TEMA 25: PLANTEAMIENTO Y ESTIMACIN DE MODELOS

LOGIT: SU APLICACIN EN EL ESTUDIO DE CAUSAS DE

QUIEBRA EMPRESARIAL
1. INTRODUCCIN
La evolucin de la era de la revolucin industrial a la de la informacin, el
conocimiento y el aprendizaje ha llevado a que las empresas se preocupen cada vez
ms por la gestin de riesgos futuros, desencadenantes de fenmenos que puedan poner
en peligro su supervivencia.
Esta situacin, por su importante repercusin en numerosos agentes socioeconmicos,
tales como empleados, proveedores, clientes, propietarios y la comunidad en su
conjunto, ha provocado que, en los ltimos aos, se haya experimentado un crecimiento
importante del inters prestado al fracaso empresarial, tanto en el mundo acadmico
como en el de los negocios (Laffarga y Pina, 1995; Mora, 1995; Gabas, 1997).
Los cambios econmicos experimentados, y producidos a escala mundial en la dcada
de los 90, estn fundamentados en: a) la globalizacin de las actividades econmicas de
los negocios; b) la internacionalizacin de la produccin y el consumo; c) la
sofisticacin de los mercados; d) las mayores demandas de los inversores; y, e) la
creciente complejidad de los negocios y competitividad empresarial. Estos factores han
supuesto el paso de un entorno estable y predecible a una situacin de continuos
cambios, fuerte competencia e incertidumbre, lo que obliga a las empresas a adaptarse a
nuevas situaciones con gran rapidez.
En este contexto de continuo cambio, pueden producirse errores en la toma de
decisiones econmicas y, por tanto, en la gestin, que probablemente deriven en
periodos de crisis. No obstante, las decisiones futuras pueden verse condicionadas
favorablemente por los mecanismos disponibles para superar estas situaciones, tales
como suspensin de pagos, reestructuracin voluntaria o fusin con otra empresa y las
posibilidades de optar por cada una de ellas. En estas circunstancias, se revela necesario
dotar a los agentes econmicos de dispositivos que les permitan detectar y tomar
conciencia de las dificultades por las que atraviesa la empresa y cmo hacer frente a las
mismas.
Estos dispositivos vienen dados por distintas vas, desde las propias calificaciones
emitidas por los evaluadores de riesgos de crdito (internos y externos) hasta el
desarrollo de modelos estadsticos ms o menos sofisticados que permitan evidenciar y
prever la situacin futura de fracaso empresarial.
El inters de la investigacin emprica desarrollada en el campo del fracaso empresarial,
desde la dcada de los 60, se ha orientado fundamentalmente a la caracterizacin
econmico-financiera de las empresas fracasadas y no fracasadas, aplicando la
experimentacin sobre diferentes perodos de estudio, sectores industriales, mbitos
geogrficos, variables explicativas, muestras y herramientas estadsticas, con objeto de
superar las limitaciones observadas en estudios anteriores al respecto.

No obstante, los modelos de prediccin desarrollados siguen presentando determinadas

limitaciones en relacin a: a) su estabilidad para muestras diferentes a las de
estimacin; y, b) la reduccin de la capacidad explicativa de las variables utilizadas a
medida que se ampla el horizonte temporal para el que se pretende realizar la
prediccin.
En este sentido, puede significarse que la estabilidad de los modelos de prediccin del
fracaso empresarial depender de la estacionalidad de las condiciones econmicofinancieras particulares de las empresas, de la situacin econmica general, de los
sectores considerados, del tamao, etc. En la medida en que esto no suceda, las
variables explicativas del fracaso y las relaciones entre ellas pueden cambiar (Laitinen,
1991; Stephen y Dugan, 2001 y Gonzlez et al., 2004), afectando a la capacidad
predictiva del modelo de fracaso empresarial sobre muestras y periodos diferentes a los
de estimacin.
Ante tales circunstancias se puede afirmar que algunas de las limitaciones de los
modelos de prediccin del fracaso empresarial pueden venir originadas por la
composicin de la muestra de empresas fracasadas, conforme a dos motivos: a) por la
existencia de diferentes niveles o grados de dificultad econmica y/o financiera, que
deriven en muestras de empresas fracasadas no homogneas respecto a las variables
explicativas que se contemplan (Fitzpatrick, 1924; Argenti, 1976; Malecot, 1989; Lau,
1987; Ward, 1994; Garca y Calvo-Flores, 2002); b) por la diferente evolucin que
experimentan estas empresas a lo largo del periodo de crisis hasta desembocar en una
situacin de fracaso empresarial, lo que redundara en la inestabilidad temporal de los
modelos desarrollados al respecto (Pina, 1989; Laitinen, 1991; Mora, 1994; Harris et
al., 1982; Abad et al., 2008; Ooghe y De Prijcker, 2008).
En efecto, pueden existir diferentes causas de fracaso empresarial que afecten de
manera desigual a la generalidad de las empresas. As pues, en la medida en que
seleccionemos empresas sometidas a unas u otras circunstancias, con la finalidad de
desarrollar modelos de prediccin del fracaso empresarial, los indicadores econmicofinancieros que revelan las causas del posible fracaso y el peso de los mismos en el
modelo pueden diferir y, en consecuencia, su aplicacin a muestras diferentes a la de
estimacin redundar en niveles inferiores de acierto.
2. CONCEPTO DE FRACASO EMPRESARIAL
La variable dependiente en estos modelos es el propio fracaso empresarial. No obstante,
qu se entiende por fracaso empresarial?
Haciendo una revisin de las distintas acepciones que los autores plantean para el
fracaso empresarial, la quiebra o la empresa fallida, vemos idntica diversidad en los
trabajos espaoles y extranjeros, aunque se puede detectar cierta evolucin desde la
identificacin de situaciones de fracaso presentes a la fecha de la evaluacin hacia
objetivos predictivos de la situacin de fracaso.

En los trabajos espaoles, un primer grupo considera empresa fracasada a la morosa, es

decir, aquella empresa que en el plazo a partir de los tres meses del vencimiento de un
crdito no satisface el nominal y/o los intereses (Garca, Arqus y Calvo-Flores, 1995).
En esta misma lnea, Gabs (1990) considera fracasadas a las empresas incapaces de
realizar pagos.
Un segundo grupo ms numeroso entiende que una empresa ha fracasado cuando
presenta concurso de acreedores, suspensin de pagos o quiebra (Lizarraga, 1997;
Ferrando y Blanco, 1998; Lpez et al., 1998; Romn et al. 2001; Gmez et al., 2008).
Los autores que han estudiado el sector bancario estiman el fracaso por la intervencin o
no del Fondo de Garanta de Depsitos (Laffarga et al., 1985a y Pina, 1989). De forma
similar, para el sector asegurador, el trabajo de Mora (1994b) considera una compaa
fracasada por la Intervencin o no de la Comisin Liquidadora de Entidades
Aseguradoras.
Un tercer grupo de trabajos considera una entidad fracasada cuando incurre en quiebra
tcnica (Rubio, 2008), entendiendo como tal el Patrimonio Neto contable negativo
(Correa et al., 2003).
Como conclusin, vemos tres grupos de conceptos diferentes. Una empresa fracasa o es
fallida cuando:
1) Deja de pagar una o varias de sus deudas, aunque sea de forma temporal.
2) Rene las condiciones previstas en la normativa vigente sobre quiebra (o
procedimientos similares).
3) Su situacin patrimonial muestra un valor reducido en los activos o una escasez de
tesorera que pueden desencadenar el fracaso.
3. METODOLOGAS UTILIZADAS
El objetivo principal de la medicin del riesgo de crdito es valorar la prdida esperada
ante un fallido o fracaso empresarial. En sentido amplio, la prdida esperada de crdito
depende de tres factores:
1. la probabilidad de fallido,
2. el valor esperado de la posicin o exposicin en el momento del fallido, y
3. la tasa de recuperacin.
De estos tres factores el principal es la probabilidad de fallido, que generalmente se
evala usando una de las cinco metodologas principales de medida de riesgo de crdito:
- migracin de crdito,
- modelos estructurales,
- modelos de intensidad,

- aproximacin actuarial, y
- modelos de grandes carteras.
Aunque estas metodologas dan lugar a diferentes modelos, todas se orientan a la
estimacin de la probabilidad de fallido. Como seala Lleo (2009), modelizar el valor
de la posicin puede quedar relegado al segundo lugar, porque el valor depende del
riesgo de fallido, mientras la evaluacin y modelizacin de la tasa de recuperacin
aparece a distancia en tercer lugar.
El fracaso empresarial viene interesando a analistas e investigadores desde los inicios
del siglo XX, que empezaron planteando modelos que podemos encuadrar entre los de
intensidad. Estn documentados trabajos de los aos treinta que utilizan modelos
univariantes bsicos (Gmez et al. 2008), pero los investigadores parecen coincidir en
un primer trabajo de referencia, fiable y contrastable, realizado con tcnicas estadsticas
por Beaver en 1966 (Lizarraga, 2000;). Este primer trabajo utiliza como metodologa un
anlisis univariante sobre seis categoras de ratios, calculando en primer lugar 30 ratios
y quedndose posteriormente con un ratio por cada categora. Aplica los clculos sobre
una muestra de 158 empresas; la mitad fracasadas y la mitad sanas, para un periodo de
cinco aos, llegando a la conclusin de que el Anlisis de Perfiles diferencia los dos
grupos de empresas (sanas y fracasadas), pero no permite medir dicha diferencia.
El anlisis univariante, que ha de estar presente en la fase inicial de cualquier
investigacin, supone, al ser el nico anlisis utilizado, excesiva simplicidad. Estas
tcnicas tratan de determinar la significatividad de cada ratio para explicar la quiebra; y
la posible prediccin de los ratios ms significativos. Aunque el trabajo de Beaver
(1966) indicaba claramente que su principal motivacin no era predecir el fracaso, sino
mostrar el potencial de informacin que supona la utilizacin de datos contables. Las
tcnicas fundamentales de anlisis univariante, segn Mora (1994a), son el anlisis de la
varianza y el test de clasificacin dicotmica
El siguiente trabajo de amplio reconocimiento sobre fracaso empresarial es el de Altman
(1968). Su modelo Z-score formaliza el tipo de anlisis ms cualitativos de riesgo de
fallido que estaban utilizando agencias de rating como Standard & Poors o Moodys.
Altman desarrolla una funcin discriminante resultado de la combinacin de cinco
ratios, siendo el ms relevante resultado antes de intereses e impuestos / activo total. La
aplicacin de los coeficientes hallados a las variables sugeridas le da a Altman una
puntuacin Z, a partir de la cual se diferencian las empresas sanas de las fracasadas. El
punto de corte lo estableci el autor en Z=2,67. En este caso la metodologa utilizada
para seleccionar los ratios y la ponderacin adecuada es multivariante.
El Anlisis Discriminante es una tcnica cuyo objetivo es la clasificacin de individuos
en clases definidas a priori a partir de un conjunto de variables cuantitativas o
cualitativas, as como la determinacin de la funcin que permita esa clasificacin.
Las hiptesis previas que suelen exigirse al Anlisis Discriminante cuando las variables
independientes son cuantitativas, especialmente en el caso inferencial, son las
siguientes:

1.
2.
3.
4.

Normalidad Multivariante.
Homoscedasticidad.
Tamaos muestrales representativos.
Independencia. La muestra aleatoria multivariante es independiente en cada uno de
los grupos.

El requerimiento de la normalidad en la distribucin ha puesto en duda la validez de

algunos de los modelos que utilizaban esta tcnica. Los resultados del estudio de Deakin
(1976) y Garca Ayuso (1995) muestran que una parte de los ratios cumple la hiptesis
de normalidad, pero otros no.
En 1977 Martin aplica al estudio de este tema la regresin logstica con el fin de evitar
los inconvenientes metodolgicos presentes en el anlisis discriminante (especialmente
la falta de normalidad de algunas variables). La regresin logstica binaria o logit
binario es un anlisis de regresin en el que la variable independiente toma valores
(1,0), esto es, empresa sana o empresa fracasada.
En la mayora de los trabajos que utilizan ratios contables, estos se calculan en un
momento determinado previo a la quiebra (normalmente un ao), por eso se ha
agrupado a estos modelos bajo la denominacin de modelos estticos. Shumway (2001)
ataca estos modelos diciendo que sus estimaciones estn sesgadas y son inconsistentes e
ineficientes, por lo que propone el uso de modelos de riesgo para periodos discretos. En
esta lnea, Beaver et al. (2005; 2008) utilizan una aproximacin logstica multiperiodo
que, a diferencia de los modelos estticos, considera el riesgo de quiebra en varios aos,
incluidos los aos en los que la empresa quebrada an no lo estaba.
La tcnica de regresin logstica cumple objetivos similares al anlisis discriminante,
pero con la ventaja de ser ms flexible (permite trabajar con muestras no
proporcionales) y requerir supuestos estadsticos menos estrictos (Hair et al., 1999). A
cambio, el anlisis de regresin logstica logit plantea un problema adicional al
seleccionar las muestras, tanto de las empresas sanas como de las fracasadas. El hecho
de no seleccionar una muestra de forma aleatoria presenta los siguientes inconvenientes
(Palepu, 1986):
1. Se sobreestima la capacidad predictiva del modelo.
2. Difcilmente se puede generalizar el modelo al resto de la poblacin.
3. Puede dificultar la interpretacin econmica de los resultados.
En la comparacin que algunos autores hacen de modelos probit y logit frente a anlisis
discriminante, no hay resultados concluyentes (Lo, 1986), aunque Lennox (1999) s
obtiene mejores resultados con probit y logit, posiblemente por una mejor
especificacin de las variables.

Para evaluar el funcionamiento de los modelos de regresin logstica, Altman (2008)

construyen curvas ROC (receiver operating characteristics), que representan la tasa de
positivos verdaderos frente a falsos positivos como umbral de discriminacin entre
cambios de empresas fracasadas y no fracasadas. El rea bajo la curva ROC es una
medida de precisin en la prediccin, donde el valor 1 representa un modelo perfecto.
Tanto el Coeficiente de Gini como el estadstico Kolmorogov-Smirnov (K-S)
normalmente utilizados por los analistas de scoring derivan de esta medida.
4. SELECCIN DE VARIABLES Y MUESTRA
4.1. La variable dependiente
La variable dependiente en estos modelos es el fracaso empresarial. La dificultad estriba
en interpretar cundo una empresa est fracasada o ha entrado en crisis. Sobre este
concepto nos hemos pronunciado ya en el punto 2. de este trabajo.
Una variable dependiente alternativa al fracaso o quiebra podra ser el xito de una
empresa y, de hecho, puede haber usuarios ms interesados en valorar la probabilidad de
xito de una empresa que la probabilidad de fracaso. Sin embargo, el inconveniente
principal de esta variable es el obtener una definicin de xito suficientemente objetiva.
Algunos autores utilizan como sinnimo de xito un elevado EPS.
4.2. La seleccin de la muestra
La realizacin de un trabajo emprico conlleva la necesidad de contar con una muestra
de empresas sobre las que desarrollar el modelo. Entre los problemas que pueden surgir
a la hora de seleccionar la muestra para elaborar el modelo de prediccin de la quiebra,
cabe destacar los siguientes:
a) La composicin de la muestra de empresas sanas: La obtencin de una muestra
de empresas que quiebran no suele ofrecer ninguna dificultad, ya que se trata de
informacin que suele hacerse pblica. Una vez se ha obtenido la muestra de
empresas quebradas, debe obtenerse otra de empresas sanas para poder elaborar
los modelos. El hecho de escoger como empresas sanas aquellas que no tienen
problemas financieros incrementar, sin duda alguna, la capacidad predictiva del
modelo. Sin embargo, la ausencia de un criterio claro para distinguir entre
empresas con o sin problemas financieros puede dar lugar a problemas
adicionales.
b) La aleatoriedad de la muestra: En una situacin ideal, la muestra de empresas,
tanto de sanas como de quebradas, debera seleccionarse de forma aleatoria. La
mayora de las tcnicas de estimacin suponen la seleccin de una muestra
aleatoria, observando entonces en dicha muestra las variables dependientes e
independientes del modelo. Por el contrario, una muestra no aleatoria supone
que la probabilidad de que una observacin forme parte de la muestra depende
del valor de la variable dependiente, en este caso, de que la empresa haya o no
quebrado. Es decir, si consideramos una muestra con el 50% de empresas
quebradas, una empresa quebrada de la poblacin tiene ms probabilidades de
formar parte de la muestra que otra no quebrada.
6

c) Seleccin temporal de la muestra: Otra condicin que, en principio, parece que

debera ser idnea a la hora de seleccionar la muestra, es que los datos
considerados se obtengan para el mismo perodo de tiempo en empresas sanas y
fracasadas. Sin embargo, las empresas fracasadas tienden a retrasar la
presentacin de sus resultados contables en el perodo de tiempo previo al
momento de la quiebra.
4.3. Las variables independientes
Los ratios contables son las principales variables independientes utilizadas en los
modelos de prediccin. Las limitaciones que supone utilizar dichas variables son
principalmente:
-

Ausencia de una teora que ayude en la seleccin de variables.

Correlacin lineal entre las variables.
Distribucin probabilstica de las variables.
Diferencias sectoriales.
Inestabilidad en el tiempo.

5. ANLISIS LOGIT
Denotemos por Xji, al valor de un ratio financiero j en la empresa i, y consideremos una
variable no observable yi* que puede ser interpretada como propensin hacia el
fracaso. Como yi* es una variable no observable, puede llevarse a cabo el anlisis
LOGIT definiendo una variable binaria yi, de la forma:

En tal caso, la probabilidad de fracaso de la empresa i es

Donde F es la funcin de distribucin acumulada de ui, que suponemos que se trata de la

funcin logstica.
7

Los parmetros del modelo de regresin logstica se estiman maximizando la

verosimilitud de las observaciones contenidas en la muestra, siendo la funcin de
verosimilitud

Bibliografa
-

TASCN FERNNDEZ, M.T, CASTAO GUTIRREZ, F.J., Prediccin del

fracaso empresarial: una revisin. Universidad de Len (2009).

MANZANEQUE LIZANO, M, BANEGAS OCHOVO, R, GARCA PREZ

DE LEMA,D. Diferentes procesos de fracaso empresarial. Un anlisis
dinmico a travs de la aplicacin de tcnicas estadsticas clster. Universidad
de Castilla- La Mancha Universidad de Cartagena (2009).

ARQUERO MONTAO, J.L, ABAD NAVARRO, M. C, JIMNEZ

CARDOSO, J.M. Procesos de fracaso empresarial en PYMES. Identificacin y
contrastacin emprica. Revista Internacional de la Pequea y Mediana
Empresa, volumen 1, n 2 (2008).

SOMOZA LPEZ. A, VALLVERD CALAFELL, J. Un modelo de

prediccin de la insolvencia empresarial basado en variables financieras. Su
aplicacin al caso textil cataln (1994-1997). Revista de Contabilidad,
volumen 1, n 11, enero-junio 2003 p. 173-191.

GALLEGO MERINO, A.M, GMEZ ALBERO, M.A. Anlisis integrado de

la absorcin y quiebra empresarial mediante la estimacin de un modelos
multilogit. Revista Espaola de Financiacin y Contabilidad, volumen XXXI,
n 111, enero-marzo 2002 p. 111-144.

MORA ENGUDANOS, A. Limitaciones metodolgicas de los trabajos

empricos sobre la prediccin del fracaso empresarial. Revista Espaola de
Financiacin y Contabilidad, volumen XXIV, n 80, julio-septiembre 1994 p.
709-732.

MORA ENGUDANOS, A. Los modelos de prediccin del fracaso

empresarial: una aplicacin emprica del logit. Revista Espaola de
Financiacin y Contabilidad, volumen XXIV, n 78, enero-marzo 1994 p. 203233.