2.1 Definición de probabilidad de quiebra o dificultades financieras

Se entiende como probabilidad de quiebra el tener una situación patrimonial que sea precursora de futuros fallos como insolvencia técnica y falta de liquidez (^{Altman, 1968}). Una empresa con dificultades financieras presenta, por lo general, flujos negativos de operación, de inversión y de financiamiento. En resumen, las dificultades financieras pueden definirse como el proceso dinámico que anticipa el fracaso empresarial.

2.2 Revisión preliminar de literatura

El Modelo Altman z-score es uno de los modelos de predicción de quiebra más utilizados por investigadores y analistas financieros. Este modelo multivariado considera cinco variables las cuales engloban las áreas de liquidez, rentabilidad, apalancamiento, solvencia y actividad. El modelo ha demostrado ser muy preciso durante las últimas décadas y sigue siendo una herramienta establecida para evaluar la salud de las empresas y conocer si se encuentra en probabilidad de quiebra. Sin embargo, investigaciones recientes como la de Lin (²⁰¹⁵), indican que el modelo Altman puede no ser adecuado para predecir la quiebra debido al entorno empresarial cambiante y la volatilidad de los activos. Vidimlić (²⁰¹⁹) de igual forma concluye que no siempre el uso del modelo de Altman es una buena herramienta para predecir quiebra debido a que existe una gran diferencia entre los resultados de las investigaciones de países desarrollados comparados con los de países en transición.

Con relación a investigaciones que incluyan el uso de métricas financieras de flujo de efectivo, la mayoría de los estudios han medido su eficacia en la evaluación de la rentabilidad y del nivel de endeudamiento como es el caso de Rodríguez y López (²⁰¹⁶); para análisis de la liquidez, como la efectuada por Kajananthan y Velnampy (²⁰¹⁴); para medir la calidad de los ingresos, como es el caso de Arnold et al. (²⁰¹⁸) y para la evaluación del desempeño, como es el estudio de Das (²⁰¹⁷).

No obstante, existen pocas investigaciones enfocadas en medir la eficacia de las métricas de flujo de efectivo para predecir la probabilidad de quiebra. La tabla 1 muestra algunos de los estudios más relevantes en donde se menciona el país de ubicación del estudio, el objetivo de la investigación, la metodología empleada, así como los resultados obtenidos.

2.3 Métricas de flujo de efectivo como pronosticadores de probabilidad de quiebra

El flujo generado por las operaciones internas de la empresa debería de ser la principal fuente de efectivo de estas, por lo que una empresa puede verse en dificultades financieras si no es capaz de generar suficiente flujo de efectivo derivado de sus operaciones para hacer frente a sus necesidades regulares de operación y para liquidar oportunamente sus obligaciones. De igual forma, puede comprometer su estabilidad si es incapaz de conseguir financiamiento adicional para financiar sus necesidades de inversión (^{Jooste, 2007}).

Como se pudo constatar en los estudios mostrados en la tabla anterior, las métricas de flujo de efectivo pueden llegar a ser buenos pronosticadores de la probabilidad de quiebra de una empresa. La tabla 2 muestra las métricas de flujo analizadas en este estudio clasificadas por liquidez, solvencia, eficiencia y rentabilidad.

2.4 Tamaño de la empresa

El tamaño de la empresa ha sido utilizado por algunos autores como una variable de control para este tipo de estudios. Investigaciones previas han señalado que empresas con las mismas métricas, pero diferente total de activos, pueden presentar diferentes probabilidades de falla. Es lógico que una empresa más grande con una base de activos mayor tenga una menor probabilidad de quiebra incluso si las razones de las dos empresas son idénticas. (^{Yap et al., 2012}).

De igual forma, se ha determinado que el tamaño de la empresa se relaciona positivamente a los niveles de endeudamiento, es decir, las empresas de mayor tamaño tienen mayor acceso a financiamiento externo y, por lo tanto, menor probabilidad de falla (^{Rodríguez y López, 2016}).

3.1 Proceso de obtención de la muestra

La muestra del estudio incluye a las empresas públicas no financieras que cotizan en la Bolsa Mexicana de Valores, excluyendo de la misma a empresas con información insuficiente del periodo analizado.

La información financiera requerida para efectuar el estudio fue obtenida de la plataforma Bloomberg. Información complementaria fue extraída de los informes anuales que presentan las empresas. Los datos financieros empleados en el estudio actual se extraen de los estados de flujos de efectivo, del estado de resultados y del balance general. El período más reciente incluido en el estudio fue el año 2019. Lo anterior con la finalidad de dejar a un lado los efectos que la pandemia pudo generar en la quiebra o probabilidad de quiebra de las empresas.

Debido a que de 1995 a la fecha solo cuatro empresas públicas han sido declaradas formalmente en quiebra en México, no fue posible comparar empresas que realmente llegaron a la quiebra con empresas sanas. Derivado de lo anterior, este estudio clasifica y agrupa a las empresas en dos categorías: empresas sanas que no presentan problemas financieros graves y en empresas con problemas financieros y probabilidad de quiebra de acuerdo con el modelo de predicción de quiebra de Altman z-score.

Para efectuar dicha clasificación se analiza la puntuación de Altman durante el periodo comprendido del 2014 al 2019, para identificar si en alguno de esos cinco años presentaron problemas financieros graves. Una vez identificado dicho año, se recolecta información financiera de cuatro años anteriores a la fecha en que presentaron dificultades financieras, dando en total un período de análisis de 5 años para cada empresa. Por lo anterior, los períodos de información de las empresas con dificultades financieras pueden variar.

La muestra resultante en el presente estudio después de efectuada la clasificación, está compuesta por 54 empresas con dificultades financieras graves y 36 empresas que no presentan dificultades financieras. La tabla 3 muestra el proceso de obtención de la muestra para esta investigación.

3.2 Hipótesis planteadas en esta investigación

El estado de Flujos de Efectivo y los coeficientes basados en este son utilizados con poca frecuencia como base para el análisis financiero, sin embargo, pueden jugar un papel importante para determinar si una empresa tiene problemas financieros o está en riesgo de quiebra. Por lo tanto, el propósito de esta investigación se enfocará en mostrar cómo los índices de flujo de efectivo pueden ser utilizados para medir la liquidez y detectar posibles riesgos de quiebra en las empresas. Derivado de lo anterior, la primera hipótesis planteada es la siguiente:

H₁ Las métricas basadas en el flujo de efectivo son efectivas para pronosticar la probabilidad de quiebra de una empresa.

La segunda hipótesis planteada en esta investigación tiene como propósito determinar si existen diferencias materiales entre las métricas de flujo de efectivo de las empresas sanas en relación con las que presentan dificultades financieras.

H₂ Las métricas basadas en el flujo de efectivo son significativamente diferentes entre las empresas sanas y las empresas con probabilidad de quiebra.

3.3 Pruebas de hipótesis 1

Este estudio utiliza un modelo de regresión logística para determinar la efectividad del uso de métricas de flujo de efectivo para estimar la probabilidad de quiebra. La regresión logística se utiliza normalmente para hacer predicciones cuando las variables dependientes son categóricas. Existen otros tipos de análisis que sirven para este tipo de estudios como el Análisis Discriminante Múltiple (ADM), sin embargo, se ha encontrado que la regresión logística es menos afectada por las variables. De acuerdo con Rodríguez y López (²⁰¹⁶), el análisis de regresión logística es el método más adecuado para modelar la predicción de quiebra. Lo anterior se debe a que dicho análisis no impone restricciones a la normalidad en la distribución de las variables independientes.

3.4 Prueba de hipótesis 2

La segunda hipótesis tiene como finalidad determinar si las métricas de flujo de efectivo son estadísticamente diferentes entre las empresas con dificultades financieras y las empresas sanas.

Se realizan gráficas que muestran el patrón de comportamiento entre los dos grupos de empresas y así comprobar si muestran diferencias importantes entre sí. De igual manera, se realiza una prueba de diferencia entre medias para determinar si la media de las métricas de flujo de efectivo entre las empresas sanas y las empresas con dificultades financieras son estadísticamente diferentes:

Para probar si hay diferencia en las medias, se utiliza la prueba de T-test si la distribución de la variable muestra un comportamiento normal; mientras que, si la distribución de los datos de la variable no es normal, se utiliza la prueba no paramétrica U de Mann-Whitney para dos muestras independientes. Si el p-valor de las pruebas anteriores es menor a 0.05 se rechaza la hipótesis nula y se demuestra que las medias de ambos grupos de empresas son diferentes entre sí.

Para determinar la normalidad de las variables se utiliza la prueba de Kolmogorov-Smirnov. Si el p-valor es mayor a 0.05 se considera que los datos tienen una distribución normal. Si es menor a 0.05 se considera que los datos tienen una distribución no normal. El paquete estadístico utilizado en la prueba de la segunda hipótesis es SPSS (v. 27, 2020).

4.1 Estadística descriptiva de las variables

Con la finalidad de conocer el comportamiento de las métricas de flujo de efectivo para los dos grupos de empresas analizadas, se realizó un análisis multivariante donde se incluye las medias y las desviaciones estándar de cada una de las diez variables independientes, así como de la variable de control. En la tabla 4 se presenta dicha información.

Como se puede constatar, las empresas con problemas financieros tienden a tener valores sustancialmente más bajos, en comparación con las empresas sanas. La tabla 5 presenta la estadística general de cada variable de flujo de efectivo, como es el máximo, el mínimo, la media, la mediana y la desviación estándar. En ella se puede observar que existe mucha variabilidad entre los máximos y mínimos lo que indica que hay empresas cuyas métricas de flujo están fuera de rango en relación de las demás empresas.

4.2 Resultados de la hipótesis 1 del modelo de regresión logística

Con la finalidad de evaluar si existe una relación entre las variables independientes se efectuó una prueba de correlación cuyos resultados se presentan en la tabla 6.

Los resultados presentados en la tabla anterior permiten identificar que existe una correlación > 0.50 entre la métrica FCO_VTA y las métricas FCO_CP, FCI_PT y FCO_PT; de igual forma, la métrica FCO_CP también presenta una alta correlación con FCO_PT, por lo que se excluyeron esas tres variables de los modelos de regresión logística analizados.

De igual forma, se hicieron diversas pruebas de regresión logística con las variables restantes para determinar cuáles formarían un modelo que pueda pronosticar con mayor eficiencia la probabilidad de quiebra. La primera prueba del modelo incluyó las siete variables restantes, así como la variable de control. Las variables FCO_LP y FCO_UN resultaron ser no significativas con probabilidades de 0.1999 y 0.4357 respectivamente. Se generaron un total de doce modelos y el modelo con mayor bondad de ajuste de acuerdo al criterio Akaike excluye a las dos variables mencionadas anteriormente ya que su inclusión en el modelo final disminuía tanto la R² McFadden como la bondad de ajuste del mismo.

La tabla 7 presenta los resultados obtenidos del modelo de regresión en las que se puede constatar que las cinco variables incluidas en el modelo final, así como la variable de control son buenas estimadoras de la probabilidad de quiebra. El valor de R-cuadrado de McFadden entre 0.2 y 0.4 indica un excelente ajuste.

Como se puede observar, las variables FCO_VTA, FCO_CC, FCO_TA y la variable de control LNAT resultaron ser significativas al nivel de confianza del 99%, la variable FCF_PT resultó significativa con un nivel de confianza del 95% mientras que la variable FCO+I_I resultó ser significativa al nivel de confianza del 90%.

Los resultados anteriores permiten determinar que si existe una relación significativa entre las métricas de flujo de efectivo y las dificultades financieras. Los resultados del presente estudio indican que las métricas de flujo de efectivo FCO_TA, FCO_CC, FCO_VTA, FCF_PT y FCO+I_I son los pronosticadores más eficientes de las dificultades financieras.

La métrica flujo de efectivo a ventas (FCO_VTA) tiene una relación positiva significativa con las dificultades financieras. El signo positivo del coeficiente sorprendentemente indicaría que, a mayor flujo de operación generado por las ventas, mayor la probabilidad de quiebra. La posible explicación de esta situación puede deberse a que la empresa en dificultades financieras presente ventas engañosas o a que el aumento de las ventas pueda ir seguido de un aumento importante de las cuentas por cobrar. Esta situación podría servir para detectar ventas ficticias al presentar un aumento de los ingresos totales junto con un flujo de efectivo insuficiente, ya que los ingresos son la vía más favorable para manipular las ganancias de las empresas en dificultades. Además, si la empresa aumenta la cifra de ventas, pero no ha podido reponer sus inventarios debido a la insuficiencia de efectivo, posiblemente también presente problemas financieros graves. Lo anterior indica que es probable que la empresa se enfrente a dificultades financieras si el aumento de las ventas no se traduce en un aumento en el efectivo generado por la operación. Este resultado es consistente con los obtenidos por Fawzi et al. (²⁰¹⁵) y Karas y Reznakova (²⁰²⁰). Sin embargo, no es consistente con los resultados de Bhandari e Iver (²⁰¹³) en cuyo estudio resultó ser una variable no significativa.

En relación con la variable flujo de operación a total de activos (FCO_TA) esta tiene una relación negativa significativa con las dificultades financieras. Lo que significa que, cuanto mayor sea la proporción de flujo de operación generado por el uso eficiente de los activos, menor será la probabilidad de que una empresa enfrente dificultades financieras. Los resultados anteriores coinciden con los hallazgos de Jones (²⁰¹⁶), Bhandari e Iver (²⁰¹³) y Karas y Reznakova (²⁰²⁰), y contrarios a los resultados de Fawzi et al. (²⁰¹⁵) quién encontró una relación positiva no significativa en su estudio.

Por su parte, la métrica flujo de operación a capital contable (FCO_CC) tiene una relación positiva significativa con las dificultades financieras, ya que, cuanto mayor es la relación, mayor es la posibilidad de que una empresa entre en dificultades financieras. El incremento en esta métrica indicaría que la empresa presenta un mayor nivel de endeudamiento y, por ende, una menor proporción de activos financiados por los accionistas, lo que incrementa el riesgo en la operación. En términos generales cuando los flujos de efectivo generados por la inversión de los accionistas son bajos, la probabilidad de que una empresa presente dificultades financieras aumenta. Lo anterior es consistente con los resultados obtenidos por Fawzi et al. (²⁰¹⁵), sin embargo, en su estudio la métrica resultó no significativa.

La métrica flujo de operación a intereses (FCO+I_I) tiene una relación negativa con las dificultades financieras, lo que indicaría que entre mayor cantidad de veces que el flujo de efectivo de la operación cubra los gastos financieros, menor es la probabilidad de quiebra. Estos resultados son consistentes a los encontrados por Fawzi et al. (²⁰¹⁵), Bhandari e Iver (²⁰¹³) y Jones (²⁰¹⁶).

Finalmente, la métrica flujo de financiamiento a pasivo total (FCF_PT) tiene una relación positiva significativa con las dificultades financieras, lo que significaría que, entre mayor proporción de flujo generado por financiamiento en relación con el total de endeudamiento, mayor es la probabilidad de quiebra. Esto sucede si el incremento en el flujo de financiamiento no proviene de la inversión de los accionistas, sino de nuevos financiamientos externos. Estos resultados son consistentes a los encontrados por Karas y Reznakova (²⁰²⁰) y contrarios a los de Fawzi et al. (²⁰¹⁵) en cuyo estudio esta variable resultó tener una relación negativa no significativa.

En cuanto a la variable de tamaño incluida en el estudio (LNAT) los resultados y el signo del coeficiente en el modelo de regresión son los esperados. El signo negativo indica que entre mayor tamaño tenga la empresa, menor será la probabilidad de quiebra que se tenga. Lo anterior es consistente con los resultados obtenidos por Yap et al. (²⁰¹²).

Por su parte, la eficiencia de las métricas analizadas para determinar la probabilidad de quiebra se presenta en la tabla 8. En ella se muestran los porcentajes de acierto y error en la clasificación de las empresas como sanas o con dificultades del modelo generado en esta investigación.

De acuerdo con lo anterior, el modelo clasificó correctamente a las empresas con dificultades financieras como con probabilidad de quiebra en un 87.73 % de los casos, y clasificó correctamente a las empresas sanas como sin probabilidad de quiebra en un 65.56% de los casos, generando un porcentaje de acierto global del 78.84% de los casos totales. Estos resultados comparables con los encontrados por Fawzi et al. (²⁰¹⁵), Bhandari e Iyer (²⁰¹³), Jones (²⁰¹⁶), Yap el al. (²⁰¹²) y Rodríguez y López (²⁰²⁰) quienes generaron modelos basados en métricas de flujo de efectivo con porcentajes de acierto que van del 77.48% al 89%.

Los resultados anteriores permiten comprobar la primera hipótesis planteada en esta investigación al demostrar que cinco de las siete razones financieras de flujo analizadas pueden pronosticar eficientemente las dificultades financieras.

4.3 Resultados de la 2° hipótesis

La segunda hipótesis planteada en esta investigación sostiene que hay diferencias significativas entre las métricas de flujo de efectivo de las empresas sanas y de aquellas con probabilidad de quiebra. Las siguientes figuras nos muestran algunas diferencias observables en dichas métricas.

La figura 1 representa la media acotada de la métrica FCO_TA para los cuatro años anteriores al año en que las empresas con dificultades financieras presentaron dichas dificultades, y en ella se puede observar que las empresas con problemas financieros son menos eficientes en el uso de sus activos totales para generar ventas que se conviertan en flujo de operación.

Fuente: Elaboración propia

Figura 1 Media acotada de la métrica FCO_TA 

En la figura 2 se muestra la media acotada de la métrica de flujo de financiamiento a pasivo total. En ella se puede observar que las empresas sanas presentan en todos los períodos un flujo de financiamiento negativo, lo que significa que fueron capaces de liquidar sus deudas y recompensar a sus accionistas. Por su parte, las empresas con dificultades presentan una disminución en los flujos que reciben de sus fuentes de financiamiento conforme se acercan al período en que inician sus dificultades financieras.

Fuente: Elaboración propia

Figura 2 Promedio de métrica FCF_PT 

La figura 3, por su parte, presenta la media acotada de la métrica de flujo de operación a intereses y en ella se puede observar que las empresas sanas presentan una cobertura de intereses entre tres y cinco veces mayor en todos los períodos que las empresas con dificultades financieras.

Fuente: Elaboración propia con base en la información de las empresas

Figura 3 Media acotada de la métrica FCO+ I_I 

Aunado a los resultados anteriores, para identificar si existían diferencias importantes en las métricas de flujo de efectivo entre los dos grupos de empresas observadas, se midieron las diferencias con la prueba no paramétrica de muestras independientes de U de Mann-Whitney ya que las pruebas de normalidad efectuadas a las variables indicaron en todos los casos una distribución no normal con un p-valor en todos los casos inferior a 0.01.

Los resultados de la prueba de U de Mann-Whitney se presentan en la tabla 9, y en ella se puede observar que, en nueve de las diez métricas originalmente analizadas, así como en la variable de control si existen diferencias estadísticamente significativas.

Como se puede constatar en la tabla anterior, existe una diferencia entre las medias de las métricas de flujo de efectivo de los dos grupos, con excepción de la métrica flujo de operación a ventas cuya diferencia no resultó ser estadísticamente significativa. Lo que nos permite rechazar la hipótesis nula que establecía que no había diferencias entre las razones de flujo de ambos grupos de empresas.

5.1 Conclusiones

El objetivo planteado en esta investigación fue cumplido en su totalidad ya que el propósito de la investigación fue examinar la relación entre las métricas de flujo de efectivo y la probabilidad de quiebra. Se analizaron 10 métricas de flujo de efectivo de una muestra de 54 empresas con problemas financieros y 36 empresas sanas mediante un modelo de regresión logística para determinar la eficiencia de las métricas de flujo como pronosticador de quiebra.

Después de eliminar tres métricas por presentar correlación, se encontró que cinco de las siete métricas de flujo analizadas son pronosticadores eficientes de la probabilidad de quiebra con un porcentaje de acierto del 87.73% de los casos: flujo de operación a venta (FCO_VTA), flujo de operación a capital contable (FCO_CC), flujo de operación a activos total (FCO_AT), flujo de operación a gasto por intereses (FCO+I_I) y flujo de financiamiento a pasivo total (FCF_PT).

Los resultados del presente estudio permiten concluir que las razones financieras de solvencia y eficiencia son predictores significativos de las dificultades financieras ya que cuando una empresa experimenta problemas para cubrir sus pagos de interés, eso puede ocasionar que deudas clasificadas como de largo plazo sean exigibles de inmediato, lo que incrementaría su probabilidad de quiebra, por lo tanto, entre mayor nivel de endeudamiento se tenga, mayor es la probabilidad de presentar problemas financieros.

Lo anterior sugiere que empresas con un alto nivel de apalancamiento, aunado a una falta de eficiencia en la cobranza de sus ventas presentan una mayor probabilidad de presentar problemas financieros que ocasionen su quiebra en el mediano y largo plazo.

De igual forma Fawzi et al. (²⁰¹⁵) concluyen que las empresas altamente apalancadas que tienen problemas de flujo de caja para cumplir con sus obligaciones es más probable que caigan en dificultades financieras. A conclusiones similares llegaron Rodríguez y López (²⁰²⁰) al indicar que la razón flujo de operación a pasivo total es un pronosticador confiable de dificultades financieras hasta con tres años de anticipación.

Yap et al. (²⁰¹²) concluyen a su vez que los índices financieros que miden la liquidez son los más significativos en su poder discriminatorio que las métricas de rentabilidad sobre si una empresa tiene éxito o tendrá problemas financieros y eventualmente terminará en quiebra.

Por su parte, se pudo constatar que entre más eficiente sea una empresa en la utilización de sus activos para generar ventas que se conviertan en flujo de operación, menor será su probabilidad de enfrentar dificultades financieras que la orillen a la quiebra.

En cuanto al tamaño de la empresa, se determinó que entre mayor sea el tamaño de la empresa disminuye su probabilidad de quiebra ya que tiene un mayor acceso a nuevas fuentes de financiamiento, lo cual es consistente con las conclusiones de la investigación efectuada por Yap et al. (²⁰¹²).

Aunado a lo anterior, se pudo determinar que si existen diferencias significativas en las métricas de flujo de efectivo de las empresas sanas y de las que presentan probabilidad de quiebra en la mayoría de las métricas analizadas. Las empresas con dificultades financieras muestran cambios importantes en su patrón de métricas de flujo de efectivo, presentando en la mayoría de los casos, un flujo de operación negativo, así como flujos de inversión positivos provenientes de la liquidación de activos a largo plazo que se efectúan con la finalidad de solventar sus necesidades de efectivo, así como flujos de financiamiento positivos al requerir de nuevas fuentes de financiamiento.

Lo anterior es consistente con las conclusiones de Jooste (²⁰⁰⁷) quien indica que los signos de una posible quiebra financiera son generalmente evidentes mucho antes de que la entidad falle realmente ya que las entidades fallidas tienen menores flujos de caja que las entidades no fallidas y menores reservas de activos líquidos por lo que tienden a endeudarse más. Cuando las cuentas por pagar aumentan, la entidad recibe crédito adicional generando cambios en el capital de trabajo al mostrar flujos de efectivo positivos, mientras que en otros años experimentan flujos de efectivo negativos.

5.2 Limitaciones y recomendaciones

La mayor limitación encontrada a lo largo de la investigación fue el conformar la muestra de empresas mexicanas que hayan llegado a la quiebra al 31 de diciembre del 2019 (sólo cuatro en más de 20 años), lo que ocasionó que las empresas clasificadas con probabilidad de quiebra no necesariamente hayan estado en una situación tan adversa como una que se haya declarado formalmente en quiebra, lo cual pudo haber afectado los resultados; sin embargo, este hecho no resta utilidad a los resultados de esta investigación ya que se demuestra la eficiencia de las métricas de flujo en el pronóstico de probabilidad de quiebra, por lo que se recomienda una mayor utilización de métricas de flujo en el análisis financiero.

Nuestra recomendación para futuras líneas de investigación sería analizar las métricas de flujo de empresas que realmente hayan quebrado, aumentando la muestra con empresas fallidas de otros países de Latinoamérica e incluir a la industria como variable adicional de control. También se sugiere el uso de informes trimestrales en lugar de informes anuales en el análisis ya que esto puede reducir en cierta medida la precisión predictiva de los modelos de predicción de quiebra estimados.

Otra línea de investigación pudiera enfocarse en estudiar el comportamiento de las métricas de flujo de efectivo en empresas pequeñas y medianas que no coticen en las bolsas de valores.

5.3 Consideraciones finales

En la actualidad, las razones financieras basadas en cifras del balance general y estado de resultados son usadas comúnmente en la predicción de las dificultades financieras de las empresas, sin embargo, los índices basados en flujo de efectivo son menos susceptibles a manipulación, por lo que son más confiables (^{Karas y Reznakova, 2020}).

Los resultados de este estudio demuestran que las métricas de flujo de efectivo son eficientes como herramienta que permite pronosticar con un alto grado de acierto, cuáles son las probabilidades de quiebra de las compañías en el contexto de México.

Derivado de los resultados de esta investigación se puede destacar la importancia de incluir en el análisis financiero y en la determinación de la probabilidad de quiebra a métricas basadas en flujo de efectivo, ya que la información que brindan estas métricas puede ser de gran utilidad para los usuarios de la información financiera en su toma de decisiones.