SciELO - Scientific Electronic Library Online

 
vol.13 issue27The Scarlet Macaw and Conservation and Management Strategies in Reforma Agraria, Chiapas, MexicoDynamic Managerial Capabilities of SME managers in the adoption of national and cross-border electronic commerce author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Nova scientia

On-line version ISSN 2007-0705

Abstract

PANTOJA-AGUILAR, Martín P.; PIZANO-RAMIREZ, Guadalupe de Montserrat; LERMA-TORRES, Berenice  and  ZAVALA-VARGAS, Miguel Ángel. Evaluando el modelo de Puntuación Z’’ de Altman para determinar su nivel de precisión en empresas mexicanas. Nova scientia [online]. 2021, vol.13, n.27, 00019.  Epub Feb 21, 2022. ISSN 2007-0705.  https://doi.org/10.21640/ns.v13i27.2881.

Introducción:

En 1968, Altman desarrolló un modelo multivariado predictivo denominado Puntuación Z para evaluar la posibilidad de quiebra en empresas públicas manufactureras. Posteriormente, Altman (1983) rediseñó el modelo de Puntuación Z’’, mejorándolo para su aplicación en empresas públicas y privadas, manufactureras o no manufactureras, incluso en países emergentes. El nivel de predicción del nuevo modelo demostró ser altamente eficiente. Esta investigación evaluó el nivel de precisión del modelo aplicado en empresas listadas en la Bolsa Mexicana de Valores, ya que la investigación en este tema es muy escasa.

Método:

La presente investigación fue realizada mediante un enfoque cuantitativo a través de un censo de alcance situacional con un corte longitudinal. El periodo cubierto fue 2012-2019, pues en este intervalo se tuvo cierta estabilidad económica sin altibajos significativos. El estudio incluyó la integración de una amplia base de datos y el diseño de una tipología para clasificar y analizar 155 empresas, basándose en la desviación estándar y el promedio de resultados de 837 puntuaciones Z’’. Un segundo análisis fue conducido para probar si la predicción de la situación (área asignada) por la Puntuación Z’’ correspondía con la situación real del mercado de cada empresa.

Resultados:

Los resultados obtenidos mostraron que el nivel de precisión del modelo disminuyó cuando se aplicó al censo de empresas mexicanas. El error del modelo aplicado a empresas mexicanas, y que fueron ubicadas en la zona de predicción de bancarrota, fue del 75 % de casos de error en su clasificación. El error total del modelo, incluyendo todos los casos y todas las zonas, fue del 18 % basado en la incorrecta clasificación de empresas. Se espera que el modelo sea efectivo dentro de un margen de tiempo de dos años previos a la posible bancarrota. Aun considerando un periodo más largo, las compañías ubicadas en la zona de predicción de bancarrota continuaron manteniendo un 57 % de error en su clasificación. El error total del modelo, incluyendo todas las empresas y todas las zonas clasificadas, siguió manteniendo un 14 % de error en sus clasificaciones. Esto representó un alto nivel de ineficiencia del modelo aplicado a países emergentes, en este caso México.

Discusión o Conclusión:

El modelo es ciertamente efectivo al predecir la ubicación de empresas en las zonas de no-bancarrota o gris, pero resultó ser ineficiente al predecir la posibilidad de bancarrota. También fue demostrado que el periodo de dos años ya no es efectivo al aplicar el modelo a empresas mexicanas. Se evidencia que se requieren más casos de investigación para poder calibrar de nueva cuenta el modelo, a fin de que pueda ejecutarse eficientemente en países emergentes, tomando en cuenta condiciones específicas del país y considerando un periodo de diferente para predecir la bancarrota.

Keywords : predicción de quiebra; Puntuación Z’’; razones; problemas financieros; precisión del modelo; países emergentes; empresas mexicanas; bolsa mexicana de valores; economía; finanzas.

        · abstract in English     · text in English     · English ( pdf )