UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONMICAS

CARRERA DE FINANZAS

FINANZAS BSICAS

MODELO DE PREDICCIN DE
BANCARROTAS: Z-SCORE DE
EDWARD ALTMAN.

ARVALO VSQUEZ ROMEL SANTIAGO

SNCHEZ VALLEJO ALBA JAMILEC

4 DE MAYO DEL 2015

TABLA DE CONTENIDOS
I.

INTRODUCCIN ......................................................................................... 2

II. DESARROLLO ............................................................................................ 3

III.

CONCLUSIONES ..................................................................................... 7

IV.

RECOMENDACIONES ............................................................................ 7

V.

BIBLIOGRAFA Y LINKOGRAFA ............................................................ 8

I. INTRODUCCIN

El presente trabajo constituye una descripcin del desarrollo y evolucin

del modelo Z-Score propuesto por Edward Altman en 1968 hasta el ltimo en
1993 el cual permite predecir estrs financiero a mediano y corto plazo,
permitiendo mitigar costos y afectaciones econmicas derivadas del mismo.
Este modelo utiliza tcnicas estadsticas como la distribucin de Fisher, el
anlisis multivariado de determinantes y los relaciona con el comportamiento de
razones financieras para establecer una sola funcin lineal cuyo resultado es un
estadstico llamado Z-Score.
Existen tres modelos Z-Score, el primero estaba enfocado nicamente a
empresas manufactureras que cotizan en bolsa de valores ya que dentro del
modelo se analizaba el patrimonio a valor de mercado, el segundo modelo omiti
este aspecto y utiliz el patrimonio al valor registrado en libros, pero se mantena
el sesgo hacia la industria manufacturera y la tercera versin del Z-Score permite
aplicar el mismo a cualquier tipo de empresas.

II. DESARROLLO

Para la comprensin adecuada de la aplicacin y funcionamiento del

modelo Z-Score se debe necesariamente hacer una referencia a las
motivaciones que conllevaron a la formulacin del mismo, el altsimo perjuicio
econmico generado por una bancarrota es el principal aspecto que origina el
estudio de mtodos que permitan prever una situacin de estas caractersticas,
con el fin de tomar medidas a corto plazo que permitan mitigar los perjuicios
posibles futuros.
Es as que diferentes autores han intentado desarrollar un modelo efectivo
que permita prever el estrs financiero dentro de una unidad econmica, William
Beaver en 1967 elabora un modelo basado en el mtodos estadsticos y anlisis
univariado de indicadores financieros, principalmente aquellos que miden
rentabilidad, solvencia y liquidez. (Bez Avils, 2014, pg. 17). Dicho modelo
permita anticiparse a una eventual quiebra con 5 aos de anticipacin, pero
presentaba limitaciones de interpretacin en el sentido de que al analizar
variables (razones financieras) de manera aislada se tiende a omitir
interrelaciones entre las mismas, por ejemplo una empresa cuyos ndices de
rentabilidad fueran bajos podra estar clasificada en el grupo de bancarrota pero
al mismo tiempo puede tener un alto ndice de liquidez, lo que genera una
contrariedad en este modelo.
En 1968, Edward Altman desarrolla un modelo basado en el anlisis
discriminante mltiple de razones financieras que permita trabajar con toda la
informacin y transformar todo este espacio multivariado en una sola funcin
discriminante lineal, obteniendo as un estadstico al cual denomin Z-Score.
(Bez Avils, 2014). Dicha funcin permite realizar un anlisis interrelacionado
entre razones financieras, logrando as un resultado ms confiable; la ecuacin
del Z-Score creada por Altman en 1968 es la siguiente:

Este anlisis permite clasificar a las empresas en bancarrota y

saludables, despus de aplicar un anlisis discriminante a 22 razones
financieras se seleccionaron 5 de ellas:

X1, permite denotar los activos lquidos netos de la empresa y como se

capitalizan en el activo total.
X2, es la rentabilidad acumulada en el tiempo la cual sirve tambin para medir la
edad de una empresa, esta variable puede tener un sesgo dado por la poltica
de dividendos asumida por la empresa.
X3, nos permite medir la productividad real del giro del negocio sin verse
influenciada por apalancamientos y costos de financiamiento.
X4, permite medir cuanto puede caer el valor del activo total antes de que los
pasivos excedan a los activos.
X5, rotacin de activos, muestra la capacidad de generar ventas de nuestras
inversiones.
Para la determinacin de los coeficientes Altman utiliz la prueba F.
(Fisher) la cual nos permite analizar estadsticos con distribuciones continuas,
resultando la ms idnea en este caso. (Bez Avils, 2014, pg. 22).
Obteniendo el modelo Z-Score:
4

Donde Z es el valor de la funcin discriminante o Z-Score y el anlisis se realiza

bajo los siguientes parmetros.
Z > 2,99 = Empresa saludable.
Z < 1,81 = Bancarrota
Z entre 1,81 y 2,99 No se puede determinar, o zona gris.
Este modelo de prediccin de quiebras tiene una precisin del 95% un
ao antes y 82% dos aos antes de la eventual quiebra.
Consideramos que si la empresa tiene un Z-Score que la ubica en la zona
gris se debera analizar las tendencias basado en los resultados de este modelo
en distintos aos.
El aspecto negativo de este primer modelo es que nicamente se puede
aplicar a empresas manufactureras que cotizan en la zona de valores, por tal
motivo la segunda versin del modelo se enfoca en la misma industria omitiendo
su participacin en la bolsa de valores, as X4 se modifica y se utiliza el valor de
patrimonio en libros, tambin Altman calcul nuevos coeficientes obteniendo la
nueva versin: Z1-Score de la siguiente manera:

Los parmetros tambin se modificaron:

Z > 2,90 = Empresa saludable.
Z < 1,23 = Bancarrota.
Pero el fin de Altman no era generar un modelo aplicable nicamente a
esta industria, sino crear un modelo general que permita anticipar una bancarrota
a corto y mediano plazo en cualquier tipo de empresas, de tal manera que X5 se
suprime ya que este valor tiende a variar demasiado en las empresas de
5

servicios en las cuales sus activos o inversiones no son necesariamente los

generadores de movimiento en sus ventas y en 1993 se determina el ltimo
modelo Z2-Score el cual segn Altman posee un 90% de precisin:

Y su interpretacin es la siguiente.
Z > 2,60 = Empresa saludable.
Z < 1,10 = Bancarrota.
Cabe recalcar que mientras ms empresas se encuentren entre 1,10 y
2,60 ser ms difcil obtener un grado satisfactorio de precisin por la dificultad
de clasificacin de las mismas.

GLOSARIO DE TRMINOS:
Anlisis discriminante mltiple: tcnica estadstica multivariable cuya finalidad
es describir (si existen) las diferencias significativas entre g grupos de objetos (g
> 1) sobre los que se observan p variables (variables discriminantes). (Wikipedia,
2016).

III.

CONCLUSIONES

Al trmino del presente trabajo se pudieron obtener las siguientes conclusiones

y recomendaciones.

C1: Se determin que el uso de anlisis multivariado desarrollado por

Altman tiene mayor precisin que el univariado utilizado por Beaver.

C2: El nivel de precisin del Z-Score nunca ser el mismo para diferentes
empresas, inclusive si stas pertenecen a la misma industria y poseen
similares caractersticas econmicas debido a la gestin interna de las
mismas.

C3: Se evidenci que existe una falencia en el modelo de Altman al no

definir una categorizacin para las empresas cuyo Z-Score las posicione
en la zona gris.

IV.

RECOMENDACIONES

R1: Es indispensable realizar siempre un anlisis multivariado para

apreciar las relaciones omitidas en un anlisis univariado.

R2: Es necesario incluir dentro de la funcin discriminante Z-Score una

variable inherente a la gestin interna de la empresa.

R3: Se debe crear una categorizacin definida para las empresas cuyo
resultado Z-Score las ubique en la zona gris basndose en las tendencias
a bancarrota o salud empresarial de las mismas.

V. BIBLIOGRAFA Y LINKOGRAFA

1. Bez Avils, A. (mayo de 2014). Tesis previa a la obtencin del ttulo de

licenciado en finanzas. Aplicacin del modelo de Altman a la prediccin
de la quiebra corporativa: El caso de la crisis bancaria 1999-2000. Quito,
Pichincha, Ecuador: USFQ.
2.

Wikipedia.

(04

de

05

de

2016).

Wikipedia.

Obtenido

de

https://es.wikipedia.org/wiki/Anlisis_discriminante