Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Cuarenta años después de que el profesor Altman (1968)2 presentó sus trabajos pioneros
conducentes a estimar la probabilidad de quiebra de empresas estadounidenses y determinar sus
predicciones a través de un Z-score discriminante, se han desarrollado una variedad de trabajos en
esa línea de investigación, los mismos que aún siguen cautivando a la comunidad académica y
financiera internacional. Es así que los recientes avances científicos, están permitiendo aplicar
modelos econométricos logit y probit, así como modelos de alerta temprana con variables
explicativas macroeconómicas, microeconómicas o combinaciones de ambas, que permiten estimar
la fragilidad financiera y la probabilidad de quiebra de entidades bancarias, de tal forma que están
ayudando a prevenir y tomar acciones correctivas (alertas tempranas) antes que el evento de riesgo
se materialice.
En estos tiempos, en donde la actual crisis financiera internacional esta poniendo en evidencia la
falta de controles éticos y regulatorios en el sistema financiero mundial, conduciendo a los
hacedores de políticas económicas y regulatorias e incluso a los que dirigen las empresas
financieras, a reformular sus estrategias gerenciales vigentes, con el objeto de que el sistema
financiero y los agentes que intervienen en ella, se conduzcan de manera más eficiente en un nuevo
orden económico social. Situación que esta permitiendo a los modelos de alerta temprana ganar
nuevamente relevancia, en vista que sus resultados tienen como propósito adelantarse a situaciones
de riesgo mediante la detección de fragilidades financieras que pueden poner en peligro la
estabilidad económica de la empresa y por ende generar riesgo sistémico en el conjunto del
sistema.
En esa línea de acción, las micro y pequeñas empresas, como parte importante de la actividad
económica, son de vital importancia, ya que representan más del 99% de las unidades
empresariales en el Perú, y aportan a la economía casi el 50% del Producto Bruto Interno (PBI), y
alrededor del 72% de la Población Económicamente Activa (PEA) del país está vinculada a una
mype, cuyas actividades concentran alrededor del 40% de las compras estatales.3 No cabe duda
que la inclusión de los servicios financieros a aquellos segmentos de población del país, es un
determinante importante para el crecimiento y desarrollo nacional, en este esfuerzo, las entidades
de microfinanzas juegan un papel importante, ya que canalizan sus recursos orientándolos al
fortalecimiento de miles de micro y pequeños empresarios, situación que obliga a mantener la
sostenibilidad económica y financiera de las empresas de microfinanzas en el país.
En este sentido, se presenta un modelo de alerta temprana para las empresas de microfinanzas en el
Perú; Cajas Municipales de Ahorro y Crédito (CMAC), Cajas Rurales de Ahorro y Crédito
(CRAC) y Entidades de Desarrollo de la Pequeña y Microempresa (EDPYMES), utilizando de
manera explicita variables microeconómicas específicas de cada empresa (indicadores de
solvencia, calidad de activos, eficiencia, gestión, rentabilidad y liquidez), proporcionados por la
Superintendencia de Banca, Seguros y Administradora Privada de Fondos de Pensiones (SBS), con
esta información se genera un indicador financiero global, el cual se calcula como un promedio
1
Docente de la Facultad de Ciencias Administrativas y Económicas de la UIGV (svelaz@uigv.edu.pe).
2
Altman Edward I. (1968): "Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankrupcy"; The
Journal of Finance; September; pp. 589-609.
3
Asociación de Bancos del Perú, boletín financiero. Edición septiembre 2009. Año15, Nro. 62. Articulo de Alberto
Morisaki “Desarrollo de las microfinanzas en América Latina y el Perú” Pág.63.
ponderado de las variables explicativas normalizadas, permitiendo comparar el desempeño relativo
de cada entidad con respecto al sistema (benchmark)
El Modelo
Se plantea un modelo lineal general con variables específicas de cada empresa, de los cuales se
determina un indicador financiero global que permite ordenar a cada una de las entidades según su
nivel de gestión. Los factores de ponderación de este modelo son endógenos y son directamente
proporcionales a la importancia de cada uno de los indicadores.
Además:
θ1 + θ 2 = 100%
∑α
i =1
i = 100% y α 6 = 100%
El Modelo Específico
3 6
+ β7 + β8 +
5
rango MaxX ~ − MinX ~
rango Max( X T~3,1
− Min )
X T~3,1
(
rango Max X T~3, 2
− Min )
X T~3, 2
rango Max − Min
X T 3, 3 X T 3,3
T 2 , 3 T 2 , 3
IFG= θ1 + θ2α6VC
X3,4 − MinX X 4,1 − MinX X 4,2 − MinX X 4,3 − MinX
β +
T 3, 4 T 4,1 T 4, 2 T 4, 3
De donde:
INDICADORES DE SOLVENCIA
X1,1 = Apalancamiento Global: Activos y créditos contingentes ponderados por riesgo crediticio
más posiciones afectas a riesgos de mercado / patrimonio efectivo (número de veces).
X1,2 = Pasivo Total / Capital Social y Reservas. Nivel de apalancamiento financiero de la empresa
(en número de veces).
INDICADORES DE CALIDAD DE ACTIVOS
X2,1 = Cartera Atrasada / Créditos Directos. Porcentaje de los créditos directos que se encuentran en
situación de vencido o en cobranza judicial.
X2,2 = Provisiones / Cartera Atrasada. Porcentaje de la cartera atrasada que se encuentra cubierta
por provisiones para créditos.
X2,3 = Créditos Refinanciados y Reestructurados / Créditos Directos. Porcentaje de los créditos
directos que han sido refinanciados o reestructurados.
Efectos de normalización
Antes de calcular el indicador financiero global, se debe normalizar los indicadores, para que
resulte homogénea y compatible. Es decir, significa convertir los indicadores de cada empresa, de
tal manera que el mayor valor refleje una situación más favorable y el menor valor una situación
menor favorable. Para lo cual se normaliza a través del rango de la variable. Así la variable
máxima (más favorable) es equivalente a 1 y la variable mínima (menos favorable) es equivalente
a 0; la equivalencia de las demás variables caen en el rango abierto <1,0> o sea mayores a 0, pero
menores a 1. Cada indicador normalizado se pondera con su respectivo ponderador y por el peso
asignado en función de sus variables cuantitativas, cualitativas o una combinación de ambas. De
esta forma se obtiene el Indicador Financiero Global.
Calibración
Los ponderadores del modelo han sido calibrados endogenamente.
Ponderador Peso Ponderador Peso Ponderador Peso
θ1 100%
β1 65%
β9 20%
θ2 0%
β2 35%
β10 34%
α1 25%
β3 65%
β11 33%
α2 30%
β4 29%
β12 33%
α3 20%
β5 6%
β13 60%
α4 10%
β6 10%
β14 40%
α5 15%
β7 50%
α6 0%
β8 20%
Resultados
Se muestran los resultados del modelo para cada sistema para el periodo septiembre de 2009.
Sistema de Cajas Municipales de Ahorro y Crédito (CMAC) Sistema de Cajas Rurales de Ahorro y Crédito (CRAC)
CMAC Piura, 0.36 CMAC CRAC Profinanzas, 0.40 CRAC Cajamarca, 0.51
Ica , 0.47
Micasita, 0.55
0.40
Pro Negocios, 0.37 Efectiva, 0.49
0.30
0.20
0.10
Credivison, 0.46
Solidaridad, 0.39
Alternativa, 0.45
Proempresa, 0.40
Nueva Visión, 0.44