Buscar en
Cuadernos de Economía y Dirección de la Empresa CEDE
Toda la web
Inicio Cuadernos de Economía y Dirección de la Empresa CEDE Validez de la información financiera en los procesos de insolvencia. Un estudio...
Información de la revista
Vol. 16. Núm. 1.
Páginas 29-40 (Enero - Marzo 2013)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
6887
Vol. 16. Núm. 1.
Páginas 29-40 (Enero - Marzo 2013)
Artículo
DOI: 10.1016/j.cede.2012.05.001
Open Access
Validez de la información financiera en los procesos de insolvencia. Un estudio de la pequeña empresa española
Validity of the financial information in the processes of insolvency. A study of the Spanish small enterprise
Visitas
...
José Pozuelo Campilloa,
Autor para correspondencia
Jose.Pozuelo@uv.es

Autor para correspondencia.
, Gregorio Labatut Serera, Ernesto Veres Ferrerb
a Departamento de Contabilidad, Facultad de Economía, Universitat de València, Avda. dels Tarongers s/n, 46022 Valencia, España
b Departamento de Economía Aplicada, Facultad de Economía, Universitat de València, Avda. dels Tarongers s/n, 46022 Valencia, España
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Tablas (20)
Tabla 1. Características estructurales básicas de las empresas de la muestra (en miles de euros)
Tabla 2. Distribución de la muestra de empresas por sectores de actividad económica
Tabla 3. Ratios utilizados en el análisis empírico
Tabla 4. Valores de p según contraste y ratio
Tabla 5. Descriptivos según ratio y año
Tabla 6. Resumen del comportamiento de los descriptivos de los ratios
Tabla 7. Valores de p según contraste y variable
Tabla 8. Descriptivos según variable, denominador y año
Tabla 9. Resumen del comportamiento de los descriptivos de las variables
Tabla 10. Porcentaje de errores tras la aplicación de los modelos de predicción del fracaso empresarial
Mostrar másMostrar menos
Resumen

En este trabajo nos proponemos un doble objetivo. Por un lado planteamos la posibilidad de que la presente crisis haya afectado de forma desigual a la motivación por la que las empresas fracasan, y por otra parte, como segundo objetivo, pretendemos contrastar la validez de ciertos modelos de predicción en un contexto de fuerte variación provocado por la crisis económica actual.

Para ello, inicialmente someteremos la información de 2 muestras de datos financieros de pequeñas empresas a diversas pruebas estadísticas que pongan de manifiesto la variación de la información contable en 2 escenarios: uno de inexistencia de crisis y otro ante la situación de crisis financiera actual. Después aplicaremos los modelos de predicción seleccionados a sendas muestras antes y después de la crisis, para determinar su capacidad de predicción en ambos contextos.

Finalmente, concluimos que la crisis actual no difiere, atendiendo al comportamiento de las principales variables empresariales, de crisis anteriores, poniéndose de manifiesto la validez de los modelos de predicción de la quiebra empresarial.

Palabras clave:
Fracaso empresarial
Insolvencia
Predicción
Ratios
Pequeñas y medianas empresas
Logit
Códigos JEL:
G01
Abstract

In this paper we propose a dual purpose, first raised the possibility that this crisis has unevenly affected the motivation for companies to fail, and moreover, as a secondary objective, we try to check the validity of certain models prediction in a context of strong variation caused by the current economic crisis.

To this end, the financial information initially submitted two samples of small business financial data to various statistical tests reveal the change of accounting information in two stages, a lack of crisis and another to the current financial crisis. Then apply the models to predict paths selected samples before and after the crisis, to determine their predictive ability in both contexts.

Finally we conclude that the current crisis does not differ, attending to the behavior of the principal managerial variables, of other previous crises there being revealed the validity of the models of prediction of the managerial bankruptcy.

Keywords:
Business failure
Bankruptcy
Prediction
Financial ratios
Small and medium business
Logit
JEL classification:
G01
Texto completo
1Introducción

El interés por la predicción del fracaso empresarial se remonta a principios del siglo pasado, aunque no será hasta los años treinta cuando realmente se pueda establecer el comienzo de investigaciones con cierto rigor científico en este campo. Destacan las aportaciones pioneras de Fitzpatrick (1932) y Winakor y Smith (1935) con trabajos realizados con sencillos planteamientos, aplicando un análisis univariante muy básico fundamentado en el estudio de la evolución de los ratios financieros.

En la década de los sesenta se produce un gran salto cualitativo con las aportaciones de Beaver (1966), quien incorpora a la investigación el análisis discriminante univariante, consistente en la evaluación separada de la capacidad predictiva de cada uno de los ratios considerados. Este enfoque pronto será abandonado y sustituido paulatinamente por técnicas multivariantes que captan la estructura multidimensional de la firma, siendo Altman (1968) el pionero en aplicarlas para describir y predecir situaciones de fracaso empresarial.

Desde entonces, esta línea de investigación se ha visto enriquecida por numerosas aportaciones de diferentes autores con nuevos enfoques que han contribuido a mejorar los resultados de los modelos propuestos.

En la actualidad el interés por los modelos no se limita únicamente al ámbito investigador, pues ha trascendido a los distintos agentes económicos relacionados con la empresa, pasándolos a considerar como un instrumento de gran eficacia y apoyo en el proceso de toma de decisiones. Esta situación se ha visto favorecida por la proliferación de fracasos empresariales, especialmente en los últimos años. En cualquier caso, las diferentes aportaciones han supuesto el fortalecimiento y desarrollo de las bases del marco conceptual que sustenta una teoría general sobre el fracaso empresarial.

Sin embargo, cuando los modelos de predicción, que en su planteamiento inicial alcanzan generalmente elevados porcentajes de acierto, se aplican a contextos diferentes de los que sirvieron para su estimación, o bien en momentos distintos, aparecen importantes limitaciones que en algunos casos llegan a poner en duda su capacidad operativa. Este hecho podría llegar a cuestionar la utilidad de la información financiera empresarial para desarrollar modelos que permitan predecir acontecimientos futuros, en especial la posibilidad de que la empresa experimente procesos de degeneración financiera que la conduzcan al fracaso.

Precisamente nuestro objetivo principal será analizar si la información financiera proporcionada por las empresas es válida para utilizarla en este tipo de investigaciones o si su aplicación debe tener en cuenta la coyuntura económica de la que surge.

Secundariamente, comprobaremos si la crisis económica actual1 ha modificado sustancialmente el motivo de fracaso de las empresas y si ello afecta al comportamiento de las variables que inciden en el fracaso empresarial y, en consecuencia, a la capacidad predictiva de los diversos modelos de predicción.

Para ello, someteremos inicialmente la información financiera de 2 muestras de datos financieros de pequeñas empresas expresada en forma de ratios financieros, a diversas pruebas estadísticas. En primer lugar, en un escenario sin crisis, y a continuación, en el contexto de la crisis actual, analizando el comportamiento de los ratios en ambas situaciones. Dado que ambas muestras están formadas por empresas fracasadas de características económico-financieras muy similares, a priori pensamos que no debería haber divergencias en cuanto a su comportamiento. Si las hay, se podría deducir que pueden ser consecuencia, entre otras, de las características singulares de la crisis actual.

Para concretar los objetivos enunciados nos parece adecuado plantear las siguientes hipótesis de trabajo:H1

La crisis actual tiene unas características distintas de situaciones anteriores, que deben mostrarse en la evolución de las variables empresariales que revelan el fracaso empresarial.

H2

Los modelos de predicción de fracaso empresarial considerados pueden ser aplicados en circunstancias distintas a las de su estimación.

Aceptamos, además, que los efectos de la crisis actual empiezan a ser patentes en 2006, de manera que las empresas fracasadas en 2005 lo fueron con motivos ajenos a aquella, mientras que las fracasadas en 2008 lo han sido, fundamentalmente, por su incidencia directa.

El trabajo ha sido estructurado de la siguiente forma. Comenzamos con una introducción que sitúe al lector en el problema a tratar y donde presentamos los objetivos perseguidos. A continuación confeccionaremos las bases de datos que integren datos de empresas cuyos registros cumplan las especificaciones exigidas por los objetivos del trabajo. Tras ello, aplicaremos técnicas de análisis y herramientas estadísticas que nos permitirán evaluar si su información contable es útil con fines descriptivos y predictivos, estudiando si es acertado su empleo sin cuestionarse su fiabilidad. Después, aplicaremos algunos de los modelos más relevantes de fracaso empresarial para comprobar su comportamiento mediante los resultados alcanzados. Finalmente, en el último apartado se exponen los resultados obtenidos, las conclusiones y unas consideraciones generales sobre el trabajo desarrollado.

2Antecedentes históricos

Los primeros estudios2 con rigor estadístico se realizaron en el marco del análisis univariante destacando los trabajos de Beaver (1966). Este enfoque será pronto abandonado y sustituido paulatinamente por técnicas más sofisticadas capaces de captar la estructura multidimensional de las firmas, centrándose la atención de los investigadores en primer lugar en el análisis multivariante, concretamente el «análisis discriminante múltiple» (AMD). Destacan los modelos pioneros de Altman (1968), a los que siguieron, con notables mejoras, los propuestos por Deakin (1972), Edmister (1972), Sinkey (1975), Altman et al. (1977) y Taffler (1983). Con estos trabajos se alcanzaron buenos resultados con pequeños errores de clasificación, aunque las restricciones estadísticas a la que está sujeta esta metodología (independencia y normalidad de las variables e igualdad de las matrices de varianza-coovarianza) desvirtuaban en gran medida los resultados rebajando su grado de fiabilidad.

Estas razones estimularon a los investigadores la búsqueda de otras técnicas menos estrictas en los requerimientos estadísticos, centrándose su atención en los modelos de probabilidad condicional. Destaca la técnica Logit, que permite obtener la probabilidad de fracaso de una empresa condicionada a un conjunto de restricciones o atributos. Los trabajos fundamentales realizados bajo este enfoque, aparte de los pioneros de Martin (1977) y Ohlson (1980), son los de Casey y Bartczak (1985), Keasey et al. (1990) y Platt y Platt (1991). Comparando los resultados obtenidos con la aplicación de esta nueva técnica con el AMD, ciertos autores como Lo (1986) concluyen con la similitud de resultados obtenidos. Otros, por su parte, como Lennox (1999) y Foreman (2003), otorgan mayor eficacia a la técnica Logit, aunque lo evidente es que la ausencia de requerimientos estadísticos del AMD y la posibilidad de incorporar variables categóricas han supuesto su proliferación a partir de la década de los ochenta. En este sentido hay que señalar que el AMD es óptimo si se cumplen una serie de requisitos bien conocidos (normalidad, etc.) que desgraciadamente no son habituales en la información financiera. La regresión logística no es tan exigente, pero también es sensible a los datos. Además, casi todas estas técnicas estadísticas se ven afectadas por la existencia de outliers.

En los últimos años la literatura sobre el fracaso empresarial se ha fortalecido con la incorporación de técnicas de inteligencia artificial, con las que en algunos casos se han superado los resultados obtenidos con métodos estadísticos y econométricos. Un ejemplo es el «algoritmo de particiones iterativas o recursivas» (APIR), encuadrado en el conjunto de técnicas «machine learning», con algoritmos como Id3 o c4.5 de Quinlan (1996), muy utilizados en la actualidad. La técnica consiste en introducir el análisis univariante en un proceso multivariante, evitando las restricciones del análisis discriminante. No obstante, el proceso de introducción de variables en APIR, un tanto arbitrario, y la complejidad en la estimación de la probabilidad del suceso constituyen las razones de la escasa divulgación de esta metodología en el campo de la investigación empírica. Destacan las aportaciones de Marais et al. (1984) y Frydman et al. (1985).

También se han seguido publicando muchos trabajos utilizando redes neuronales, mapas autoorganizados de Kohonen (1982), escalas multidimensionales, DEA, SVC y otras técnicas aplicadas a la quiebra. Destaca el uso de redes neuronales artificiales, donde sobresalen, aparte del trabajo pionero de Serrano Cinca y Martín del Brío (1993), las aportaciones de Tam y Kiang (2000), Wilson y Sharda (2000) y Rahminian et al. (2000). En todos estos estudios los resultados obtenidos por la red neuronal superan al resto de técnicas estadísticas.

Desde hace algún tiempo ciertos autores han incorporado a sus investigaciones la metodología de los «conjuntos aproximados» —Rough Sets en terminología anglosajona—, que proporciona un grupo de reglas de decisión de fácil interpretación obtenidas de un conjunto de casos reales objeto de estudio. Sobresale el estudio de McKee (2000). Estas técnicas han demostrado una capacidad predictiva elevada, superando incluso los pronósticos realizados por personal experto, pero tienen la desventaja de que pueden ser poco manejables y en algunos casos hasta difíciles de interpretar.

También están viendo la luz numerosos trabajos que incorporan otras técnicas procedentes del aprendizaje automático que, combinando una gran cantidad de clasificadores sencillos, consiguen un elevado grado de precisión en la clasificación. Nos referimos al Adaboost, una técnica cuya eficiencia ha sido probada en diversos campos de investigación, aunque todavía es poco conocida en el ámbito económico-empresarial. Destacan los trabajos de Bauer y Kohavi (1999), Charalambous et al. (2000), Friedman et al. (2000); Ravi Kumar y Ravi (2007); Schapire (2002) y Alfaro et al. (2008). El enfoque estadístico clúster también ha sido aplicado a este campo de investigación, destacando el trabajo de Manzaneque et al. (2010).

Una técnica que se está aplicando con éxito en este campo de investigación es el Data Envelopment Analysis (DEA). Es un método no paramétrico sin restricciones estadísticas que no necesita para su desarrollo un gran tamaño muestral. Destaca La aportación de Premachandra et al. (2009), donde se demuestra la superioridad de este método frente a la técnica Logit en un estudio sobre el fracaso empresarial en Estados Unidos.

Por otra parte, al revisar la literatura financiera sobre el fracaso empresarial en nuestro país, advertimos que la mayoría de las investigaciones tradicionalmente se han centrado en los sectores formados por empresas de gran dimensión, que normalmente cotizan en Bolsa, y en los que cuentan con regulaciones específicas, por ofrecer ambos un tipo de información contable de calidad y fácil de conseguir para acometer este tipo de trabajos empíricos. En este sentido, cabe citar los trabajos pioneros de Laffarga et al. (1985) en el sector bancario y de Rodríguez Acebes (1990) en el sector asegurador. En las 2 últimas décadas se han realizado interesantes contribuciones que abordan la realidad de las pymes en distintos ámbitos temporales, geográficos y sectoriales, como los trabajos realizados por Lizarraga Dallo (1997), López Gracia et al. (1998), Rodríguez López (2004), De la Torre, Gómez (2005), Minguez Conde (2006), Calvo-Flores et al. (2007), Gómez et al. (2008), Rubio (2008), García et al. (2009), Labatut et al. (2009), Manzaneque et al. (2011), entre otros. Sin embargo, cuando se analizan las muestras de estudio se observa que en su mayoría están formadas por empresas de tamaño mediano, siendo muy escasa la presencia de las pequeñas.

Son muy pocos los trabajos centrados exclusivamente en las pequeñas empresas, a pesar de que estadísticamente es en este segmento donde se dan las mayores tasas de fracaso empresarial, entre otras razones por ser, generalmente, las más numerosas en el tejido productivo en las economías actuales desarrolladas. Una de las razones de esta escasez la encontramos en la creencia —a menudo errónea, como se ha demostrado en varios trabajos previos, como Pozuelo et al. (2010)— de que la información suministrada por estas empresas no reúne, por diversas circunstancias, las condiciones adecuadas para abordar con suficientes garantías este tipo de investigaciones.

3Propuesta metodológica

Recordemos que nuestra motivación principal para acometer este trabajo se justifica en analizar si la información financiera proporcionada por las empresas es válida para utilizarla en este tipo de investigaciones, o si su aplicación debe tener en cuenta la coyuntura económica de la que surge. Pretendemos averiguar si la crisis económica actual ha modificado sustancialmente el motivo de fracaso de las empresas, de forma que las características de las empresas fracasadas antes y después de la crisis son diferentes, y si ello afecta a los resultados obtenidos al aplicar los diversos modelos de predicción. Para ello aceptamos la hipótesis de que la incidencia temporal de la crisis se produjo en 2006, de manera que las empresas fracasadas en 2005 lo fueron por motivos ajenos a aquella, mientras que las fracasadas en 2008 lo han sido, fundamentalmente, por su incidencia.

3.1Definición de fracaso empresarial

Se ha optado por una definición de fracaso que permita distinguir con claridad las empresas solventes de las que no lo son. De esta manera se ha equiparado el fracaso a las calificaciones jurídicas de situación concursal, según la Ley Concursal 22/2003, en vigor desde el 1 de septiembre de 2004, de modo que una empresa se considerará fracasada si ha presentado un expediente concursal, y sana en el caso contrario. Aunque este criterio, de marcado carácter jurídico, presenta algunos inconvenientes, como la reducción considerable de los tamaños muestrales, entendemos que son superados por las ventajas de objetividad y fijación de la fecha del fracaso que aporta en el proceso de selección de las empresas que integrarán las distintas muestras.

3.2Elaboración de las muestras

En el proceso de selección y obtención de las muestras de empresas de la primera parte del estudio se ha recurrido a la base de datos financieros del Sistema de Análisis de Balances Ibéricos (SABI) de la empresa INFORMA S.A., considerándose solamente pequeñas empresas españolas y que fracasaron, de acuerdo con la definición adoptada, en los años 2005 y 2008. Recordemos que una pequeña empresa es la que ocupa a menos de 50 personas y cuyo volumen de negocios anual o cuyo balance general anual no supera los 10 millones de euros.

Sobre la población inicialmente considerada se realizaron 2 filtrados. Uno para que la muestra guardase un número proporcional al índice de fracaso del sector en que operaban, y un segundo que permitió descartar las empresas de reciente creación (hasta 3 años), las que no contenían datos contables completos de al menos 3 ejercicios anteriores a la fecha del fracaso y las que presentaban outliers entre sus ratios que pudieran modificar sustancialmente los valores medios para los mismos.

Tras estos procesos de selección y filtrado, el número de firmas se redujo a 1.150 empresas españolas fracasadas en 2005 y otras tantas en 2008, que son las que definitivamente se integrarán en las muestras de trabajo de esta primera parte.

En la segunda parte, la referida a la validación de los diferentes modelos de predicción, utilizaremos 4 muestras de empresas, en este caso valencianas3, de características parecidas que las que integran las muestras anteriores, 2 para el año 2005, una de empresas solventes y otra de fracasadas, y otras 2, solventes y fracasadas, para 2008, todas ellas formadas por 76 empresas; un tamaño con el que pretendemos adaptarnos a los tamaños aproximados de las muestras que se utilizaron en el diseño de los modelos que vamos a validar.

Para poder realizar las comparaciones referidas entre las 2 muestras y poder aplicar las herramientas estadísticas de clasificación, asociamos cada una de las empresas quebradas en 2005 con una quebrada de 2008 de las mismas características elegida aleatoriamente entre las de un tamaño similar, medido en función del volumen de activo, y que operase en el mismo sector económico establecido por la Clasificación Nacional de Actividades Económicas (CNAE) de 2009, rev. 1, a nivel de 4 dígitos, y cuando no ha sido posible, se ha descendido a 3 dígitos.

Los rasgos estructurales más relevantes de las muestras de empresas fracasadas objeto de la primera parte de este estudio se presentan en la tabla 1, donde se comparan los valores medios de las principales masas patrimoniales de las empresas que integran las muestras valoradas en euros corrientes, al considerar que en los años objeto de estudio la inflación no afecta significativamente a esas variables.

Tabla 1.

Características estructurales básicas de las empresas de la muestra (en miles de euros)

Variable  Quebradas 2005Quebradas 2008
Activo no corriente  440.517,55  30,54%  2.715.775,57  35,14% 
Activo corriente  1.001.540,32  69,46%  5.012.542,93  64,86% 
Activo total  1.442.057,87  100%  7.728.318,50  100% 
Fondos propios  127.860,90  8,86%  760.575,70  9,84% 
Pasivo no corriente  335.240,61  23,25%  2.537.528,78  32,84% 
Pasivo corriente  978.956,36  67,89%  4.430.204,02  57,32% 
P. neto + pasivo  1.442.057,87  100%  7.728.318,50  100% 

Fuente: SABI y elaboración propia.

En una primera aproximación, queda patente la elevada cuantía del activo corriente respecto al no corriente, circunstancia que atribuimos a que la muestra incluye un segmento empresarial con necesidades muy reducidas de inmovilizado, por pertenecer en su mayoría al sector servicios o ser productoras de bienes de consumo. En la estructura financiera resalta la reducida cuantía de fondos propios, lo que atribuimos a la absorción debida al proceso de dificultad financiera que arrastran, en general, desde hace varios ejercicios. Por último, es destacable la elevada cuantía de los pasivos, resultado del proceso de endeudamiento que las ha conducido a su actual situación.

Para que la comparación de los resultados de los 2 años fuera lo más precisa posible, se ha procurado que las empresas seleccionadas guardasen cierta homogeneidad en cuanto a su tamaño y sector productivo en el que operaban, aunque pertenecer al mismo sector de actividad y tener un tamaño similar no asegura un comportamiento financiero similar, puesto que las razones que llevan a una empresa a fracasar puede ser muy diferentes de las de otras. En este sentido, existen investigaciones recientes que sugieren la existencia de distintos procesos de fracaso (Jiménez et al. (2007).

Entre los distintos procesos de fracaso que identifican estos autores, hay un grupo de empresas que fracasan porque tienen fondos generados ordinarios negativos en los años anteriores a la suspensión, pérdidas ordinarias que degradan la garantía proporcionada por el patrimonio neto y una situación financiera muy débil en los años anteriores al fracaso, pero también hay otro grupo de empresas que muestran una pauta de crecimiento en los años anteriores al fracaso que no va acompañado de un crecimiento comparable en los fondos generados (que a diferencia de las anteriores sí son positivos), lo que les lleva a ser incapaces de atender los vencimientos de sus deudas. Se trata de 2 grupos de empresas que fracasan pero su proceso de fracaso es muy diferente, en la medida que unas tienen pérdidas y fondos generados negativos y otras tienen beneficios y fondos generados positivos, por lo que los valores de sus ratios pueden ser muy diferentes en los años anteriores al fracaso.

La distribución de las empresas seleccionadas por sectores de actividad económica, recogida en la tabla 2, clarifica el peso específico de cada grupo sectorial en el total de la muestra. La agrupación por sectores se ha realizado atendiendo a la CNAE de 2009 y considerando un primer nivel consistente en rúbricas identificadas mediante un código alfabético (secciones), lo que ha permitido distinguir 18 actividades básicas. Se observa la preponderancia de los sectores manufactureros, comerciales y construcción, acorde con la realidad de que es en ellos donde se dan las más altas tasas de fracaso en el segmento empresarial considerado.

Tabla 2.

Distribución de la muestra de empresas por sectores de actividad económica

Sección CNAE-2009  Actividad  % empresas fracasadas 
Agricultura, ganadería, silvicultura y pesca  1,56 
Industrias extractivas  0,39 
Industria manufacturera  19,85 
Suministro de energía eléctrica, gas, vapor y aire acondicionado  0,08 
Suministro de agua, actividades de saneamiento, gestión de residuos y descontaminación  0,39 
Construcción  31,55 
Comercio al por mayor y al por menor;Reparación de vehículos de motor y motocicletas  20,64 
Transporte y almacenamiento  3,50 
Hostelería  2,73 
Información y comunicaciones  2,96 
Actividades financieras y de seguros  0,70 
Actividades inmobiliarias  2,88 
Actividades profesionales, científicas y técnicas  7,94 
Actividades administrativas y serviciosAuxiliares  1,63 
Educación  0,23 
Actividades sanitarias y de servicios sociales  1,17 
Actividades artísticas, recreativas y de entretenimiento  1,02 
Otros servicios  0,78 
Total    100,00 

Fuente: elaboración propia.

3.3Los ratios financieros

Para la selección de los ratios se han considerado exclusivamente los que aparecen en la formulación de los modelos que nos proponemos validar —que serán expuestos en líneas posteriores— y que, además, coinciden con aquellos que de forma reiterada figuran en los principales trabajos sobre predicción del fracaso empresarial.

Ninguno de los ratios considerados incorpora información de mercados bursátiles, ya que ninguna de las empresas consideradas en las diferentes muestras cotizaba en el mercado de valores.

Dado que el objetivo del trabajo no es diseñar un modelo de predicción empresarial, sino evaluar algunos de los modelos ya existentes en la literatura, no se ha planteado la utilización de otros ratios financieros ni la aplicación de otras metodologías multivariantes alternativas o distintas a las consideradas en los modelos de predicción elegidos.

La lista de los ratios, separados por categorías y su descripción, la mostramos a continuación.

Dentro de la categoría de rentabilidad se ha considerado el ratio REN2 como expresión aproximada de la rentabilidad económica, es decir, como indicador de la eficacia de la empresa en la utilización de sus inversiones, y REN4 como un ratio de naturaleza mixta integrado por el resultado y el endeudamiento, que en cierto sentido también constituye una medida del apalancamiento de la empresa.

Todas las partidas integrantes de los ratios han sido derivadas del Balance de Situación y cuenta de Pérdidas y Ganancias de las empresas que componen las diferentes muestras.

4Análisis estadístico4.1Ratios

Pretendemos averiguar si la crisis económica actual ha modificado sustancialmente el motivo de quiebra de las empresas, de forma que las características de las empresas fracasadas antes y después de la crisis —canalizadas a través de los 7 ratios considerados en la tabla 3— son o no diferentes. Para ello aceptamos la hipótesis de que la incidencia temporal de la crisis se produjo en 2006 y 2007, de manera que las empresas fracasadas en 2005 lo fueron con motivos ajenos a aquella, mientras que las fracasadas en 2008 lo han sido, fundamentalmente, por su incidencia. Por ello no se estudia el fracaso en 2006 y 2007, para disponer de un corte temporal que ponga de manifiesto con más claridad las posibles diferencias de comportamiento en los 2 escenarios.

Tabla 3.

Ratios utilizados en el análisis empírico

Rentabilidad
Clave  Ratio   
REN 2  Resultado del ejercicio/activo total  R/AT 
REN 4  Resultado del ejercicio/pasivo total  R/PT 
Endeudamiento
  Clave  Ratio 
EF 4  Gastos financieros/pasivo total  GF/PT 
EF 8  Fondos propios/pasivo total  FP/PT 
Rotación
  Clave  Ratio 
ROT 1  Ventas/activo total  V/AT 
Solvencia (liquidez)
Clave  Ratio   
SOLV 1  Activo circulante/pasivo circulante  AC/PC 
Solvencia a largo plazo
Clave  Ratio   
SOLV LP 2  Recursos generados antes de impuestos/pasivo total  RGAI/PT 

Para el desarrollo del trabajo y la obtención de las conclusiones nos apoyamos en técnicas estadísticas. Para efectuar una primera selección de estas realizamos en cada caso los correspondientes análisis de normalidad de los ratios, por separado para los 2 años considerados. Los gráficos Q-Q normales y normales sin tendencia confirman un comportamiento muy alejado de la normalidad para los 7 ratios estudiados, lo que determina que las técnicas inferenciales a emplear sean no-paramétricas.

Para contrastar si las distribuciones de los ratios son o no iguales antes y después de la crisis, hemos utilizado 3 contrastes no-paramétricos para cada uno de ellos, considerando 2 muestras independientes que corresponden a la información de los 2 años estudiados. Estos tests estadísticos son:

  • Prueba U de Mann-Whitney de igualdad de medias, cuyo estadístico de contraste tiene la siguiente expresión:

    En donde Si expresa la suma de rangos asignados a cada una de las i muestras antes y después de la crisis, y ni son los tamaños muestrales respectivos.

  • Prueba de reacciones extremas de Moses para determinar si existe diferencia en el grado de dispersión o variabilidad. Para ello calcula la siguiente probabilidad para la amplitud recortada As:

    En donde r es el número de valores descartados, y nc y nr son los tamaños de las muestras de control y experimental.

  • Prueba de Wald-Wolfowitz para determinar si las 2 muestras proceden de la misma población. Si el número de rachas es grande (superior a 30) se utiliza la aproximación normal, y en caso contrario, los estadísticos del contraste tienen las siguientes expresiones:

    si R es impar, k = 2r -1

    Y en donde r es el número de rachas, y ni son los tamaños muestrales respectivos.

La tabla 4 recoge los valores de p para los 3 contrastes y 7 ratios estudiados (en todos los contrastes se considera el habitual nivel de significación del 0,05).

Tabla 4.

Valores de p según contraste y ratio

Ratio  Valor de p
  Mann-Whitney  Moses  Wald-Wolfowitz(1) 
REN2  0,613  0,994  0,218 
REN4  0,659  > 0,999  < 0,001 
EF4  < 0,001  > 0,999  0,035/0,202 
EF8  0,357  > 0,999  0,367 
SOLV1  0,227  > 0,999  0,135/0,144 
ROT1  0,790  > 0,999  < 0,001 
SOLVLP2  0,588  > 0,999  0,178 

La prueba U de Mann-Whitney contrasta la hipótesis nula de igualdad de medias. Solo para EF4 se concluye que las medias son diferentes en los 2 años considerados. La prueba de reacciones extremas de Moses determina si existe diferencia en el grado de dispersión o variabilidad. Utilizando la amplitud recortada, para ninguno de los ratios puede aceptarse un cambio en su variabilidad o, lo que es lo mismo, no se han producido reacciones extremas estadísticamente significativas de un año a otro.

Sin embargo, la igualdad de medias y varianzas para los ratios en ambos años no significa la igualdad de distribuciones y, por ello, de comportamientos iguales antes y después de la crisis. Por otra parte, los valores de p de la prueba de Wald-Wolfowitz solo permiten afirmar distribuciones diferentes para REN4 y ROT1, mientras que para EF4 la no igualdad de medias lleva ya implícita la desigualdad de distribuciones. Para los restantes 4 ratios, los valores de p de la respectiva prueba de Wald-Wolfowitz, que para todos ellos son superiores al nivel de significación, implican que las distribuciones correspondientes a los años 2005 y 2008 son iguales.

Esta última prueba es sensible a cualquier tipo de diferencia entre 2 distribuciones. Ante la igualdad de medias y varianzas se deduce que, fundamentalmente, es la forma de las distribuciones (asimetría y apuntamiento) las que han variado de manera significativa para REN4 y ROT1, aun no habiendo experimentado variación las medidas de de posición y de dispersión. Los descriptivos para los 7 ratios quedan recogidos en la tabla 5.

Tabla 5.

Descriptivos según ratio y año

Ratio  Descriptivo  2005  2008 
REN2  Media  −0,318  −0,182 
  Desv. típ.  3,084  0,582 
  Mínimo  −73,620  −6,531 
  Máximo  21,953  0,976 
  Asimetría  –16,390  −5,772 
  Curtosis  354,449  44,033 
REN4  Media  3,355  0,669 
  Desv. típ.  62,022  24,625 
  Mínimo  −33,344  −2,667 
  Máximo  1.488,930  794,379 
  Asimetría  19,770  32,259 
  Curtosis  414,192  1040,783 
EF4  Media  0,201  0,046 
  Desv. típ.  3,655  0,239 
  Mínimo  0,000  0,000 
  Máximo  105,875  7,690 
  Asimetría  25,977  31,481 
  Curtosis  716,256  1.007,144 
EF8  Media  112,503  1,177 
  Desv. típ.  3.386,095  26,368 
  Mínimo  −0,985  −0,940 
  Máximo  107.906,563  812,889 
  Asimetría  31,848  28,928 
  Curtosis  1.014,842  873,343 
SOLV1  Media  64,703  1,522 
  Desv. típ.  1.872,707  4,243 
  Mínimo  0,000  0,002 
  Máximo  59.674,394  86,424 
  Asimetría  31,837  14,945 
  Curtosis  1.014,386  255,550 
ROT1  Media  1,966  1,465 
  Desv. típ.  4,252  1,520 
  Mínimo  0,000  0,000 
  Máximo  80,381  18,769 
  Asimetría  11,182  4,316 
  Curtosis  163,833  34,265 
SOLVLP2  Media  3,433  0,707 
  Desv. típ.  62,059  24,646 
  Mínimo  −31,656  −2,442 
  Máximo  1.488,930  795,061 
  Asimetría  19,737  32,256 
  Curtosis  413,123  1.040,643 

Aceptando un comportamiento normal para los valores tipificados de los coeficientes de asimetría y de curtosis, se deduce de la tabla anterior que ambos descriptivos han experimentado una variación estadísticamente significativa para las distribuciones de REN4 y ROT1.

Una asimetría positiva supone que los valores más extremos —esto es, los más grandes— se sitúan por encima de la media. De ahí la presencia de una «cola» más larga en la derecha de la distribución. Por el contrario, en la asimetría negativa los valores más extremos —que serán los más pequeños— tienden a situarse por debajo de la media. De ahí que la cola más larga esté hacia la izquierda. Cuando la simetría tiene valores alrededor del 0, indica simetría.

Como regla aproximada, se asume que un valor de la asimetría mayor que el doble de su error típico (que toma el valor 0,077 y 0,076 para 2005 y 2008, respectivamente) indica una desviación de la simetría. Su signo indicará el sentido de esa desviación. Para REN4 la mayor asimetría positiva corresponde al año 2008, indicando que en dicho año las empresas tienen esos 2 ratios con valores más grandes y alejados de la media por la derecha que en 2005.

El coeficiente de curtosis o de apuntamiento es una medida del grado en la que la distribución acumula casos en sus colas, en comparación con las colas de una distribución-patrón, que es la normal tipificada. Una curtosis positiva indica que en las colas de la distribución hay acumulados menos casos que en las de la distribución normal —colas menos «anchas»— y, en consecuencia, seguramente habrá mayor apuntamiento (elevación) alrededor de la media que en el caso del modelo normal. Por el contrario, en caso de una curtosis negativa es de esperar que en las colas de la distribución haya acumulados más casos que en las de la distribución normal —colas más «anchas»— y, en consecuencia, seguramente habrá menor apuntamiento (elevación) alrededor de la media que en el caso del modelo-patrón.

También, como regla aproximada, se asume que un valor de la curtosis mayor que el doble de su error típico (que toma el valor 0,153 y 0,151 para 2005 y 2008, respectivamente) indica una desviación de la curtosis respecto su modelo normal. En la tabla 5 se aprecia para REN4 que en 2008 sus valores están más apuntados alrededor de la media, presentando menos casos en las colas que en 2005.

Para ROT1 su asimetría es positiva, lo que implica la existencia de más empresas con valores por encima de la media que por debajo. Y tanto los coeficientes de asimetría como de curtosis son mayores en 2005. Consecuentemente, en dicho año las empresas tienen un ratio ROT1 con valores que son más grandes y alejados de la media por la derecha que en 2008; y en 2005 los valores de dicho ratio están más apuntados alrededor de la media, presentando menos casos en las colas que en 2008.

Finalmente, EF4 es el único ratio para el que la prueba de igualdad de medias de Mann-Whitney resulta significativa, confirmando que las medias de los ratios difieren en los 2 años considerados. Respecto de la simetría y la curtosis, su comportamiento es semejante al descrito para REN4.

La tabla 6 resume los comentarios anteriores:

Tabla 6.

Resumen del comportamiento de los descriptivos de los ratios

Ratio  Distribución  Simetría  Curtosis 
REN2 (media negativa en ambos años)  Sin diferencia significativa entre 2005 y 2008  Negativa, mayor en 2008  Positiva, mayor en 2005 
REN4 (media positiva en ambos años)  Diferencia significativa entre 2005 y 2008  Positiva, mayor en 2008  Positiva, mayor en 2008 
EF4 (media positiva en ambos años y diferencia significativa)  Diferencia significativa entre 2005 y 2008  Positiva, mayor en 2008  Positiva, mayor en 2008 
EF8, SOLV1 (las dos ratios con medias positivas en ambos años)  Sin diferencia significativa entre 2005 y 2008  Positiva, mayor en 2005  Positiva, mayor en 2005 
SOLVLP2 (media positiva en ambos años)  Sin diferencia significativa entre 2005 y 2008  Positiva, mayor en 2008  Positiva, mayor en 2008 
ROT1 (media positiva en ambos años)  Diferencia significativa entre 2005 y 2008  Positiva, mayor en 2005  Positiva, mayor en 2005 

Tras el análisis estadístico anterior, y dado que los 7 ratios considerados son los que aparecen de forma reiterada en los principales trabajos sobre predicción del fracaso empresarial, puede aceptarse su validez para este cometido al no haberse visto afectados de forma sustancial por los factores determinantes de la crisis. Tan solo constatamos el comportamiento diferencial más acusado de EF4 y, por otra parte, que REN4 y ROT1 están afectados en algunas características de forma, pero no en sus medias y varianzas.

4.2Variables

Es evidente que el comportamiento de los anteriores ratios se deriva del de las variables que los definen, por lo que estas deben estudiarse de forma análoga a lo realizado con aquellos. Concretamente, vamos a estudiar las variables que definen los 3 ratios cuyo comportamiento muestra indicios de haber sufrido alguna variación, más o menos significativa, antes y después de la crisis. Son las siguientes: activo total, importe neto de la cifra de ventas, resultado del ejercicio y gastos financieros y gastos asimilados.

También vamos a estudiar el comportamiento del denominador de REN4 y EF4:

Los gráficos Q-Q normales y normales sin tendencia confirman comportamientos muy alejados de la normalidad de las anteriores 4 variables y denominador, por lo que, por el mismo motivo comentado en el anterior apartado, nuevamente utilizaremos sobre ellas las mismas técnicas inferenciales no-paramétricas que las empleadas para los ratios (tabla 7).

Tabla 7.

Valores de p según contraste y variable

Ratio  Valor de p
  Mann-Whitney  Moses  Wald-Wolfowitz(1) 
Activo total  < 0,001  < 0,001  < 0,001 
Importe neto cifra de ventas  < 0,001  < 0,001  < 0,001 / < 0,001 
Resultado del ejercicio  0,503  < 0,001  0,001 / 0,001 
Gastos financieros y asimilados  < 0,001  < 0,001  < 0,001 / < 0,001 
Denominador de REN4 y EF4  < 0,001  < 0,001  < 0,001 / < 0,001 

Aparecen 2 valores de p según se tenga o no en cuenta la presencia de empates.

De la prueba de Mann-Whitney de la tabla 7 se deduce, con excepción del resultado del ejercicio, el cambio significativo de las medias de las variables, que se han modificado al pasar del año 2005 al 2008. Del contraste de Moses se aprecia que también la variabilidad o dispersión de sus valores es significativamente diferente en los 2 años considerados y para las 5 variables. Consecuentemente, el contraste de igualdad de distribuciones (prueba de Wald-Wolfowitz) confirma también que todas las variables estudiadas presentan distribuciones diferentes en los años 2005 y 2008.

La tabla 8 recoge los principales descriptivos para las 4 variables y el denominador definido con alguna de ellas.

Tabla 8.

Descriptivos según variable, denominador y año

Variable  Descriptivo  2005  2008 
Activo total  Media  1.273.116,38  7.033.715,79 
  Desv. típ.  1.799.365,750  2,305E7 
  Mínimo  123  9.528 
  Máximo  9.679.815  486.489.408 
  Asimetría  2,272  11,486 
  Curtosis  5,257  197,208 
Importe neto de cifra de ventas  Media  1.654.881,50  5.396.992,48 
  Desv. típ.  6.387.663,207  1,775E7 
  Mínimo  107 
  Máximo  184.421.483  331.761.611 
  Asimetría  23,441  12,259 
  Curtosis  656,437  197,860 
Resultado del ejercicio  Media  –125.516,84  –182.224,01 
  Desv. típ.  720.896,751  4.028.869,698 
  Mínimo  –14.339.057  –41.464.628 
  Máximo  4.182.376  98.591.000 
  Asimetría  –9,616  14,170 
  Curtosis  164,699  384,274 
Gastos financieros y gastos asimilados  Media  41.686,29  190.146,97 
  Desv. típ.  285.613,259  603.930,998 
  Mínimo 
  Máximo  8.954.000  9.122.000 
  Asimetría  29,698  9,202 
  Curtosis  925,687  107,954 
Denominador de REN4 y EF4  Media  1.127.376,35  6.368.913,34 
  Desv. típ.  1.685.953,816  2,159E7 
  Mínimo 
  Máximo  14.437.371  473.636.115 
  Asimetría  2,796  12,231 
  Curtosis  9,913  222,624 

Observando la tabla 8 se deducen ciertos hechos:

  • Activo total y Pasivo total (denominador de REN4 y EF4). Para esa variable y denominador, la media, la desviación típica y los coeficientes de asimetría y de curtosis son mayores en 2008, siendo positivas en ambos años todas las medidas. Por tanto, en 2008 sus valores están más apuntados alrededor de la media respectiva, por lo que la mayor varianza indica que existen empresas con valores extremos más alejados de la media. Y la mayor asimetría confirma que en 2008 dominan aún más las empresas cuyos valores se alejan más por encima de la media que las que se alejan por debajo.

  • Importe neto de la cifra de ventas y los gastos financieros y asimilados. La media y los coeficientes de asimetría y de curtosis son positivos. Mientras que la media aumenta en el tiempo, tanto la asimetría como la curtosis son mayores en 2005. En consecuencia, en 2005 los valores de esas variables están más apuntadas alrededor de su media respectiva, mientras que la mayor asimetría positiva confirma que, en 2005, esas 2 variables toman valores más grandes y alejados de la media por la derecha que en 2008.

  • Resultado del ejercicio. En ambos años la media es negativa, pero es mayor en 2005, confirmando resultados peores en 2008 que en 2005, si bien la diferencia entre ambos años no es estadísticamente significativa. Los coeficientes de asimetría y de curtosis son mayores en 2008, cambiando el signo de la asimetría de negativo en 2005 a positivo en 2008. Por tanto, en 2008 el resultado del ejercicio está más apuntado alrededor de su media. Y la mayor asimetría confirma que, en 2008, dominan aún más las empresas cuyos valores se alejan por encima de la media, toda vez que la situación en 2005 era la contraria, dominando las empresas cuyo resultado se alejaba más de la media, pero por sus valores menores.

La tabla 9 resume los resultados comentados.

Tabla 9.

Resumen del comportamiento de los descriptivos de las variables

Variable  Media  Simetría  Curtosis 
Activo total y denominador de REN4 y EF4  Positiva, mayor en 2008  Positiva, mayor en 2008  Positiva, mayor en 2008 
Importe neto de la cifra de ventas y gastos financieros y asimilados  Positiva, mayor en 2008  Positiva, mayor en 2005  Positiva, mayor en 2005 
Resultado del ejercicio  Negativa, mayor en 2005  Negativa en 2005 y positiva en 2008  Positiva, mayor en 2008 

Finalmente, analicemos los ratios REN4, EF4 y ROT1, que son los más sensibles a los efectos de la crisis, atendiendo al comportamiento de las variables que las definen:

  • REN4. Se define como el cociente:

    El denominador es significativamente mayor en 2008, como también es mayor el valor en 2005 del numerador, aunque no de forma significativa. La situación es semejante a la descrita para REN2, así como el resultado: los comportamientos del numerador y denominador del ratio no son lo suficientemente acusados para determinar un comportamiento significativamente distinto del valor medio del ratio antes y después de la crisis.

  • EF4. Se define como el cociente:

    Tanto el denominador como el denominador son significativamente mayores en 2008. Y también el valor medio del ratio es significativamente mayor en 2005. En consecuencia, el incremento producido por la crisis sobre la suma de los pasivos domina sobre el incremento de los gastos financieros y asimilados y arrastran a la baja al valor medio del ratio, que es significativamente menor en 2008.

  • ROT1. Se define como el cociente:

Análogamente al comportamiento de EF8, tanto los valores medios del numerador y del denominador del ratio son significativamente mayores en 2008, sin que estos comportamientos sean lo suficientemente acusados para determinar un comportamiento significativamente distinto para el valor medio del ratio antes y después de la crisis. El comportamiento de la asimetría y de la curtosis del ratio es igual a los del numerador, siendo mayores estos coeficientes en 2005, frente al comportamiento de ambos coeficientes para el denominador, mayores en 2008.

4.3Modelos de predicción

El considerable aumento de las situaciones de concurso de acreedores en las pequeñas y medianas empresas demuestra la enorme incidencia de la crisis económica en este segmento empresarial. Esta crisis tiene 2 características esenciales. Primera, su intensidad, valorada tanto por las modificaciones introducidas en las variables contables como por el número de empresas afectadas. Y segunda, la rapidez con la que ha incidido en las situaciones de fracaso, que se han producido con una velocidad acusada.

La existencia de la crisis permite comparar la información contable de las empresas fracasadas antes y después de ella. En efecto, el uso de ratios contables en los distintos modelos de previsión del fracaso empresarial permite estudiar la influencia de la crisis sobre estos ratios, para así valorar su capacidad predictiva. Es decir, poder determinar hasta qué punto los ratios permanecen estables ante la crisis y los modelos en los que intervienen no ven afectados su capacidad —mayor o menor, según el modelo— en la predicción del fracaso empresarial.

Así pues, dado que las características de las empresas fracasadas son muy similares antes y después de la crisis, vamos a comprobar la validez de los modelos de predicción cuando se aplican a las empresas, fracasadas o no, en los 2 escenarios: antes y tras la crisis.

A la hora de valorar la estabilidad de los principales modelos de predicción de la literatura contable hemos estudiado 5 de ellos, todos basados en la metodología Logit. Inicialmente, se han obtenido sendas muestras de pequeñas y medianas empresas fracasadas y no fracasadas de los años 2005 y 2008, 4 muestras en total de tamaño inicial de 76 empresas. Todas ellas responden a los mismos criterios empleados para seleccionar la muestra de la propuesta metodológica del apartado 3 de este trabajo.

Los modelos Logit4 sobre los que se quiere estudiar la influencia de la crisis en su capacidad predictiva, por antigüedad de publicación, son los siguientes5: Gallego et al. (1997), López Gracia et al. (1998), Ferrando y Blanco (1998), Rodríguez López (2001) y Pozuelo et al. (2010). Salvo el penúltimo, el diseño de todos ellos se basa en la información empírica proporcionada por empresas en el ámbito territorial de la Comunidad Valenciana.

Los 5 modelos considerados fueron diseñados para empresas con características similares a las de las muestras de nuestro estudio. Como reseñábamos en la introducción, son numerosos los trabajos sobre fracaso empresarial aparecidos en nuestro país, desde las investigaciones pioneras de Laffarga et al. (1985) hasta nuestros días. Y si bien los 5 considerados son, por razones de espacio, totalmente adecuados a nuestro propósito, hay que señalar que la mayoría de trabajos tendrían también la suficiente entidad para su consideración.

La tabla 10 recoge el resultado de la aplicación de los 5 modelos sobre la muestra de empresas solventes y fracasadas de los años 2005 y 2008. El error de tipo I corresponde a empresas solventes clasificadas erróneamente por el modelo como fracasadas; el error de tipo II corresponde a empresas fracasadas clasificadas erróneamente por el modelo como solventes.

Tabla 10.

Porcentaje de errores tras la aplicación de los modelos de predicción del fracaso empresarial

Año    Gallego et al. (1997)  López et al. (1998)  Ferrando y Blanco (1998)  Rodríguez López (2001)  Pozuelo et al. (2010) 
2005  % errores tipo I  20,2  68,4  9,7  39,1  18,2 
  % errores tipo II  30,1  1,1  46,9  21,4  41,4 
  % errores total  25,1  34,9  28,4  30,1  29,9 
2008  % errores tipo I  27,7  66,3  16,2  47,1  26,7 
  % errores tipo II  24,5  5,3  35,2  21  28,4 
  % errores total  26,1  36  25,7  31,6  27,6 

De la tabla anterior podemos sacar ciertas consecuencias. En primer lugar, si comparamos para cada modelo los 2 años, 2005 y 2008, vemos que no existen grandes diferencias en su capacidad predictiva, independientemente del orden de magnitud de esta. Para la muestra de empresas fracasadas, todos los modelos, salvo el de López Gracia et al. (1998), presentan una ligera mayor capacidad predictiva en 2008, año inmerso en la crisis. Por el contrario, para la muestra de empresas solventes, la mayor capacidad predictiva se produce antes de la crisis, salvo, nuevamente, para el modelo de López Gracia et al. (1998), cuyo comportamiento es el contrario al de los otros 4 modelos.

Llama, pues, la atención el modelo de López Gracia et al. (1998). Tiene excelentes resultados para los errores de tipo II, que son los de mayor importancia cualitativa, sobre todo si la aplicación de los modelos tiene implicación en la clasificación de las empresas a la hora de la concesión de un crédito o el establecimiento de una puntuación de la misma según solvencia. Sin embargo, los errores de tipo I, en ambos años, se disparan. Tal vez la explicación habría que buscarla en su diseño inicial, en el posible forzamiento del modelo para la detección muy conservadora del fracaso, a costa de las empresas en buena situación.

Considerando los resultados globales, esto es, conjuntamente ambos errores, el modelo de menor capacidad es el de López Gracia et al. (1998). Los otros 4 alcanzan resultados globales semejantes.

5Conclusiones

Del trabajo realizado se obtienen, en primer lugar, las siguientes 2 conclusiones referidas a los 7 ratios estudiados:

  • Salvo el ratio EF4 de la categoría de endeudamiento, que recordemos relaciona los gastos financieros con el pasivo total, las medias y varianzas de los otros 6 ratios estudiados no varían significativamente tras la crisis, aun habiendo cambiado las variables que los definen. Esto implica que la variación de los numeradores y denominadores que definen los 6 ratios lo hacen en magnitud y sentido tales que contrarrestan sus efectos para que sus medias y varianzas no se vean afectadas.

  • Además de EF4, el ratio REN4 de la categoría de rentabilidad (Resultado del ejercicio/Pasivo total) y el ratio de rotación ROT1 (Ventas/Activo total) modifican sus distribuciones antes y después de la crisis, aun manteniendo estadísticamente iguales sus medias y varianzas respectivas. Para estos 2 ratios son las características de forma las que sufren variación entre los años 2005 y 2008.

De la información global que se deriva de los ratios estudiados podemos afirmar que las circunstancias que envuelven de dificultad financiera la población empresarial estudiada, antes y después de la crisis actual, son muy similares. Se trata de firmas con escasa capacidad para generar recursos y con una cuantía muy significativa de financiación ajena a corto plazo, aspecto que generalmente coincide con situaciones de apalancamiento financiero negativo. La disminución de los gastos financieros en este contexto la atribuimos, más que a una disminución de las cargas financieras, a un aumento de la morosidad por parte de las empresas fracasadas.

Además, la reducida cifra de ventas que presentan en relación con su tamaño y con su nivel de endeudamiento genera un volumen significativo de existencias en almacenes. La presencia de elevadas cifras de derechos de cobro pendientes de realizar se muestra como un rasgo propio de las empresas con dificultades. Estos derechos son el resultado de políticas agresivas de subsistencia consistentes, a menudo, en ofrecer numerosas facilidades a los clientes, por ejemplo, alargando los periodos de cobro.

Podemos admitir que no se cumple la hipótesis 1, en la que se exponía que la crisis actual presenta unos rasgos distintos de situaciones anteriores, que deben mostrarse en la evolución de las variables empresariales que inciden en los procesos de fracaso empresarial. En este sentido afirmamos que las singularidades de la presente crisis no tienen una repercusión directa sobre las variables empresariales que las hagan significativamente distintas de las que se mostraron en crisis anteriores.

Dado que las características de las empresas fracasadas son muy similares antes y después de la crisis, hemos comprobado la validez de los modelos de predicción cuando se aplican en los 2 escenarios a las empresas fracasadas antes y tras la crisis. El porcentaje de errores al aplicar los modelos en estos 2 escenarios es semejante, aspecto que viene a corroborar su validez. Lo que no quiere decir que, globalmente, su capacidad predictiva sea destacable, pues pudiendo serlo en el año de su diseño, con el tiempo puede haber perdido actualidad y capacidad de predicción.

Se ha trabajado con muestras compuestas en su totalidad por pequeñas empresas. En la mayoría de los casos la información que se ha procesado se deriva de cuentas anuales en formato abreviado y, por tanto, no ha sido sometida a controles externos de auditoría, lo que en principio podría suponer algunas deficiencias en la calidad y cuestionar su capacidad para ser utilizada en este tipo de análisis. A pesar de ello, el grado de acierto alcanzado nos viene a confirmar que los modelos funcionan y, por consiguiente, que la información aportada por las empresas es válida para acometer estas investigaciones y obtener resultados consistentes. Este extremo cuestionaría algunas dudas vertidas en la literatura financiera acerca de su calidad y, por tanto, de su validez para ser considerada como input en este tipo de investigaciones. Por lo tanto, creemos que los modelos son extrapolables a otros contextos donde se reproducen situaciones similares.

Así, podemos afirmar que se cumple lo establecido en la hipótesis 2, que recordemos hacía referencia a la posibilidad de aplicar diversos modelos de predicción estimados en circunstancias diferentes a las del contexto económico actual. La capacidad predictiva mostrada por los modelos considerados confirma su plena validez para ser aplicados en el marco de la crisis actual.

Entendemos que los modelos son de gran ayuda para los posibles usuarios, aunque su aplicación debe hacerse con la cautela de saber que en el diagnóstico sobre la situación y evolución de una empresa se pueden tener en cuenta otras circunstancias de naturaleza no estrictamente financiera, que no aparecen incorporadas en estos modelos debido a la dificultad de valorarlas o de recopilarlas. En cualquier caso, la consideración conjunta de trabajos de esta naturaleza, con toda la evidencia empírica que aportan, podrían servir de base para la consolidación definitiva de una teoría general con la que entender globalmente todos los aspectos que concurren en los procesos de fracaso empresarial.

Agradecimientos

Trabajo realizado gracias a la financiación conseguida de la Generalitat Valenciana para la realización de proyectos de I+D para grupos de investigación emergentes mediante el proyecto GV/2012/052 correspondiente al ejercicio 2012

Anexo 1
Modelos de predicción considerados

Modelo deFerrando y Blanco (1998)

Ferrando y Blanco (1998)  END1  RENT11  RENT45  RENT51  CONSTANTE 
Coeficiente  0,0965  0,1793  0,0795  –0,0471  –10,4965 
Definición ratios  EX/ACT  INT/EX  GP/VTAS  (BAT+INT)/EX   
Significación  0,0000  0,0010  0,0004  0,0074  0,0000 
Significación global del modelo  0,0000         

EX: exigible; INT: intereses; ACT: activo; GP: gastos de personal; VTAS: ventas; BAT: beneficio antes de impuestos.

Modelo:

Tabla de clasificación deducida de la aplicación del modelo a datos de 1992 a 1994:

Muestra  Acierto global  Errores tipo I  Errores tipo II 
Estimación  90%  4,17%  5,83% 
Validación  85,71%  5,36%  8,93% 
Total  89,77%  4,55%  5,68% 

Modelo deLópez Gracia et al. (1998)

López Gracia et al. (1998)  CONST  R1  R14  R19  R21  R26  LAT 
Coeficiente  –7,28548  –7,00381  –0,74962  0,03644  0,10525  –0,12549  0,69110 
Definición ratios    RE/AT  AC/PC  AC/RP  (D+R)/AT  AT/IE   
Significación  0,01  0,01  0,10  0,17  0,90  0,57  0,01 
Significación global del modelo  0,01             

RE: resultado del ejercicio; AT: activo total; AC: activo circulante; PC: pasivo circulante; RP: recursos permanentes; D: disponible; R: realizable; IE: ingresos explotación.

Modelo:

Valoración de los errores de predicción deducida de la aplicación del modelo a datos de 1992 y 1993:

Muestra  Error total  Error tipo I  Error tipo II 
Estimación  24,00%  24,32%  24,68% 
Validación  38,10%  15,38%  33,33% 

Modelo deGallego et al. (1997)

Gallego et al. (1997)  END6  LIQ3  RENT25 
Coeficiente  10,730  –3,729  –16,494 
Definición ratios  INTER/V  CCN/AT  BN/PC 
Significación  <0,05  <0,05  <0,05 
Significación global del modelo  <0,05     

INTER: intereses; V: ventas; BN: beneficio neto; CCN: capital circulante neto; AT: activo total; PC: pasivo circulante.

Modelo:

Valoración del modelo deducida de la aplicación a datos de 1992 a 1994:

Error global  Error tipo I  Error tipo II 
9,90%  6,25%  13,54% 

Modelo deRodríguez López (2001)

Rodríguez López (2001)  APL04  ROT06  SOL06  CONSTANTE 
Coeficiente  4,284  0,201  1,311  –0,339 
Definición ratios  RN/ET  V/AT  FP/AT   
Significación  0,000  0,000  0,000   
Significación global del modelo  0,000       

RN: resultado neto; ET: exigible total; FP: fondos propios; V: ventas; AT: activo total.

Modelo:

Porcentajes de clasificación global deducida de la aplicación del modelo a datos de 1990 a 1997:

Muestra  Aciertos total empresas  Aciertos empresas fracasadas  Aciertos empresas solventes 
Estimación  90,8%  81,7%  100,0% 
Validación  97,4%  89,7%  98,2% 

Modelo dePozuelo et al. (2010)

Pozuelo et al. (2010)  CONST  REN M7  EF5  SOLVLP2 
Coeficiente  –4,798  –40,224  6,509  –14,536 
Definición ratios    RO/PT  PC/PT  RGAI/PT 
Significación  0,037  0,000  0,013  10,290 
Significación global del modelo  0,000       

RO: resultado ordinario; PT: pasivo total; PC: pasivo circulante; RGAI: recursos generados antes de impuestos

Significación global del modelo: 0,000

Modelo:

Porcentajes de clasificación deducidos de la aplicación del modelo a datos de 1999 a 2004:

ModeloMuestra  Solventes  Fracasadas 
Solventes  94,0%  9,6% (error tipo II) 
Fracasadas  6% (error tipo I)  90,4% 

Bibliografía
[Alfaro et al., 2008]
Alfaro, E., Gámez, M., García, N., 2008. Linear discriminant analysis versus adaboost for failure forecasting. Revista Española de Financiación y Contabilidad XXXVII (137), 13-32.
[Altman, 1968]
E.I. Altman.
Financial ratios, discriminant analysis and the prediction of corporate bankruptcy.
Journal of Finance, 23 (1968), pp. 589-609
[Altman, 1993]
E.I. Altman.
Corporate Financial Distress and Bankruptcy.
2nd ed., John Wiley & Sons Inc, (1993),
[Altman et al., 1977]
Altman, E., Haldeman, R.G., Narayanan, P., 1977. ZETATM analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance 1 (1), 29–54.
[Altman y Sabato, 2006]
E.I. Altman, G. Sabato.
Modeling Credit Risk for SMEs: Evidence form the US Market.
Abacus, 19 (2006), pp. 716-723
[Balcaen y Ooghe, 2006]
S. Balcaen, H. Ooghe.
35 years of studies on business failure: an overview of the classic statistical methodologies and their related problems.
The British Accounting Review, 38 (2006), pp. 63-93
[Bauer y Kohavi, 1999]
E. Bauer, R. Kohavi.
An empirical comparison of voting classification algorithms: Bagging, boosting, and variants.
Machine Learning, 36 (1999), pp. 105-142
[Beaver, 1966]
W.H. Beaver.
Financial ratios as predictors of failure.
Journal of Accounting Research, Vol. 4, Empirical Research in Accounting: Selected Studies, (1966), pp. 71-111
[Calvo-Flores et al., 2007]
Calvo-Flores, A., García, D., Madrid, A., 2007. Tamaño, antigüedad y fracaso empresarial. Working Paper n.°1. Grupo Interuniversitario de Investigación. Análisis Estratégico para el Desarrollo de la Pyme.
[Casey y Bartczak, 1985]
Casey, C., Bartczak, N., 1985. Using operating cash-flow data to predict financial distress: Some extensions. Journal of Accounting Research 23 (1), 384–401.
[Charalambous et al., 2000]
Charalambous, C., Charitou, A., Kaorou, F. 2000. Comparative analysis of artificial neural network models: application in bankruptcy prediction. Annals of Operation Research 99 (4), 403–425.
[De la Torre y Gómez, 2005]
De la Torre, J.M., Gómez, M.E., 2005. Análisis de la sensibilidad temporal en los modelos de predicción de insolvencia: Una aplicación a las pymes industriales. Comunicación presentada al XIII Congreso de A.E.C.A. (Armonización y Gobierno de la Diversidad). Oviedo, 22–24 de septiembre.
[Deakin, 1972]
Deakin, E.B., 1972. A discriminant analysis of predictors of business failure. Journal of Accounting Research 10 (1), 167–179.
[Demyansk y Hassan, 2010]
Y. Demyansk, I. Hassan.
Financial Crises and Bank Failures: A Review of Prediction Methods.
Omega, 38 (2010), pp. 315-324
[Edmister, 1972]
Edmister, R., 1972. An empirical test of financial ratio analysis for small business failure prediction. Journal of Financial and Quantitative Analysis 7 (2), 1.477–1.493.
[Eisenbeis, 1977]
R.A. Eisenbeis.
Pitfalls in the application of discriminant analysis in business, finance and economics.
The Journal of Finance, 32 (1977), pp. 875-900
[Ferrando y Blanco, 1998]
Ferrando, M., Blanco, F., 1998. La previsión del fracaso empresarial en la Comunidad Valenciana: aplicación de los modelos discriminante y logit. Revista Española de Financiación y Contabilidad 27 (95), 499–540.
[Fitzpatrick, 1932]
P.J. Fitzpatrick.
A Comparison of ratios of successful industrial enterprises with those of failed firms.
Certified Public Accountant, 12 (1932), pp. 598-605
[Foreman, 2003]
R.D. Foreman.
A logistic analysis of bankruptcy within the US local telecommunications industry.
Journal of Economics and Business, 55 (2003), pp. 135-166
[Friedman et al., 2000]
Friedman, J., Hastie, T., Tibshirani, R., 2000. Additive logistic regression: a statistical view of boosting. Annals of Statistics 38 (2), 337–407.
[Frydman et al., 1985]
Frydman, H., Altman, E.I., Kao, D.L., 1985. Introducing recursive partitioning for financial classification: The case of financial distress. Journal of Finance 40 (1), 269–291.
[Gallego et al., 1997]
A.M. Gallego, J.C. Gómez, L. Yañez.
Modelos de predicción de quiebras en empresas no financieras.
Actualidad Financiera, (1997), pp. 3-14
[García et al., 2009]
J.M. García, B. García, E. Neophytou.
Earning quality in expost failed firms.
Accounting and Business Research, 39 (2009), pp. 119-138
[Gómez et al., 2008]
M.E. Gómez, J.M. De la Torre, I. Roman.
Análisis de sensibilidad temporal en los modelos de predicción de insolvencia: una aplicación a las PYMES industriales.
Revista Española de Financiación y Contabilidad, 37 (2008), pp. 85-111
[Gujarati, 2003]
D.N. Gujarati.
Basic Econometrics.
McGraw-Hill Inc, (2003),
[Jiménez et al., 2007]
S. Jiménez, M.C. Abad, J.L. Arquero.
El Fracaso Empresarial. Características y Tipos.
AECA, (2007),
[Keasey et al., 1990]
Keasey, K., McGuinnes, P., Short, H., 1990. Multilogit approach to predicting corporate failure: Further analysis and the issue of signal consistency. Omega 18 (1), 85–94.
[Kohonen, 1982]
T. Kohonen.
Self-organized formation of topologically correct feature maps.
Biological Cybernetics, 43 (1982), pp. 59-69
[Labatut et al., 2009]
G. Labatut, J. Pozuelo, E. Veres.
Modelización temporal de los ratios contables en la detección del fracaso empresarial de la PYME española.
Revista Española de Financiación y Contabilidad, 38 (2009), pp. 199-225
[Laffarga et al., 1985]
J. Laffarga, J. Martín, J. Vazquez.
El análisis de la solvencia en las instituciones bancarias: propuesta de una metodología y aplicaciones a la banca española.
Esic Market, 48 (1985), pp. 51-83
[Laffarga y Mora, 2002]
Laffarga, J., Mora, A., 2002. La predicción del fracaso empresarial. El estado de la cuestión en España. En: Roldán Tié, F., Rodríguez López, M. (Coords.), La gestión del riesgo de crédito. AECA Monografías. AECA, Madrid, pp. 25–46.
[Laitinen y Kankaanpää, 1999]
T. Laitinen, M. Kankaanpää.
Comparative analysis of failure prediction methods: the Finnish case.
The European Accounting Review, 8 (1999), pp. 67-92
[Lennox, 1999]
Lennox, C., 1999. Identifying failing companies: A re-evaluation of the logit, probit and DA approaches. Journal of Economics and Business 51 (4), 347–364.
[Ley Concursal, 2003]
Ley Concursal 22/2003, de 9 de Julio de 2003.
[Lizarraga Dallo, 1997]
F. Lizarraga Dallo.
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, 26 (1997), pp. 871-915
[Lo, 1986]
Lo, A.W., 1986. Logit versus discriminant analysis: A specification test and application to corporate bankruptcies. Journal of Econometrics 31 (2), 151–178.
[López Gracia et al., 1998]
J. López Gracia, J.L. Gandia Cabedo, R. Molina Llopis.
La suspensión de pagos en las pymes: una aproximación empírica.
Revista Española de Financiación y Contabilidad, 27 (1998), pp. 71-97
[Manzaneque et al., 2010]
M. Manzaneque, R. Banegas, D.E. García Pérez, D. Lema.
Diferentes procesos de fracaso empresarial. Un análisis dinámico a través de la aplicación de técnicas estadísticas clúster.
Revista Europea de Dirección y Economía de la Empresa, 19 (2010), pp. 67-88
[Manzaneque et al., 2011]
Manzaneque, M., García Pérez de Lema, D., Anton, M., 2011. La predicción de la insolvencia empresarial y el ciclo económico. VIII Workshop de Investigación Empírica en Contabilidad Financiera, Sevilla 23–25 de marzo.
[Marais et al., 1984]
Marais, M., Patell, J., Wolfson, M., 1984. The experimental design of classification models: An application of recursive partitioning and bootstrapping to commercial bank loan classifications. Journal of Accounting Research 22(Suppl.), 87–114.
[Martin, 1977]
Martin, D., 1977. Early warning of bank failure: A logit regression approach. Journal of Banking and Finance 1 (3), 249–276.
[McKee, 2000]
McKee, T., 2000. Developing a bankruptcy prediction model via rough sets theory. International Journal of Intelligent Systems in Accounting, Finance and Management 9, 159–173.
[Minguez Conde, 2006]
Minguez Conde, J.L. 2006. “Factores explicativos de la insolvencia empresarial: una aplicación a la pequeña y mediana empresa constructora”. Comunicación presentada a las VI Jornadas sobre Predicción de Insolvencia Empresarial. Carmona (Sevilla), 9 y 10 de noviembre.
[Ohlson, 1980]
Ohlson, J.A., 1980. Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research 18 (1), 109–131.
[Platt y Platt, 1991]
Platt, H.D., Platt, M.B., 1991. A note in the use of industry-relative ratios in bankruptcy prediction. Journal of Banking and Finance 15 (6), 1.183–1194.
[Pontier et al., 1996]
D. Pontier, E. Natoli, L. Xin-Gui, H. Mei-Rong, L. Gang, A. Genter, et al.
A Survey of business failures with an emphasis on prediction methods and industrial applications.
European Journal of Operational Research, 90 (1996), pp. 487-513
[Pozuelo et al., 2010]
J. Pozuelo, G. Labatut, E. Veres.
Análisis descriptivo de los procesos de fracaso empresarial en microempresas mediante técnicas multivariantes.
Revista Europea de Dirección y Economía de la Empresa, 19 (2010), pp. 47-66
[Premachandra et al., 2009]
I.M. Premachandra, G.S. Bhabra, T. Sueyoshi.
DEA as a tool for bankruptcy assessment: A comparative study with logistic regression technique.
European Journal of Operational Research, 193 (2009), pp. 412-424
[Quinlan, 1996]
J.R. Quinlan.
Boosting, bagging, and c4.5.
Proceedings AAAI-96 Fourteenth National Conference on Artificial Intelligence,
[Rahminian et al., 2000]
Rahminian, E., Singh, S., Thammachote, T., Virmani, R., 2000. Bankrupcty prediction by neural networks. En: Trippi, R.R., Turban, E., (Eds.), Neural networks in finance and iinvesting. Irwin, Homewood, ILL., pp. 175–332.
[Ravi Kumar, 2007]
Ravi Kumar, P., RAVI, V., 2007. Bankruptcy prediction in banks and firms via statistical and intelligent techniques - A review. European Journal of Operational Research 180(1), 1–28.
[Rodríguez Acebes, 1990]
M.C. Rodríguez Acebes.
La predicción de las crisis empresariales: Modelos para el sector de seguros.
Universidad de Valladolid. Departamento de publicaciones, (1990),
[Rodríguez López, 2001]
Rodríguez López, M., 2001. Predicción del fracaso empresarial en compañías no financieras. Consideración de técnicas de análisis multivariante de corte paramétrico. Actualidad Financiera 6 (6), 27–42.
[Rodríguez López, 2004]
Rodríguez López, M., 2004. Análisis de sensibilidad del modelo de redes neuronales artificiales para la predicción de la insolvencia empresarial. Una métrica para superar la solución de «Caja Negra». Comunicación presentada a las V Jornadas sobre la Predicción de la Insolvencia Empresarial. La gestión del riesgo financiero y la Nueva Ley Concursal. Universidad de Oviedo-AECA, 18 y 19 de noviembre.
[Rodríguez-Vilariño Pastor, 1994]
M.L. Rodríguez-Vilariño Pastor.
Utilidad del análisis de ratios para la predicción de la insolvencia empresarial (I) (II) y (III).
Actualidad Financiera, (1994), pp. C699-C724
[Rubio, 2008]
M. Rubio.
Análisis del fracaso empresarial en Andalucía. Especial referencia a la edad de la empresa.
Cuadernos de Ciencias Económicas y Empresariales, (2008), pp. 35-56
[Schapire, 2002]
Schapire, R.E., 2002. The boosting approach to machine learning an overview. En: Workshop on nonlinear estimation and classification. MSRI.
[Serrano Cinca y Martín del Brío, 1993]
Serrano Cinca, C., Martín del Brío, B., 1993. Predicción de la quiebra bancaria mediante el empleo de redes neuronales artificiales. Revista Española de Financiación y Contabilidad 22 (74), 153–176.
[Sinkey, 1975]
Sinkey, J.F., 1975. A multivariate statistical analysis of the characteristics of problem bank. The Journal of Finance 30 (1), 21–36.
[Taffler, 1983]
Taffler, R., 1983. The assessment of company solvency and performance using a statistical model: A comparative UK based study. Accounting and Business Research 13 (52), 295–307.
[Tam y Kiang, 2000]
Tam, K.Y., Kiang, M., 2000. Predicting bank failures: a neural network approach. En: Trippi, R.R., Turban, E., (Eds.), Neural networks in finance and investing. Irwin, Homewood, ILL., pp. 267–301.
[Tascón y Castaño, 2009]
M.T. Tascón, F.J. Castaño.
Predicción del fracaso empresarial: Una revisión. Comunicación presentada al XV Congreso AECA.
Valladolid, (2009),
[Wilson y Sharda, 2000]
Wilson, R.L., Sharda, R., 2000. Bankrupcty prediction using neural networks. En: Trippi, R.R., Turban, E., (Eds.), Neural networks in finance and investing. Irwin, Homewood, ILL., pp. 367–394.
[Winakor y Smith, 1935]
C.H. Winakor, R.F. Smith.
Changes in Financial Structures of Unsuccessful Industrial Companies. Bulletin n° 51. Bureau of Economic Research.
University of Illinois Press, (1935),
[Zmijewski, 1984]
M. Zmijewski.
Methodological issues related to the estimation of financial distress prediction models.
Journal of Accounting Research, 22 (1984), pp. 59-86
[Zopounidis y Doumpos, 2002]
C. Zopounidis, M. Doumpos.
Multicriteria classification and sorting methods: A literature review.
European Journal of Operational Research, 138 (2002), pp. 229-246

La crisis financiera y económica actual tiene ciertas características que la hacen diferente de crisis anteriores. Pueden centrarse en la caída de los precios de los inmuebles (burbuja inmobiliaria), reducción del crédito, dificultad de financiación de las empresas, contracción de la demanda, etc.

Existe una amplia literatura donde se recopilan según diferentes criterios los principales trabajos sobre predicción de fracaso empresarial en los que, además, se abordan los principales problemas metodológicos que surgen en esta línea de investigación. Podemos destacar las aportaciones de autores como Eisenbeis (1977), Zmijewski (1984), Altman (1993), Pontier et al. (1996), Laitinen y Kankaanpää (1999), Zopounidis y Doumpos (2002) y Altman y Sabato (2006), Balcaen y Ooghe (2006) y, recientemente, Demyansk y Hassan, 2010. En nuestro país se pueden consultar los trabajos de Rodríguez-Vilariño Pastor (1994), Laffarga y Mora (2002) y Tascón y Castaño (2009), entre otros.

Se justifica en que los modelos que utilizaremos fueron en su mayoría estimados con muestras compuestas por empresas radicadas en esta comunidad.

El desarrollo teórico general de los modelos Logit se puede ver en Gujarati (2003).

En el anexo 1 aparece el desarrollo de cada uno de los modelos considerados.

Copyright © 2012. ACEDE
Opciones de artículo
Herramientas
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos