Estimación Del Riesgo de Crédito en Empresas Del Sector Real en Colombia

7/23/2019 Estimacin Del Riesgo de Crdito en Empresas Del Sector Real en Colombia

1/23

Estudios Gerenciales

ISSN: 0123-5923

[email protected]

Universidad ICESI

Colombia

SEPLVEDA RIVILLAS, CLAUDIA; REINA GUTIRREZ, WALTER; GUTIERREZ BETANCUR, JUAN

CARLOS

Estimacin del riesgo de crdito en empresas del sector real en ColombiaEstudios Gerenciales, vol. 28, nm. 124, julio-septiembre, 2012, pp. 169-190

Universidad ICESI

Cali, Colombia

Disponible en: http://www.redalyc.org/articulo.oa?id=21226247009

Cmo citar el artculo

Nmero completo

Ms informacin del artculo

Pgina de la revista en redalyc.org

Sistema de Informacin Cientfica

Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal

Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
http://www.redalyc.org/articulo.oa?id=21226247009http://www.redalyc.org/comocitar.oa?id=21226247009http://www.redalyc.org/fasciculo.oa?id=212&numero=26247http://www.redalyc.org/articulo.oa?id=21226247009http://www.redalyc.org/revista.oa?id=212http://www.redalyc.org/http://www.redalyc.org/revista.oa?id=212http://www.redalyc.org/articulo.oa?id=21226247009http://www.redalyc.org/fasciculo.oa?id=212&numero=26247http://www.redalyc.org/comocitar.oa?id=21226247009http://www.redalyc.org/articulo.oa?id=21226247009http://www.redalyc.org/revista.oa?id=212


2/23

, . , . , . -; -

Estimacin del riesgo decrdito en empresas delsector real en Colombia

CLAUDIA SEPLVEDA RIVILLAS, Mg.*Docente, Universidad de Antioquia, Colombia.

[email protected]

, g.

Docente, Universidad de Antioquia, [email protected]

, g.Docente, Universidad Eat, Colombia.

[email protected]

La presente investigacin propone un modelo probit para datos de panel desbalanceado coneectos aleatorios, que permita estimar la probabilidad de quiebra de las empresas del sectorreal en Colombia e inerir el riesgo de crdito. Para esto se toma la inormacin de empresassolventes y en estrs nanciero, de las bases de datos de la Superintendencia de Sociedades yde Benchmark, durante . Se parti del anlisis undamental, centrado en losindicadores de rentabilidad, apalancamiento, liquidez y solvencia, que propone Penman ().El aporte de esta investigacin es el nasis en los apalancamientos operativo y nanciero ysu eecto en la probabilidad de quiebra. Como principal hallazgo se resalta el eecto menosnocivo del apalancamiento operativo rente al apalancamiento nanciero en pocas de crisis.

Palabras clave.Apalancamiento operativo y nanciero; probabilidad de quiebra; panel de

datos desbalanceado.

Recibido: -jul-, corregido: -dic- y aceptado: -ago-

Cdigos : , ,

*Autor para correspondencia. Dirigir correspondencia a: Universidad de Antioquia. Calle 67 No. 53-108. Bloque 13.Ofcina 414


3/23

Estimacin del riesgo de crdito en empresas del sector real en Colombia

, . , . , . -; -

Credit risk estimation for companies in the manufacturing industry in Colombia

Tis research proposes a probit model or unbalanced panel data with random effects or esti-mating the probability o bankruptcy o companies in the manuacturing sector in Colombiain order to iner credit risk using inormation rom the databases o the Superintendence oCompanies and rom to about solvent and nancially distressed companies.Tis was based on a undamental analysis ocusing on Penmans () protability, leverage,

liquidity and solvency indicators. Te contribution o this research is the emphasis on opera-ting and nancial leverage and its effect on the probability o bankruptcy. Te main ndingunderlines the less harmul effect o operating leverage in comparison to nancial leveragein times o crisis.

Keywords.Operating and nancial leverage; probability o bankruptcy; unbalanced panel data.

Estimao do risco de crdito em empresas do setor real da economia na Colmbia

A presente investigao prope um modelo probit para os dados em painel desequilibrado comeeitos aleatrios que permita estimar a probabilidade de alncia das empresas do setor realda economia na Colmbia, para inerir o risco de crdito recebendo inormaes de empresassolventes e em estresse nanceiro, dos bancos de dados da Superintendncia de Empresas e do Benchmark durante . Se iniciou partindo da anlise undamental centrada nosindicadores de rentabilidade, alavancagem, liquidez e solvncia, proposta por Penman ().

A contribuio dessa pesquisa o nase nas alavancagens operativas e nanceiras e seu eeitona probabilidade de alncia. Como principal constatao se destaca o eeito menos nocivoda alavancagem operativa em comparao com a alavancagem nanceira em pocas de crise.

Palavras-chave. Alavancagem operativa e nanceira; probabilidade de alncia; dados empainel desequilibrado.


4/23

Claudia Seplveda Rivillas, Walter Reina Gutirrez & Juan Carlos Gutierrez Betancur

, . , . , . -; -

IntroduccinEl riesgo, entendido como la volatilidad, estpresente en todas las decisiones que aron-tan las organizaciones, lo que hace necesariosu eciente identicacin y medicin, con eln que se puedan implementar estrategias yplanes que permitan minimizarlo.

El riesgo de crdito representa la proba-bilidad de impago de las deudas o crditoscontrados con las entidades nancieras.Dado que la mayor parte de las empresasdel sector real colombiano operan conendeudamiento, representando este un

porcentaje signicativo de los activos, elriesgo crediticio debe ser monitoreadoconstantemente de tal orma que se puedaidenticar, cuanticar y gestionar para evitarposibles quiebras.

En la actualidad no existe ningn tipode regulacin en cuanto al riesgo de crditodel sector real en Colombia, puesto que elAcuerdo de Basilea solo plantea criteriosregulatorios para la gestin del riesgo cre-diticio en entidades del sector nanciero,deniendo metodologas para la coberturade ste riesgo, dejando de lado el impactoque tiene la composicin de la estructura decapital dentro de las empresas del sector real.

Por lo anterior, es necesario disear me-todologas que se ajusten a la realidad eco-nmica del sector empresarial, que ademsde servir de herramientas de apoyo a la toma

de decisiones nancieras y a la generacinde estrategias inancieras para evitar laquiebra empresarial, sirvan de instrumentotil para el sector nanciero y la banca deinversin, en los procesos de optimizacinde estructuras de capital, reestructuracin,evaluacin y otorgamiento de crditos, ygestin de la cartera.

Este trabajo propone una metodologapara estimar el riesgo de crdito en empre-

sas del sector real en Colombia y vericarla hiptesis que las empresas que cuentan

con mayores niveles de apalancamientooperativo y nanciero, presentan un mayorriesgo de crdito.

Hasta ahora los trabajos desarrollados enmateria de riesgo de crdito se han elabora-do para establecer la probabilidad que la olas deudas con una o varias entidades nan-cieras, no sean canceladas de acuerdo a lascondiciones pactadas en la negociacin, detal orma que los anlisis han tomado comoobjeto de estudio el crdito mismo y no laempresa deudora (Zamudio, ), proba-

bilidad que se convierte en una herramientapara las entidades nancieras, pero dejade lado al sector corporativo. La presenteinvestigacin dista de este planteamientoy propone la elaboracin de un modelodonde el objeto de estudio es la empresamisma, a la cual se le determina la probabi-lidad que esta entre en un proceso de estrsnanciero, dado el comportamiento de susvariables internas, pero sin incluir los eectosde las variables macroeconmicas. Anteeste panorama, la investigacin proponela utilizacin de variables que en los estu-dios tradicionales no se han contemplado,convirtindola en un aporte en materia deriesgo de crdito para el sector corporativoy el sector nanciero.

Adems, como aporte adicional, estainvestigacin propone observar como cau-

santes del incremento de la probabilidad dequiebra, no solo el nivel de apalancamientonanciero como lo han hecho autores comoZamudio (), sino que involucra el apa-lancamiento operativo, rubro que dentrode las economas emergentes, como la co-lombiana, tiene una participacin bastanteelevada; ya que si se parte de la premisa queun mayor nivel de endeudamiento incre-menta la probabilidad de quiebra (Gmez,

Orozco y Zamudio, ) no se puede dejar


5/23

. .


de lado una de las mayores uentes de apa-lancamiento de las empresas en Colombia.

Este documento est organizado en seissecciones incluyendo sta introduccin.En la segunda seccin se encuentran losundamentos tericos. En la seccin tres sepresenta la metodologa. La cuarta seccinpresenta el modelo. La seccin cinco contie-ne los resultados y por ltimo se presentanlas conclusiones.

Fundamentos Tericos

. Marco legal y conceptual de RiesgoLos acuerdos emitidos por el Comit deSupervisin Bancaria de Basilea constituyenel marco regulatorio a nivel mundial enmateria de riesgo para el sector nanciero.A partir de este acuerdo se proponen las me-todologas para calcular el capital mnimorequerido por riesgo crediticio, riesgo demercado y riesgo operativo. (Basilea, )

Sin embargo, para el sector real noexisten regulaciones denidas para la ges-tin del riesgo de crdito, materia de estainvestigacin.

El riesgoes la condicin en la que existela probabilidad de desviarse del resultadoesperado o deseado (Gallati, ).

El riesgo de crdito,hace parte del riesgo

nanciero e involucra tanto el riesgo deincumplimiento que es la valuacin objeti-

va de la probabilidad que una contraparteincumpla, como la perdida nanciera queser experimentada si el cliente incumple.

. Modelos y Teoras para la medicin delriesgo de crdito

Algunas de las metodologas desarrolladaspara el sector nanciero en el tema de ries-go de crdito son las tcnicas estadsticasde scoring de clasiicacin, los modelos

multivariados, los arboles de decisin, losmodelos de eleccin cuantitativa (Probit y

Logit) y el anlisis de matrices de transicin,las cuales permiten medir la probabilidad deincumplimiento.

La literatura existente en el anlisis deriesgo de crdito se ha centrado en deter-minar la probabilidad de incumplimientopara empresas que cotizan en bolsa, y seha desarrollado para que las empresas delsector inanciero puedan evaluar dichaprobabilidad.

Los estudios hechos al respecto han par-tido de los trabajos realizados por autorescomo Altman () con los modelos Z-

() y el Modelo Z (). Altman() utiliz un modelo multivariado y elmtodo de anlisis discriminante mltiplepara determinar el riesgo de crdito a partirde indicadores nancieros. Posteriormentesurgi el modelo O-Score de Ohlson (),quien bas su trabajo en indicadores nan-cieros y uso la metodologa de estimacinde mxima verosimilitud del modelo LogitCondicional. Seguidamente se desarroll elmodelo de flujos de caja de Aziz, Emanuely Lawson () que busca predecir la pro-babilidad de quiebra as como el valor de laempresa, basados en los flujos de caja pasa-dos y presentes, asumiendo que estos flujosson predictores ecientes de la situacinnanciera utura de la empresa.

. Modelo Fundamental

Como complemento de estos trabajos,se plantea el anlisis undamental, sobre elcual Penman y Nissim () han explicadoel vnculo existente entre los indicadoresnancieros, los retornos de las acciones, lavaloracin del capital accionario y la rela-cin precio valor en libros (Price to book

- /) para empresas cotizadas en bolsa, conlos niveles de apalancamiento operativo ynanciero, y han demostrado el eecto que

de manera independiente genera cada unode estos apalancamiento sobre el riesgo


6/23

-


de incumplimiento en los pagos. Para sumodelacin Penman y Nissin () partende los estados nancieros y establecen unaserie de indicadores que permiten observarlos eectos de los apalancamientos sobre las

variables mencionadas anteriormente.Los estudios empricos realizados por

Penman y Nissim () muestran que elapalancamiento operativo tiene un eectoms positivo sobre la rentabilidad que elapalancamiento inanciero y que dichoseectos tienen una recuencia ms alta.

Como complemento a los trabajos ante-

riores, Penman () propone una metodo-loga para el clculo del Return on CommonEquity () a partir de inductores deprimero, segundo y tercer nivel, haciendouna dierenciacin del eecto operativo ynanciero, as:

Inductores de primer nivel: Rentabilidadde las actividades operativas y Rentabilidadde las actividades nancieras.

Inductores de segundo nivel: RentabilidadNeta de los Activos Operativos (),

Apalancamiento Financiero () y Apa-lancamiento Operativo ().

Inductores de tercer nivel: Margen deBenecio (), Rotacin de Activos (),Costo neto del Endeudamiento ().

Los anteriores inductores y su ormula-cin se pueden observar en el grco quepresenta el esquema de rbol propuesto porPenman ().

. Aplicaciones al caso colombiano

Los trabajos realizados en Colombiadieren unos de otros en las metodologas

utilizadas y en los perodos de tiempo ana-lizados, en los cuales se han usado para elanlisis, variables macroeconmicas, carac-tersticas de los crditos y variables micro-econmicas relacionadas con el desempeode las empresas, as:

Gmez et al. (), en el anlisis de laprobabilidad condicional de incumplimientode las obligaciones inancieras para lasempresas del sector privado colombiano,construyeron un modelo de duracin y

Grfico . Anlisis de Rentabilidad Descomposicin del en los inductores

= (afer tax)/

-/

= /

= (afer tax)/

= (afer tax)/

-+ (*(-))

= +[*]

= /

SpreadReturn onCommonEquity

Operatingliabilityleverage

Return ormoperatingactivities

Return onnet operating

assest

Prot margin

Sales Other items

Asset

individualLiability

drivers

Asset urner

Net borrowing

cost drivers

Financialleverage

Net borrowingcost

Return romnancingactivities

Net borrowing

cost drivers

Financialleveragex spred

Fuente: omado de Penman, , p. .


7/23

. .


retomaron las variables del modelo Camel.En el estudio se analizo el perodo de - -, y se encontr que el tamaode la deuda, rentabilidad, tamao de laempresa y el pertenecer a algunos sectoresde la economa, eran las determinantesde la probabilidad condicional deincumplimiento, siendo el tamao de ladeuda la principal causante.

Posteriormente Zamudio (), carac-terizo el endeudamiento del sector empre-sarial privado en Colombia con el sistemananciero para el perodo , para

ello uso un modelo Logit Multinomial, enel que las variables explicativas ueron: li-quidez, nmero de entidades con las que lasempresas tienen crditos, plazos, garantas ytipo de establecimiento de crdito.

Por su parte Laverde (), constru-y un modelo que captura la ragilidadde los bancos colombianos en el perodo, a travs de un modelo probitpara datos de panel desbalanceado coneectos aleatorios. Los resultados del trabajomostraron que la ragilidad de las empresasest asociada al nivel de endeudamiento, ala liquidez, as como a la influencia de las

variables macroeconmicas. ambin seencontr que los sectores ms vulnerablesson los de construccin, manuactura, co-mercio y servicios.

Posteriormente, Gutirrez () identi-

co los determinantes del riesgo de crdito,medido por la probabilidad de incumpli-miento de pagos por parte de una empresa,en el perodo , utilizando unmodelo probit heterocedstico con eectosno lineales y un modelo de regresin porcuantiles que identica los eectos de las

variables macroeconmicas sobre la pro-babilidad de incumplimiento. El trabajoconcluye que la rentabilidad, la liquidez y

el endeudamiento son los principales de-

terminantes de que una empresa incumplasus compromisos nancieros.

Como complemento Gonzlez (),estimo la probabilidad de incumplimientode las empresas, sus determinantes y el nivelde riesgo crediticio corporativo agregado delsistema nanciero, a travs de un modelologit ordenado generalizado con variablesexplicativas que contienen inormacin anivel de rmas y variables macroeconmi-cas. El trabajo concluye que las variablesde liquidez, rentabilidad y crecimientoeconmico tienen eectos negativos sobre

la probabilidad de incumplimiento mientrasque el endeudamiento, el desempleo y lainflacin la incrementan.

MetodologaSe abord un trabajo de evidencia empricaa partir de la recoleccin de inormacinnanciera de empresas solventes y en es-trs nanciero del sector real en Colombia,clasicadas por sectores econmicos, pararealizar un anlisis undamental de losestados nancieros, a travs de indicadoresaplicables al sector real colombiano. Estocon el n de analizar el apalancamiento ymedir los inductores de la rentabilidad delcapital propio, distinguiendo entre la renta-bilidad de las actividades de operacin y larentabilidad de las actividades de nancia-cin, basados en los indicadores propuestos

por Penman ().Adicionalmente se dise un modeloprobit con panel de datos desbalanceadopara estimar el riesgo de crdito de lasempresas del sector real en Colombia y se

veric en las empresas de la muestra.

. Anlisis de Datos

La inormacin ue tomada de la base dedatos de la Superintendencia de Sociedades

y de Benchmark, y comprende empresas


8/23

-


solventes y en estrs nanciero, del sectorreal en Colombia.

Empresas Solventes:Los criterios tenidos en cuenta para la selec-cin de estas empresas ueron los siguientes:nivel de ventas entre . y . millo-nes de pesos anuales (Se tom este criteriodebido a que es utilizado por empresas delsector nanciero en Colombia), existenciade reportes de inormacin nanciera entrelos aos y y permanencia ensu clasicacin segn Cdigo IndustrialInternacional Uniorme () durante los

aos al El marco muestral inicial comprendi

empresas, clasiicadas por sectoressegn cdigo , tal como se muestra enla tabla .

Se realiz un anlisis de concentracinpara cada uno de los sectores con el n deapoyar la seleccin de la muestra, a travs

de los siguientes indicadores. (arzijan &Paredes, )

Razn de la concentracin Ck:

Ck=

k

i= Ventasi

n

i= Ventasi

()Con i = ,, k y i= ,,.N

Donde:K: nmero de empresas tomadas para

el anlisis de concentracin, dentro de lamuestra.N: nmero de empresa en el mercadoVentas

i: ventas de la empresa i

El cul relaciona las ventas acumuladasen un perodo de las empresas con mayor

Tabla . Marco Muestral Preliminar

Sector Nmero de empresas

A Agricultura, ganadera, caza y silvicultura

B Pesca, produccin de peces en criaderos y granjas pisccolas

C Explotacin de minas y canteras

D Industrias Manuactureras

E Suministro de electricidad, gas y agua

F Construccin

G Comercio al por mayor y al por menor; reparacin de vehculos

H Hoteles, restaurantes, bares y similares

I ransporte, almacenamiento y comunicaciones

J Intermediacin nanciera

K Actividades inmobiliarias, empresariales y de alquiler

M Educacin

N Servicios sociales y de salud

O Otras actividades de servicios comunitarios, sociales y personales

otal

Fuente: Elaboracin propia


9/23

. .


participacin en el sector, con las ventasacumuladas totales para todo el sector.

ndice de Herndhal (H):

H=n

i= S con i = ,,....N

()Donde:

N: nmero total de empresas.S

i: A la participacin porcentual de cada

empresa dentro del mercadoEl cul representa la suma de los cua-

drados de las participaciones de todas lasempresas en un mercado.

Un H < se considera un mercadodesconcentrado, para un H entre y se considera medianamente concentra-do y para un H superior a se consideraaltamente concentrado.

A partir de estos resultados presentadosen la tabla , se descartan los sectores B, E,J, M, N, y O, debido a que la inormacinnanciera de stas empresas diere signi-cativamente de las dems y el bajo nmerode compaas del marco muestral perte-necientes a stos sectores genera un altondice de concentracin, distorsionando asla inormacin.

Despus de este ltro, el marco muestralqued conormado por empresas, apartir del cual se calcul la muestra estrati-cada por sectores, asumiendo normalidaden los datos, de acuerdo al eorema Central

del Lmite, el cual indica que Sea xt,xt,,xntuna muestra aleatoria de una poblacin Xque tiene mediana y varianza entonces(x~N(, ))

n cuando N tiende a innito,obteniendo los resultados que se muestranen la tabla .

De acuerdo a estos resultados la muestraest conormada por empresas, quecorresponden a registros empresa-ao.

Empresas en Estrs Financiero: ueronseleccionadas empresas que entraron en

procesos de reestructuracin administrativa,concordato o liquidacin durante los aos al .

Cabe resaltar que esta muestra tiene unsesgo hacia el sector de la industria manu-acturera, dado que ste representa el del total de las empresas.

Igualmente se aclara que la muestra deempresas solventes no es equivalente a lade empresas en estrs nanciero debidoa la disponibilidad de inormacin en lasbases de datos. Sectores como el C, H, I yK, segn la tabla , generaran un sesgo en

los resultados de la probabilidad de quiebra,dado el bajo nmero de empresas en estrsnanciero de dichos sectores.

La distribucin de las empresas solventesy en estrs nanciero, por sectores econ-micos se puede observar en la tabla y enel grco .

. Anlisis del desempeo financiero delos sectores

Para las empresas solventes, el comporta-miento del promedio es positivo paratodos los sectores. Se destacan el sector Kcon un de , y el sector C con un,, mientras que el sector A presenta elmenor del ,, como se muestra enel grco .

En el caso de las empresas en estrs nan-ciero, el muestra una tendencia a la

baja con respecto a las empresas solventes,donde seis de los ocho sectores analizadospresentan un negativo, slo los secto-res F (.) e I (.), presentan un promedio positivo, en el caso del sector I,(una sola empresa en estrs), tal como seobserva en el grco .

Como estrategia de apalancamiento lasempresas solventes, muestran una mayortendencia a apalancarse con pasivos ope-

rativos. Sectores como: A y F tienden alequilibrio entre el apalancamiento operati-


10/23

-


Tab

la.

Clcu

loparaeltamao

dela

muestra

Veces

delamedida

,

,

,

Sector

Tam

ao

de

laM

uestra

Tamao

Ajustado

Tamaode

laMuestra

Tamao

Ajustado

Tamao

de

laMuestra

T

amao

A

justado

A

Agricu

ltura,ganadera,caza

ysi

lvicu

ltura

C

Explotacin

deminasycant

eras

D

Industriamanu

facturera

F

Construccin

G

Comercioalpormayorypo

rmenor

H

Hoteles,restaurantes,

baresysimilares

I

Transporte,almacenamiento

ycomunicaciones

K

Actividadesinmo

biliarias,empresarialesy

dealquiler

Fuente:

Elaboracinpropia


11/23

. .


vo y nanciero, mientras que las empresasindustriales se alejan del comportamientode los dems sectores y acuden a un mayorapalancamiento inanciero, tal como seobserva en la tabla .

Es notorio el nivel de apalancamientooperativo de las empresas de los sectoresH y K, cuyo nivel supera el . Unaposible explicacin a este comportamientoes que las empresas se estn endeudando

con pasivos de corto plazo para nanciarinversiones de largo plazo, lo que genera unnivel de pasivos operativos superior a losactivos operativos violando as el principiode conormidad nanciera.

Para las empresas en estrs nanciero,tanto el apalancamiento nanciero como eloperativo son positivos y muy altos en todoslos sectores, excepto en el sector I, que pre-senta un apalancamiento operativo negativo

Grfico .Distribucin de la muestra por sectores y situacin nanciera


Empresas solventes

Empresas en estresnanciero

K

I

H

G

F

D

C

A

I,

H,

F,

C,

A,

G,

D,

K,


12/23

-


Tabla . Distribucin de la muestra por sectores

Nmero de empresas

Sectores A C D F G H I K

Empresas solventes Empresas en estrsnanciero

Porcentaje de empresas

Sectores A C D F G H I K

Empresas solventes , , , , , , , ,

Empresas en estrsnanciero

, , , , , , , ,

, , , , , , , ,


Tabla . Apalancamiento operativo () y financiero () por sector - EmpresasSolventes

Sector

A Agricultura, ganadera, caza y silvicultura , ,

C Explotacin de minas y canteras , ,

D Industria manuacturera , ,F Construccin , ,

G Comercio al por mayor y por menor , ,

H Hoteles, restaurantes, bares y similares , ,

I ransporte, almacenamiento y comunicaciones , ,

K Actividades inmobiliarias, empresariales y de alquiler , ,

Fuente: Elaboracin Propia

de -, lo que signica que las empresas

de este sector, estn sobre explotando losactivos, tal como se observa en la tabla .

Los altos apalancamientos se deben, enparte, a la reduccin del patrimonio entrminos reales, a medida que las empresasentran en estrs nanciero.

El comportamiento del , est aec-tado por los niveles de apalancamiento,nanciero y operativo, y por los spread que

se generen. El mayor aporte al , lo ge-nera el apalancamiento operativo, en parte

debido a su peso dentro la estructura de las

empresas, mientras el apalancamiento -nanciero tiene un eecto negativo o mnimo,en todos los sectores, tal como se observaen la tabla .

En las empresas en estrs nanciero, elaporte al de ambos apalancamientoses negativo, siendo mucho ms negativo elaporte del apalancamiento nanciero, locual permite concluir que el apalancamiento

operativo no slo tiene un eecto ms po-sitivo sobre el en pocas de solvencia,


13/23

. .


Grfico . promedio por sector Empresas en estrs financiero


-

--

-

-

-

-

A C D F G H I K

Grfico . promedio - Empresas solventes


A C D F G H I K

sino que es menos nocivo en pocas de crisis,tal como se observa en la tabla .

.Anlisis de persistencia del Para este anlisis, el de las compaassolventes pertenecientes a cada sector, ueagrupado en cinco quintiles, donde el quin-til (Q) representa el de las compaascon el ms alto, mientras que el quinto

quintil (Q) comprende las compaascon menor , con el n de analizar la

persistencia del a travs de los aos, como se observa en el grco .

El anlisis general permite evidenciar quelas empresas de los sectores A e I mantienenuna mayor persistencia del en losquintiles altos (Q y Q) mientras que lossectores C e I mantienen una mayor persis-tencia del en los quintiles bajos (Q yQ). As mismo las empresas de los sectores

G y D presentaron una mayor migracin ensentido positivo, mientras que, los sectores

-,

-,

-, , -, -, , -,


14/23

-


Tabla . Apalancamiento operativo () y nanciero () por sector Empresas enestrs nanciero

Sector

A Agricultura, ganadera, caza y silvicultura , ,C Explotacin de minas y canteras , ,

D Industria manuacturera , ,

F Construccin , ,

G Comercio al por mayor y por menor , ,

H Hoteles, restaurantes, bares y similares , ,

I ransporte, almacenamiento y comunicaciones -, ,

K Actividades inmobiliarias, empresariales y de alquiler , ,


Tabla . Aporte del apalancamiento operativo y nanciero al ROCE por sector Empresas Solventes

Sector Aporte operativo()

AporteFinanciero

A Agricultura, ganadera, caza y silvicultura , , ,

C Explotacin de minas y canteras , -, ,

D Industria manuacturera , -, ,

F Construccin , , ,

G Comercio al por mayor y por menor , -, ,

H Hoteles, restaurantes, bares y similares , -, ,

I ransporte, almacenamiento y comunicaciones , , ,

K Actividades inmobiliarias, empresariales y de alquiler , , ,


Tabla . Aporte del apalancamiento operativo y nanciero al por sector EmpresasEstrs Financiero

Sector Aporte operativo

()

Aporte

Financiero

A Agricultura, ganadera, caza y silvicultura -, -, -,

C Explotacin de minas y canteras -, -, -,

D Industria manuacturera -, -, -,

F Construccin , -, ,

G Comercio al por mayor y por menor , -, -,

H Hoteles, restaurantes, bares y similares -, -, -,

I ransporte, almacenamiento y comunicaciones , -, ,

K Actividades inmobiliarias, empresariales y de

alquiler

-, -, -,



15/23

. .


Grfico . Sector D - Industrias Manuactureras.

ao

ao

Q Q Q Q Q

Q

Q

Q

Q

Q


H y D presentaron una mayor migracin en

sentido negativo.A partir de este anlisis se podra intuir

que aquellas empresas pertenecientes a lossectores donde el migra ms hacia losquintiles superiores, presentarn una menorprobabilidad de quiebra, hecho que se debercorroborar en los posteriores resultados dela presente investigacin.

ModeloSe estim un modelo de panel de datosdesbalanceado con un probit esttico, quepermite hacer inerencia sobre el impactomarginal que tiene cada una de las varia-bles independientes en la probabilidad dequiebra y determinar esta probabilidadglobal para una empresa en un momentodado en el tiempo. ambin se analizanlos sectores econmicos, con el objetivo de

determinar si pertenecer a un determinadosector aumenta la probabilidad de quiebrade una empresa.

Se utiliz este tipo de modelo en lugar deotros, debido a que la bondad del probit esque los trminos de perturbacin se distri-buyen normalmente y dado que el tamaode la muestra (n) en esta investigacin essignicativamente grande, mediante el teo-rema del lmite central, se puede garantizarque los datos se distribuyen normalmente.Adems este tipo de modelo es probabilsti-

co lo que es acorde con los objetivos de este

estudio. (Mur & Angulo, )Variables independientes:corresponden a

indicadores de liquidez, solvencia, rentabili-dad y apalancamiento, tales como: Indicadores de liquidez: Razn Corriente,Cash Flow Ratio, Flujo de Caja de CapitalExpenditures (), para las cuales seespera un signo negativo en sus coecientes. Indicadores de solvencia: Relacin deudaa patrimonio, Cobertura de intereses (veces),Relacin Flujo de Caja Operativo a deuda.Para la primera variable se espera un signopositivo y para las dos restantes se esperansignos negativos. Indicadores de Rentabilidad: , ,para las cuales se espera un signo negativo Indicadores de apalancamiento: ,

, para estos se esperan signos negativos. Eectos: , Eecto Financiero.

Para estos eectos el signo esperado depen-de del resultado de estas variables, as: silos spread son positivos se esperan signosnegativos en los coecientes y si los spreadson negativos se esperan signos positivos.

Ajustes al modelo: el problema de laautocorrelacin en el modelo se abordinicialmente por medio del mtodo de lasEcuaciones de Estimacin Generalizada (taly como lo sugiere Laverde ()), pero noue posible obtener resultados satisactoriosde los estimadores por este mtodo. Ahora


16/23

-


bien, aunque dichos problemas posiblemen-te existan en el modelo de eectos aleatorios,puesto que la composicin del trminode error es U

it

= t

+ i

+ it

, es decir, eltrmino de error no es completamente unpaseo aleatorio sino que est compuestopor un trmino de tiempo, uno de clase yuno netamente aleatorio, el mtodo por elcual se estimaron los parmetros tiende aser ms robusto cuando la muestra es msamplia, los estimadores son asintticamenteecientes y su varianza tiende a ser mnima.Adems, no permite hacer estima-

ciones robustas de la matriz de varianzas ycovarianzas en modelos de datos de panelcon un probit en eectos aleatorios. Si bien,el hecho de no poder resolver los problemasde autocorrelacin permite intuir que losestimadores son insesgados, a travs de lacurva se puede vericar que el ajuste delos parmetros es bueno, dado que el areabajo la curva se acerca a .

En cuanto a la heteroscedasticidad, lasvariables aleatorias utilizadas de la muestrade empresas (x = x

t, x

t,..., x

nt)las cuales son

independientes entre s, es decir, la proba-bilidad de quiebra de la empresajes inde-pendiente de la probabilidad de quiebra dela empresa i, permiten armar que la mediade dicha muestra tiene una distribucin nor-

mal estndar (x~N(, ))n ; se aclara que

si bien dichas probabilidades son indepen-

dientes para un anlisis micro, no es ciertopara un anlisis macro en donde se toma alas empresas por sectores de la economa yse dierencia el riesgo de quiebra por sectoreconmico, esto es, existe una correlacinpositiva entre pertenecer al sector zy teneruna mayor probabilidad de quiebra, as eest dentro del sector y. Una vez aclaradoesto se estim el modelo sin correr riesgosde caer en allos de especicacin en ladistribucin de la variable aleatoria obser-

vable y por las propiedades asintticas de los

estimadores de Mxima Verosimilitud ()se obtiene una matriz de varianzas y cova-rianzas robusta. En el caso en que existanallos de especicacin en la distribucinde la variable aleatoria se debe construir lamatriz de varianzas y covarianzas robustaasintticamente; para el caso de un modeloProbit la matriz de varianzas y covarianzasrobusta utilizada para encontrar los eectosmarginales es:

Asy.Var[]= i[-( X)X]V

[-(^ X)X] ()

En donde V[.] es la varianza del vectorde parmetros estimados. Para una mejorrevisin sobre este caso ver Greene ().

Dado que se posee una muestra hetero-gnea de empresas es de esperarse que lossean dierentes para el conjunto de empresasutilizadas, por lo tanto se puede considerarque provengan de una variable aleatoriacon una distribucin de media y varianza

. Para el anlisis sectorial el modelo de

eectos aleatorios permite encontrar unvalor jo sobre la incidencia en la probabi-lidad de quiebra de cada sector econmicoconsiderado y el valor aleatorio asociado ala empresa en la muestra. Existen impactosde variables macroeconmicas que incidenen la probabilidad de quiebra tal y comose muestra en los trabajos de Mongrut,Fuenzalinda, Alberti, y Akime () y

Arango, Zamudio y Orozco (), as porejemplo, en este ltimo trabajo los autoresencuentran que a condiciones avorablesde la economa la probabilidad de quiebraesperada es menor, conclusiones similaresse encuentran en el trabajo de Mongrut et al(), pero adems adems estos autoresencuentran que tanto la inflacin como latasa activa promedio en moneda nacionaltienen eectos nocivos en la solvencia de las

empresas. Por lo tanto, al utilizar el modelode eectos aleatorios se pretende tener en


17/23

. .


Tabla .Estimacin del modelo en Stata

Criterio Coe. Std. Err. z P > |z| ( Con. Interval)

s -, , -, , -, -,

s -, , -, , -, -,

roce , , , , , ,

ollev , , , , -, ,

flev , , , , , ,

dd , , , , , ,

d , , , , , ,

di -, , -, , -, -,

cons -, , -, , -, -,

lnsigu , , , ,sigma_u , , , ,

rho , , , ,

N

Grupos

Loglikelihood

-,

c .

p>c ,

Fuente: Elaboracin propia - Stata

cuenta eectos ajenos a la actividad econ-mica de cada empresa que no pueden sercontrolados y que adems son estocsticoso aleatorios.

ResultadosLos resultados de la estimacin se pre-sentan en la siguiente tabla dnde sepueden observar los coeicientes de las

variables independientes y su signicanciaindividual y conjunta. El modelo resulta sersignicativo y todas las variables exceptoel presentan el signo esperado y

son relevantes para la explicacin de laprobabilidad de quiebra tal como se muestraen la tabla .

Del modelo inicial se excluyeron los in-dicadores de liquidez (L: Razon Corriente,L: Cash Flow Ratio, L: Flujo de Caja -), S: Relacin deuda a patrimonio y lasdummis de los sectores A, G, H y K, dadasu no signicancia. Las variables , eleecto nanciero, oldspread, adems de noser signicativas, presentaban una alta co-rrelacin con las dems variables. El ,a pesar de ser signicativo no arroja el signoesperado lo que se puede explicar debido aque el no es la verdadera medida de larentabilidad de los accionistas, ya que son

los flujos de caja uturos los que garantizanla generacin de valor, adicionalmente unmayor puede ser producto de mayores


18/23

-


Tabla . Anlisis de la Prediccin del Modelo

Sectores A C D F G H I K otal

A D A D A D A D A D A D A D A D Empresas A D

Empresas

solventes

, ,

Empresasen estrsnanciero

, ,

otal , ,


Tabla . Matriz de correlaciones

s s roce ollev flev dd d dis ,

s , ,

roce , , ,

ollev -, -, -, ,

flev -, -, -, -, ,

dd -, -, , , , ,

d -, -, , -, -, -, ,

di , -, , -, -, -, -, ,Fuente:Elaboracin propia

niveles de apalancamiento lo que generaramayor probabilidad de quiebra.

La probabilidad del coeiciente Waldpermite comprobar la signicancia conjun-ta de las variables del modelo, al rechazarla hiptesis nula que los coecientes soniguales a cero.

El ajuste del modelo se ratica con elnmero de aciertos y desaciertos para pre-decir la probabilidad de quiebra dentro delas empresas de la muestra, como se observaen la tabla .

El modelo predice correctamente el

de las situaciones de las empresas de lamuestra (solvencia o estrs nanciero), loque demuestra su capacidad predictiva, talcomo se observa en la tabla .

Paralelamente se costruyo la curva (Receiver Operating Characteristics), dondese toma el rea bajo la curva, conocida comorea de concordancia y es bastante ajustada,, lo cual demuestra el ajuste del modelo,como se observa en el grco .

La matriz de correlaciones entre las va-riables independientes del modelo denitivopermite vericar que no existen problemasde colinealidad entre los regresores, comose observa en la tabla .

Una vez que se estableci el modelo de-nitivo, se calcul la probabilidad promedio

de quiebra, tomando los valores promediode las variables signicativas y sus respec-tivos coecientes. El resultado obtenido es,, dicho valor est aectado por el


19/23

. .


Grfico . Curva

Binomial Exact

Obs rea Std Err. ( Con. Interval)

, , , ,

Fuente: Elaboracin propia Stata

Tabla .Probabilidad Promedio

Variables Promedio Coeciente

s , -,

s , -,

, ,

, ,

, ,

dd , ,

d , ,

di , -,

constante -,

Probabilidad Promedio ,


sesgo en la muestra de empresas en quiebray en estrs nanciero, lo que lo hace tan bajo,como se observa en la tabla .

Adicionalmente se calcularon los eectosmarginales para las variables discretas, evi-denciando que la probabilidad de quiebrase reduce en , al pertenecer al sector I,mientras que pertenecer a los sectores D yF, incrementa dicha probabilidad en ,y , respectivamente, como se observaen la siguiente tabla .

Para las variables continuas se calcularonlas elasticidades, con el n de evidenciar elaporte que cada una de ellas tiene sobre laprobabilidad de quiebra, as, un incrementodel en la variable S: cobertura de inte-reses, reduce la probabilidad de quiebra en., mientras que S: Relacin Flujo deCaja Operativo a deuda, tiene un impactoms positivo sobre la probabilidad de quie-bra, reducindola en . En cuanto al ,su eecto sobre la probabilidad de quiebra


20/23

-


Tabla .Eectos Marginales

Variables Eectos Marginaless -,

s -,

,

,

,

dd ,

d ,

di -,


es mnimo, de tal orma que un incrementodel en ste solo genera un incremento de. en dicha probabilidad. Por su parte,los apalancamientos incrementan la proba-bilidad, pero es importante recalcar que elapalancamiento nanciero tiene un eectomayor (.) que el operativo (.),como se observa en la tabla .

ConclusionesComo resultado del modelo propuesto, lasvariables que resultan signicativas en laestimacin del riesgo de quiebra son: Co-

bertura de intereses (S), Relacin Flujo deCaja Operativo a deuda (S), pertenecer alsector transporte (di), , , pertene-cer al sector industria manuacturera (dd),y pertenecer al sector construccin (d).De estas variables, S, S, y di, reducen laprobabilidad de quiebra. Contrariamentelas variables , , dd y d, incre-mentan dicha probabilidad. Estos resulta-dos se complementan con los datos de loseectos marginales y elasticidades donde seevidencia el mismo comportamiento. Adi-cionalmente las variables Razon Corriente(L), Cash Flow Ratio (L), Flujo de Caja (L), , Relacin deuda a patri-monio (S), eecto nanciero, oldspread ylas dummis de los sectores A, G, H, y K,

se excluyeron del modelo debido a que noresultaron signicativas.

Si bien el anlisis undamental permiteinerir la probabilidad de quiebra a partirde la tendencia de indicadores como los deapalancamiento (operativo y nanciero),no ocurre lo mismo con los indicadores derentabilidad como el , el cual contieneinormacin que realmente no da cuentala verdadera generacin de flujo de caja yconsecuentemente de la generacion de valor.

Se puede comprobar la hiptesis pro-puesta de que un mayor apalancamiento

incrementa la probabildad de quiebra, sinembargo, se observa que existen otras varia-bles consideradas en el modelo, que tienenuna incidencia mayor que el apalancamientoen dicha probabilidad, tal es el caso de perte-necer a los sectores industria manuactureray construccin.

Como complemento a los resultadosde autores como Penman y Nissim (),quienes muestran que el apalancamientooperativo tiene un eecto ms positivo sobrela rentabilidad que el apalancamiento nan-ciero y que dichos eectos tienen una msalta recuencia; la presente investigacinpermite concluir que el apalancamientooperativo tiene un eecto menos negativosobre la probabilidad de quiebra que elapalancamiento nanciero.

El resultado obtenido en la presente

investigacin sobre el , ratica los re-sultados de autores como Aziz, Emanuel y

Tabla . Elasticidades

Variables Elasticidades

s -.

s -.

.

.

.



21/23

. .


Lawson () donde se comprueba que losflujos de caja son mejores predictores de laprobabilidad de quiebra que los indicadorescontables de rentabilidad, los cuales no re-presentan la verdadera generacin de valorpara los accionistas.

A pesar de la anterior conclusin, seencontr que el sector I:ransporte, el cualreduce la probabilidad de quiebra, presentauna menor volatilidad en el , es decir,presenta una mayor persistencia, mientrasque el sector D: Industria manuacturera,que incrementa la probabilidad de quiebra

presenta una mayor volatilidad en el (menor persistencia).

Posteriores investigaciones debernestudiar en orma ms explicita la relacinentre las variables de caja, las expectativasy la probabilidad de quiebra, dado que enla presente investigacin se pudo evidenciarla alta de poder explicativo del sobrela probabilidad de quiebra. Igualmente,otras investigaciones podrn estudiar culdebera ser el nivel de riesgo operativo aincluir dentro de la denicin del costo delpatrimonio y el posterior clculo del costopromedio ponderado de capital, dada la im-portancia de esta variable en las economasemergentes.

Referencias Bibliogrficas

Altman, E. (). Financial Ratios discri-minant analysis and the prediction ocorporate bankruptcy. The Journal ofFinance, ().

Arango, J., Zamudio, N. & Orozco, I. ().Riesgo de crdito: un anlisis desde lasrmas. Reporte de estabilidad financiera.Banco de la Repblica.

Aziz, A., Emanuel, D. & Lawson, G. ().Bankruptcy prediction-an investigationo cash low based models. Joumal of

Management Studies,(), .

Comit de Supervisin de Basilea. ().El nuevo acuerdo de capital de Basilea.Recuperado de: http://www.bis.org/publ/bcbsca_s.pd

Gallati, R. () Risk Management andcapital adequacy. New York: Mc Graw Hill.

Gmez, G., Orozco, H. & Zamudio, G.(). Anlisis de la probabilidad condi-cional de incumplimiento de los mayoresdeudores privados del sistema nancierocolombiano. Reporte de Estabilidad Fi-nanciera, Banco de la Repblica, .

Gonzalez, A. (). Determinantes del

riesgo de crdito comercial en Colombia.Reporte de estabilidad financiera. Bancode la Repblica.

Greene, W. (). Econometric Analysis.(Quinta edicion). New York: Prentice Hall.

Gutierrez, R. (). Un anlisis de riesgode crdito de las empresas del sector real ysus determinantes. Reporte de estabilidad

financiera. Banco de la Repblica.Laverde, R. (). Anlisis de vulnerabi-

lidad empresarial y sus eectos sobre lavulnerabilidad bancaria en Colombia:una aplicacin del enoque de hoja debalances. Revista , , .

Mongrut, S., Fuenzalinda, D., Alberti, F.& Akime, M. (). Determinantes dela insolvencia empresarial en el Per.

Academia Revista Latinoamericana deAdministracin, .

Mur, J. & Angulo, A. (). Datos de Pa-nel: modelos estticos. Curso acadmico/, Tema () . Universidad deZaragoza. Recuperado de: http://dae.unizar.es

Ohlson, J. (). Financial ratios and theprobabilistic prediction o bankruptcy.

Journal of accounting research, ().Penman, S. (). Financial Statement

Analysis and security valuation. (Cuarta

ed.). New York: Mc Graw Hill.


22/23

-


Penman, S. & Nissin, D. (). FinancialStatement Analysis o leverage and how itinorms about protability and Price-to-Book ratios.Review of Accounting Studies,(),

arzijan, J., & Paredes, R. (). Organi-zacin industrial para la estrategia em-

presarial(Segunda ed.). Mexico: PearsonEducation.

Zamudio, G. (). Determinantes de laprobabilidad de incumplimiento de lasempresas colombianas. Borradores deeconoma, Banco de la Repblica.

AnexosLa ormulacin propuesta por Penman(), comprende una serie de indicadoresinductores del , cuya construccinparte de los componentes de las accionescomunes, dado que las acciones preerentesson vistas como un pasivo nanciero, as:

Acciones comunes = Activos operativos+ activos financieros pasivos operativos -

pasivos financieros

La anterior ecuacin tambin se podrare-expresar como sigue:

Acciones comunes = (activos operativos pasivos operativos) (pasivos financieros

activos financieros)Acciones comunes = activos operativos

financiacion de la deuda neta

En la nanciacin neta estn incluidaslas acciones preerentes:

Deuda Neta = Deuda - efectivoA partir del estado de resultados tambin

se puede observar la dierenciacin de lasrentabilidades generadas por los apalan-

camientos, mediante la siguiente ecuacin,considerando que tanto los ingresos opera-tivos como los gastos netos nancieros sondespus de impuestos:

Utilidad neta = utilidad operativa gas-tos financieros netos

De las dos ecuaciones anteriores se puedeormular que:

=(utilidad operativa)/(Activos

operativos netos)

y Costo neto de endeudamiento

=(gastos financieros netos)/(deudafinanciera neta)

A partir de esta construccin se puede

establecer el eecto de cada apalancamientosobre la rentabilidad del accionista, as:

Apalancamiento Financiero y :

= (activos operativos netos)/(patri-monio comn) x - (deuda financiera

neta)/(patrimonio comn) x

Donde, (deuda financiera neta)/(patri-monio comn)= (medida de apalanca-miento de las actividades de financiamiento).

Reestructurando la ecuacin del se obtiene:

=+[*(-)](A)

Apalancamiento Operativo y :=( pasivos operacionales )/(activos

operacionales netos)

Inters implcito en pasivos operacio-nales = pasivos operacionales x tasa de


23/23


endeudamiento del mercado, donde intersimplcito representa un mayor valor sobreel precio.

La tasa de endeudamiento del mercado,se puede aproximar a la tasa de endeuda-miento de corto plazo despus de impuestos.

Con la ormula anterior se puede calcularel eecto del apalancamiento operativo sobrelos pasivos operativos:

=(utilidad operacional+interes delmercado en pasivos operacionales)/(activosoperacionales)

Entonces,=+[*( tasa de

endeudamiento del mercad) ] (A)

Lo anterior considerando que la tasa deendeudamiento esta despus de impuestose intereses de corto plazo.

De todo lo anterior se puede concluir queel apalancamiento total y su eecto sobre lasrentabilidad de los accionistas esta dado porlas siguientes variables:

Apalancamiento total()=(deuda netafinancera+pasivos operacionales )/(capitalcomn)

Costo de endeudamiento total = (gastosfinancieros netos+inters del mercado en pa-sivos operacionales )/(deuda neta financera+

pasivos operacionales)

El eecto total sobre la rentabilidad de losaccionistas se puede calcular a travs de lasiguiente ecuacin:

= +[*(-Tasa deendeudamiento Total)] (A)

En las ecuaciones (A), (A) y (A) se

puede observar a posteriori los eectos delos pasivos operacionales y nancieros.

Otra orma de expresar el es:

= +(-)+(-)

Donde [ ]es el eecto de lospasivos operativos y [ ] es eleecto del apalancamiento nanciero.

Documents

Estimación Del Riesgo de Crédito en Empresas Del Sector Real en Colombia