Un modelo para predecir solicitudes de concurso de acreedores en Uruguay

Abstract

El objetivo de este estudio es elaborar un modelo predictivo para la caída en concurso de acreedores de empresas uruguayas, utilizando principalmente la información proveniente de los estados financieros, en forma de ratios. El método de estimación es el análisis logístico y las variables incluidas en el modelo refieren a la rentabilidad de la empresa, su nivel de liquidez y su estructura de financiamiento. Las tres variables resultan significativas a la hora de predecir hasta un año antes la solicitud de concurso de acreedores: empresas con menor rentabilidad, menor liquidez y mayor endeudamiento tienen mayor probabilidad de participar en un concurso de acreedores. El modelo es capaz de clasificar correctamente en promedio un 84% de las firmas, y este porcentaje es válido tanto para las empresas concursadas como para las saludables. En líneas generales, los resultados se mantienen cuando las observaciones clasificadas no pertenecen a la muestra utilizada para estimar el modelo. Asimismo, independientemente de la proporción de empresas saludables y concursadas consideradas, el modelo es bueno para discriminar ambos tipos de empresas, y es robusto al método a través del cual son seleccionadas las empresas saludables. El incremento del horizonte temporal de predicción y la introducción de dinámica temporal aparecen como importantes líneas de investigación a futuro.

The purpose of this study is to develop a bankruptcy prediction model for Uruguayan companies, mainly using information from their financial statements, in the form of ratios. The estimation method is the logistic analysis and the variables included in the model refer to the company’s profitability, its level of liquidity and financing structure. All three variables are significant when predicting up to a year before filing for bankruptcy: companies with lower profitability, lower liquidity and higher debt are more likely to fall in bankruptcy. The model is capable of correctly classify on average 84% of the firms, and this percentage is valid for both bankrupt and healthy companies. In general, the results remain valid when the predicted observations do not belong to the sample used to estimate the model. Further, regardless of the proportion of healthy and bankrupt companies considered, the model is fairly good at disentangling both types of companies, and it is robust to the healthy companies’ selection methods. The increase in the prediction time horizon and the introduction of temporal dynamics emerge as important lines of future research.