los estados financieros
de dos años anteriores a la estimación de la probabilidad de impago y no se
incorporan las posibles situaciones de impago del primer año de concesión
del crédito.
FIGURA 11.
NIVELES DE ACIERTO AÑOS 2008 Y 2009 CONJUNTAMENTE (III)
480.784.154,81 E
550.000
500.000
450.000
Niel de
400.000 acierto
350.000 480.784.154,81 E 100%
300.000
250.000
200.000
150.000
100.000
50.000 0E
0
2008 y 2009
155
MEDICIÓN DE RIESGO DE CRÉDITO
4 5 4
Con impago en 2008
1,60% 2,10% 1,70%
2 3 2
Con impago en 2009
0,80% 1,20% 0,80%
0 1 0
Con impago en 2008 y 2009
0,00% 0,04% 0,00%
156
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
FIGURA 12.
NIVELES DE ACIERTO AÑOS 2008 Y 2009, INTERSECCIÓN III
300
280 231 Empresas 231 Empresas
260
240
220
200 Niel de Niel de
227 Empresas
acierto 229 Empresas
acierto
180
160 98,30% 99,20%
140
120
100
80
60
40
20 4 Empresas 2 Empresas
0
2008 2009
157
MEDICIÓN DE RIESGO DE CRÉDITO
FIGURA 13.
NIVELES DE ACIERTO AÑOS 2008 Y 2009 CONJUNTAMENTE, INTERSECCIÓN III
300
280 231 Empresas
260
240
220
200 Niel de
231 Empresas
acierto
180
160 100%
140
120
100
80
60
40
20 0 Empresas
0
2008
2.2. Zona 2
158
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
159
MEDICIÓN DE RIESGO DE CRÉDITO
160
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
2.3. Zona 3
161
MEDICIÓN DE RIESGO DE CRÉDITO
Probabilidad de
Probabilidad de Probabilidad de
impago 2008 y
impago 2008 < 6% impago 2009 < 6%
2009 < 6%
-201.046.488,50 ` -190.737.036,03 ` -190.587.661,27 `
I II III
-35.814,66 ` -1.304,23 ` -49,43 `
Con impago en 2008
0,03% 0,00% 0,00%
-9.874,24 ` -2.931,63 ` -1.713,15 `
Con impago en 2009
0,01% 0,00% 0,00%
-7.467,17 ` -1.218,48 ` 0`
Con impago en 2008 y 2009
0,00% 0,00% 0%
Fuente: Elaboración propia
162
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
2.4. Zona 4
En esta zona, en la que se contienen las empresas que según los modelos
OPSFDJCJS½BOFOOJOHÈODBTPGJOBODJBDJÂOBMTFS7ZMBQSPCBCJMJEBEEF
impago mayor del 6%, se puede contemplar, de nuevo, la consistencia de los
modelos elaborados. Es indiscutible que no sólo han de aglutinarse empre-
sas en las que los flujos de caja estimados sean en valor absoluto de mayor
importe (tabla 78) sino las que presentan el mayor número de incidencias en
pagos (tabla 79).
Probabilidad de
Probabilidad de Probabilidad de
impago 2008 y
impago 2008 > 6% impago 2009 > 6%
2009 > 6%
163
MEDICIÓN DE RIESGO DE CRÉDITO
164
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
Vol. endeudamiento>0, P.I. (2008) entre 6% y 35% y con impago 2008 0 0,00%
Vol. endeudamiento>0, P.I. (2008) entre 35% y 45% y con impago 2008 2 6,67%
Vol. endeudamiento>0, P.I. (2008) entre 45% y 55% y con impago 2008 1 3,33%
Vol. endeudamiento>0, P.I. (2008) > 55% y con impago 2008 3 10,00%
165
MEDICIÓN DE RIESGO DE CRÉDITO
FIGURA 14. NIVELES DE ERROR EN LA INTERSECCIÓN I AL VARIAR EL PUNTO DE CORTE (TABLA 80)
30
0 0 2 1 3
0
6% a 25% 25% a 35% 35% a 45% 45% a 55% >55%
Dentro de este mismo escenario, con los mismos criterios del párrafo
anterior, se observa del volumen inicialmente otorgado, que el volumen de
impago asciende al 65,64% de la cuantía total. Buscando el detalle de esta
incidencia constatamos que es debida fundamentalmente a una sola empresa
incluida en el intervalo de riesgo del 35%-45% (tabla 81 y figura 15).
166
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
23.421.316 E
15.365.805 E
0E 0E 112 E 8.586 E
0
6% a 25% 25% a 35% 35% a 45% 45% a 55% >55%
167
MEDICIÓN DE RIESGO DE CRÉDITO
168
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
169
MEDICIÓN DE RIESGO DE CRÉDITO
170
UTILIZACIÓN CONJUNTA DE LOS MODELOS DE PROBABILIDAD DE IMPAGO …
171
CAPÍTULO 6
CONCLUSIONES
173
MEDICIÓN DE RIESGO DE CRÉDITO
174
CONCLUSIONES
175
MEDICIÓN DE RIESGO DE CRÉDITO
176
CONCLUSIONES
TABLA 83. RESULTADOS VARIABLES MÁS RELEVANTES DEL MODELO DE PROBABILIDAD DE IMPAGO
AÑO 2008 AÑO 2009
1
Sig . Odds Sig. Odds
VARIABLES FLUJO DE CAJA
FCL* / DCP 2006 0,002 10.170,7 0,165 22,1
FCL* / DCP 2007 0,011 282,6 0,030 29,9
FCL SIN CAPEX* / (DLP + DCP) 2007 0,056 4.905,6 0,181 0,1
RATIOS ECONÓMICOS
ROA* 2005 0,091 > 16.776.992 No significativa
ROA* 2006 0,212 0,0 0,042 79.021,4
MARGEN BAIT* 2007 0,007 > 16.776.992 0,056 109.690,0
Porcentaje costes fijos 2006 0,002 > 16.776.992 0,042 > 16.776.992
RATIOS DE CIRCULANTE
NOF / Pasivo Total 2007 0,226 655,1 0,012 3,2
BAIT* / Pasivo Circulante 2006 0,116 892,2 No significativa
RATIOS DE ENDEUDAMIENTO
TDC / (TDL + TDC) 2005 0,032 5.399.496,1 0,027 196.103,8
TDC / (TDL + TDC) 2006 0,130 74.932,3 0,004 16.776.992,1
TDC / (TDL + TDC) 2007 0,183 42.442,5 0,023 407.646,7
VARIABLES AL CUADRADO
NOF / Pasivo Total al cuadrado 2006 0,050 35.117,6 0,003 33.353,7
INTERACCIONES DE VARIABLES
INTERACCIÓN MARGEN BN 0,016 26.464,7 0,302 5,7
INTERACCIÓN MARGEN BAIT* 0,376 > 16.776.992 0,007 0
INTERACCIÓN COSTES FIJOS 0,002 > 16.776.992 0,010 > 16.776.992
INTERACCION TDL / (TDL + TDC) 0,069 0,0 0,021 > 16.776.992
177
MEDICIÓN DE RIESGO DE CRÉDITO
178
TABLA 84. RESUMEN DE LOS DIFERENTES RESULTADOS MODELOS DE PROBABILIDAD DE IMPAGO
AÑO 2008 (X+1) AÑO 2008 (X+1) AÑO 2008 (X+1) AÑO 2008 (X+1)
179
AÑO 2009 (X+1) AÑO 2009 (X+1) AÑO 2009 (X+1) AÑO 2009 (X+1)
ENTIDAD FINANCIERA
INVESTIGACIÓN CHOLS THOMAS
Total empresas de la muestra 668 100,0% 623 100,0% 686 100,0% 678 100,0%
Total empresas sin problemas de pago (=0) 619 92,7% 579 92,9% 636 92,7% 628 92,6%
Total empresas con problemas de pago (=1) 49 7,3% 44 7,1% 50 7,3% 50 7,4%
Empresas correctamente clasificadas sin problemas de
449 72,5% 246 42,5% 340 53,5% 360 57,3%
pago (=0)
Empresas correctamente clasificadas con problemas de
41 83,7% 31 70,5% 36 72,0% 36 72,0%
pago (=1)
R cuadrado de Nagelkerke 0,367 0,031 0,073 0,107
R cuadrado de Cox y Snell 0,15 0,012 0,03 0,044
Nivel de significación prueba de Hosmer y Lemeshow 0,831 N.D 0,323 0,618
180
CONCLUSIONES
impagos en los dos años consecutivos este nivel de error disminuye de mane-
ra apreciable, hasta alcanzar un 1,84% en el caso de número de empresas y un
0,24% en función del volumen de endeudamiento a otorgar (tabla 85).
Nivel de Nivel de
Nº
error acierto
181
MEDICIÓN DE RIESGO DE CRÉDITO
182
CONCLUSIONES
TABLA 86. RESUMEN DE LOS RESULTADOS EN LAS ZONAS CON VOLUMEN DE ENDEUDAMIENTO >0
Volumen de endeudamiento
510.367.976,66 `
183
MEDICIÓN DE RIESGO DE CRÉDITO
184
CONCLUSIONES
La intersección III ha resultado ser la más restrictiva de las tres al utilizar toda
la información de los modelos desarrollados y obtiene una correcta clasifica-
ción, al igual que la intersección I, en lo que respecta al número de incidencias y
a la calificación de las mismas. Sin embargo, es destacable que en este caso, aun
manteniendo el punto de corte en el 6%, el importe de financiación resultante
en la zona 1 es del 98,41% del importe sobre el total de las zonas 1 y 2, y con un
nivel de error tipo I del 1,26%. Esta situación es indudablemente beneficiosa pa-
ra la entidad ya que al ser el volumen a financiar asignado a la zona 2 del 1,59%
del total, la variación sucesiva en el punto de corte no afectará negativamente a
los errores tipo I y sí afectará positivamente a los errores tipo II.
Como conclusión final se puede afirmar que para el estudio de una opera-
ción de concesión de crédito se hace necesario la utilización conjunta de los
modelos desarrollados en esta investigación, para ello nos basamos en:
t -BVUJMJ[BDJÂODPOKVOUBEFMPTNPEFMPTJODPSQPSBJOGPSNBDJÂOUBOUP
cuantitativa como cualitativa, validada tanto estadísticamente como por
sus resultados.
t 4FMPHSBEJTNJOVJSFMFSSPSUJQP*QPSEFCBKPEFMBTUBTBTBDUVBMFTEFNP-
rosidad y con unos valores realmente bajos (1,24%). En consecuencia
185
MEDICIÓN DE RIESGO DE CRÉDITO
186
CONCLUSIONES
187
BIBLIOGRAFÍA
ABAD, M.C.; ARQUERO, J.L. y JIMÉNEZ, S.M. (2010), “Procesos de fracaso empresarial en
PYMES: identificación y contrastación empírica.” Revista Internacional Peque-
ña y Mediana Empresa, 1 (2), pp. 64-67. http://www.revistainternacionalpyme.
org /volúmenes/volumenuno/vol1num2/articulos/pyme2%20art4.pdf. Fecha de
acceso: diciembre 2010.
ACOSTA, E. y FERNÁNDEZ, F. (2007), “Procesos de fracaso empresarial. Identificación y con-
trastación empírica”, X Encuentro de Economía Aplicada, Logroño, 14-15-16 de
junio http://www.unirioja.es/dptos/dee Departamento de Economía y Empresa.
ALTMAN, E.I. (1968), “Financial ratios, discriminat analysis and the prediction of corpo-
rate bankruptcy”, The Journal of Finance, vol. 23 no. 4, pp. 568-609.
ALTMAN, E.I.; HALDEMAN, R.G. and NARAYANAN, P. (1977), “Zeta Analysis: a new model to
identify bankruptcy risk of corporations”, Journal of Banking and Finance,
vol. 1, no. 1, pp. 29-51.
ALTMAN, E.I.; MARCO, G. and VARETTO, F. (1994), “Corporate distress diagnosis: compari-
sons using linear discriminant analysis and neural networks (the Italian experien-
ce)”, Journal of Banking and Finance, vol. 28, no. 3, pp. 505-529.
ALTMAN, E.I.; EOM, Y.H. and KIM, D.W. (1995), “Failure prediction: Evidence from Korea”,
Journal of International Financial Management and Accounting, vol. 6, no.
3, pp. 231-249.
ALTMAN, E.I. and SAUNDERS, A. (1998), “Credit risk measurement: developments over the
last 20 years”, Journal of Banking and Finance, vol. 21, no. 11-12, pp. 1721-1742.
ALTMAN, E.I. y SABATO, G. (2007), “Modeling credit risk for SMEs: Evidence from the U.S.
market”, Abacus, vol. 43, no. 3, pp. 332-357.
BACK, B. (2005), “Explaining financial difficulties based on previous payment behaviour,
Management background variables and financial ratios”, European Accounting
Review, vol. 14, no. 4, pp.839-868.
BALCAEN, S. and OOGHE, H. (2006), “25 years of studies on business failure: an overview
of the classic statistical methodologies and their related problems”, The British
Accounting Review, vol. 38, no. 1, pp. 63-93.
Banco de España (2008), Informe anual 2007. Madrid: Banco de España.
Banco de España (2009), Informe anual 2008. Madrid: Banco de España.
189
MEDICIÓN DE RIESGO DE CRÉDITO
190
BIBLIOGRAFÍA
191
MEDICIÓN DE RIESGO DE CRÉDITO
192
BIBLIOGRAFÍA
LAFFARGA J.; MARTÍN, J.L. y VÁZQUEZ, M.J. (1991), “La predicción de la quiebra bancaria:
el caso español”, Revista Española de Financiación y Contabilidad, vol. 20,
no. 66, (enero-marzo), pp. 151-163.
LAITINEN, T. and KANKAANPÄÄ, M. (1999), “Comparative analysis of failure prediction me-
thods: the Finnish case”, European Accounting Review, vol. 8, no. 1, pp. 67-92.
LEE, S.H. y URRUTIA, J.L. (1996), “Analysis and Prediction of Insolvency in the Property-
Liability Insurance Industry: A Comparison of Logit and Hazard Models”, The
Journal of Risk and Insurance, vol. 63, pp. 121-130.
LIBBY, R. (1975), “Accounting ratios and the prediction of failure: Some behavioural
evidence”, Journal of Accounting Research, Spring, pp. 150-161.
LIOU, D.K. and SMITH, M. (2006), “Macroeconomic Variables in the Identification of Fi-
nancial Distress”, Working Paper. (May). Disponible en SSRN: http://ssrn.com/
abstract=900284
LIZARRAGA, F. (1997), “Utilidad de la información contable en el proceso de fracaso.
Análisis del sector industrial de la mediana empresa española”, Revista Española
de Financiación y Contabilidad, vol. 26, no. 93, pp. 871-915.
LLEO, S. (2009), “Risk management: a review”, Working Paper. The Research Founda-
tion of CFA Institute Literature Review.
LÓPEZ, J.; GANDÍA, J.L. y MOLINA, R. (1998), “La suspensión de pagos y en las PYMES: una
aproximación empírica”, Revista Española de Financiación y Contabilidad,
vol. 27, no. 94, pp. 71-97.
LÓPEZ, C.; GARCÍA, M. y TORRE, B. (2006), “Implicaciones financieras de la legislación
concursal: una comparativa europea”, Revista de Contabilidad, vol. 9, no. 18,
julio-diciembre, pp. 111-143.
LÓPEZ, D.; MORENO, J. y RODRÍGUEZ, P. (1994), “Modelos de predicción del fracaso em-
presarial. Aplicación a entidades de seguros en España”, Esic-Market, no. 84,
pp. 83-125.
MANZANEQUE, M.; BANEGAS, R. y GARCÍA, D. (2010), “Diferentes procesos de fracaso em-
presarial. Un análisis dinámico a través de la aplicación de técnicas estadísticas
cluster”, Revista Europea de Dirección y Economía de la Empresa, vol. 19,
no. 3, pp. 67-88.
MARAIS, M.; PATELL, J. y WOLFSON, M. (1984), “The Experimental Design of Classification
Models: An Application of Recursive Partitioning and Bootstrapping to Commer-
cial Bank Loan Classifications”, Journal of Accounting Research, (Supplement),
vol. 22, no. 1, pp. 87-118.
MCGURR, P.T. y DEVANEY, S.A. (1998), “Predicting business failure of retail firms: an
analysis using mixed industry models”, Journal of Business Research, vol. 43,
no. 3, pp. 169-176.
MENSAH, Y.M. (1984), “An examination of the stationary of multivariate bankruptcy
prediction models: A methodological study”, Journal of Accounting Research,
vol. 22, no. 1, pp. 380-395.
MERTON, R. (1974), “On the pricing of corporate debt: The risk structure of interest
rates”, Journal of Finance, vol. 29, no. 2, pp. 449-470.
MORA, A. (1994), “Los modelos de predicción del fracaso empresarial: una aplicación
empírica del Logit”, Revista Española de Financiación y Contabilidad, no. 78,
enero-marzo, pp. 203-233.
193
MEDICIÓN DE RIESGO DE CRÉDITO
194
BIBLIOGRAFÍA
195