Predicción de insolvencia en la empresa familiar

El objetivo de este trabajo es la construcción de un modelo para predecir la insolvencia de las empresas familiares. El hecho de centrarnos en esta tipología de empresas deriva de dos motivos esenciales: Primero, por la importante participación de la empresa familiar en el ámbito de la economía española, así como en la economía mundial (Allouche et al., 2008). España tiene en la actualidad 1,1 millones de empresas familiares, un 85% del total de empresas, las cuales generan siete millones de empleos directos, esto es, un 70% del empleo privado. Este hecho ha provocado que la investigación en el campo de la empresa familiar haya crecido significativamente durante las dos últimas décadas (Gómez-Mejia et al., 2011). Y segundo, porque pensamos que las diferencias y características propias de la empresa familiar deberían tomarse en consideración para la predicción de la insolvencia empresarial. Estas circunstancias han motivado el interés en analizar las causas que propician la insolvencia en las empresas familiares e intentar facilitar herramientas o estrategias a los gestores de las mismas, con vistas a evitarla y asegurar la viabilidad de sus empresas. Además, hasta la fecha no se ha estudiado la predicción de insolvencia en las empresas familiares, donde encontramos un gap que pretendemos cubrir con la presente investigación. En consecuencia, la inexistencia de trabajos empíricos con muestras específicas de empresas familiares, tanto españolas como internacionales, hace especialmente interesante que analicemos las causas que propician su posible insolvencia. Por ello, y con objeto de contar con un mayor margen para realizar estrategias que eviten la insolvencia de este tipo de empresas, pretendemos obtener modelos que tengan como objeto predecirla 1, 2 y 3 años antes de que ésta se produzca, comparándose las similitudes y diferencias de dichos modelos a medida que nos alejamos del momento de la insolvencia. Con objeto de resolver esta cuestión de investigación hemos dispuesto de seis muestras elaboradas a partir de una base de datos creada expresamente para el presente estudio, y que incluirá información económico-financiera de empresas familiares y no familiares, tanto solventes como insolventes. Estas muestras contienen un número suficiente de empresas para construir fiables modelos de predicción y conocer las variables predictivas propias de cada una de ellas. Así mismo, y con objeto de dotar de robustez a los modelos, se ha considerado un período total de análisis de ocho años, comprendidos entre el ejercicio 2005 y el 2012, periodo que abarcaría varios ciclos económicos y, en consecuencia, evita el riesgo de obtener modelos sólo válidos para épocas de crecimiento o, en su caso, de decrecimiento económico. En el análisis empírico desarrollado utilizaremos dos métodos diferentes para predecir la insolvencia: técnicas de regresión logística (LOGIT) y técnicas computacionales de redes neuronales (NN). Si bien los modelos LOGIT han tenido y siguen manteniendo una especial relevancia en los estudios realizados en esta materia en los últimos treinta y cinco años, los modelos NN se corresponden con metodologías más avanzadas, que han mostrado tener un importante potencial en el ámbito de la predicción. La principal ventaja de los modelos LOGIT reside, no sólo en la capacidad de predecir previamente si una empresa se espera resulte solvente e insolvente, sino en facilitar información respecto a cuáles son las variables que resultan significativamente explicativas de la insolvencia, y en consecuencia, permiten deducir estrategias adecuadas en la gestión de la empresa con objeto de asegurar la solvencia de la misma. Por su parte, los modelos NN presentan un gran potencial de clasificación, superando en la mayoría de los casos al LOGIT, si bien su utilidad explicativa está menos contrastada. Nuestro estudio contribuye a la literatura existente sobre predicción de insolvencia de varias formas. En primer lugar, construyendo modelos específicos para empresas familiares y no familiares, lo que puede mejorar la eficiencia en la predicción del fracaso empresarial y evitar el concurso de acreedores, así como las consecuencias negativas de la insolvencia empresarial para la economía en general, dada la importancia de la empresa familiar en el mundo. En segundo lugar, nuestras conclusiones sugieren que la relación entre la evolución de ciertas variables financieras y la insolvencia empresarial toma connotaciones específicas en el caso de las empresas familiares. Aunque los modelos de predicción de insolvencia confirman la importancia de algunas variables financieras comunes para ambos tipos de empresas (eficiencia y dimensión empresarial), también identifican factores específicos y únicos. Así, la rentabilidad es el factor diferenciador para las empresas familiares como lo es el apalancamiento para las empresas no familiares.

Predicción de insolvencia en los sectores económicos: un análisis comparativo

El objetivo de esta tesis ha sido cubrir el hueco existente en la literatura en relación con la cuestión de la supuesta superioridad de los modelos de predicción de insolvencia empresarial "descentrados" (construidos sobre la base de una muestra de empresas pertenecientes a diversos sectores económicos) frente a los modelos de predicción de la insolvencia "centrados" (construidos con una muestra de empresas pertenecientes a un solo sector de actividad). Un análisis de la literatura previa sobre predicción de insolvencia empresarial permitió constatar la existencia de un patrón definido por lo que se refería a la construcción de modelos descentrados frente a modelos centrados, siendo los primeros mucho más numerosos que los segundos. Sin embargo, no fue posible identificar ninguna tendencia, ni a favor ni en contra, en el uso de un tipo de modelo u otro, por lo que no resultó posible inducir una conclusión definitiva sobre la superioridad de un tipo de modelo frente a otro a la hora de pronosticar la insolvencia empresarial. Para resolver esta cuestión, se tomó una base de datos formada por empresas, tanto solventes como insolventes, pertenecientes a cinco sectores de actividad diferenciados: agricultura, industria, construcción, comercio y servicios, y sector de hostelería, a partir de los datos proporcionados por SABI (Sistema de Análisis de Balances Ibéricos). Los datos utilizados para este estudio se correspondieron al periodo comprendido entre el año 2010 y el año 2012. Asimismo, se construyeron diversos modelos sectoriales o centrados (para cada uno de los sectores económicos considerados) y modelos globales o descentrados para un año y dos años antes de la entrada en quiebra. La metodología aplicada para la obtención de los modelos fue la construcción de modelos de regresión logística, y para la estimación de dichos modelos se emplearon 34 variables financieras, así como variables dummys representativas de los sectores de actividad bajo consideración. Con esta metodología se obtuvo un poder de clasificación que osciló entre un 69,6% (Sector Agricultura, dos años de la entrada en quiebra) y un 91,2% (Sector Hostelería, un año de la entrada en quiebra). Los resultados obtenidos permitieron verificar total o parcialmente las tres hipótesis planteadas: En primer lugar, que los modelos globales o descentrados y los centrados o sectoriales eran modelos distintos. En segundo lugar, que la inclusión de variables cualitativas sectoriales mejoraba los modelos globales estimados. Y, en tercer lugar, se verificó, si bien parcialmente, que los modelos globales o descentrados eran superiores a los centrados o sectoriales a la hora de predecir la insolvencia, con la única excepción del modelo del sector industrial dos años antes de la quiebra. Para el resto de modelos, los modelos globales estimados, uno y dos años antes de la quiebra, fueron capaces de obtener mejores resultados de predicción en las muestras sectoriales que los propios modelos centrados.