Cuando analizamos la contabilidad de una empresa, una de las principales dudas que siempre planearan sobre nuestro análisis será acerca de la fiabilidad de los datos con los que trabajamos. Al fin y al cabo, los datos nos los proporciona la propia empresa. Y dado que el tiempo es, por desgracia, escaso no podremos comprobar punto por punto cada detalle.
También hay modelos que nos permiten saber en un vistazo cuál es la probabilidad de que exista manipulación en las cuentas. Por ejemplo, al doctor Messod Beneish, de la Universidad de Indiana, se le ocurrió un modelo basado en 8 variables que determina cuál es la probabilidad en porcentaje (es un modelo probit) de que la empresa esté manipulando sus beneficios.
Utilizando este modelo, un grupo de alumnos de la Universidad de Cornell llegó a la conclusión en la primavera del 98 de que Enron estaba manipulando sus cuentas.
En sus última versión, la fórmula del modelo es la siguiente:
M-score = −4.84 + 0.92(DSRI) + 0.404 (AQI) + 0.115 (DEPI) + 4.679 (TATA) + 0.528 (GMI) + 0.892 (SGI) − 0.172 (SGAI) − 0.327 (LEVI)
Una compañía que está creciendo rápidamente, experimentando deterioro en los fundamentales o adoptando prácticas contables muy agresivas, es más probable que esté manipulando los resultados. Por lo tanto, cuanto mayor sea el resultado del M-Score, más probable que la empresa esté manipulando sus resultados.
Un resultado superior a -1,78 estaría indicando una probabilidad de manipulación de los resultados superior a la aceptable. (En algunos lugares veréis que Score es -2,22. Esos lugares están desactualizados y no tienen en cuenta los últimos trabajos de Beneish).
Aunque Beneish lo llame M-Score, el resultado es un Z-Score y por lo tanto podremos calcular la probabilidad de manipulación utilizando una tabla de distribución acumulada como esta. Un resultado de -1,78 significa por tanto una probabilidad de manipulación de 0,04. Esto es 1 / 25.
Suponiendo que cuando se descubre que una empresa ha manipulado pierde, en media (de acuerdo al estudio de Beneish) un -40% en el trimestre, y que una empresa que no manipula gana en torno a un +2% al trimestre, entendemos la consistencia de la elección de -1,78 como punto de corte. Beneish intenta cubrir lo mejor posible una cartera, por lo que hace que sea entre 20 y 30 veces más fácil decir que una empresa inocente es culpable a decir que una empresa culpable es inocente.
Lo más relevante está en entender las variables que componen el modelo y analizarlas por separado. Cada una de ellas presenta importante información.
Las variables pueden dividirse entre señales de manipulación (variables sensibles de la cuenta de resultados que pueden ser señales de que la empresa esté manipulando los resultados) y señales de motivación (variables que tratan de medir la existencia de un incentivo del management para manipular los resultados.
Todas las variables se construyen bajo la premisa de que un valor = 1 es neutral, superior a 1 hace más probable que la empresa esté manipulando sus cuentas e inferior a 1 menos probable.
Respecto a las señales de manipulación, tenemos:
- DSRI (Days Sales Receivables Index = (Current Year Receivables ÷ Sales) ÷ (Prior Year Receivables ÷ Sales).
Ratio entre las cuentas a cobrar de clientes y las ventas totales (Cuentas a cobrar / Ventas) de este año en relación al año anterior. Si es superior a 1, puede sugerir o que están empeorando las condiciones económicas de la empresa (se incentivan las ventas a través de créditos más laxos) o que se están reconociendo beneficios de forma muy agresiva.
Una forma de cubrir esta variable es con un factoring de la cuenta de clientes. Es importante, a la hora de profundizar en el análisis, ajustar este ratio si la compañía utiliza esta técnica.
- AQI (Asset Quality Index = (Current Year Noncurrent Assets except PPE ÷ Total Assets) ÷ (Prior Year Noncurrent Assets except PPE ÷ Total Assets).
Ratio entre los activos no corrientes (excluyendo Planta, Propiedad y Equipo) y el activo total (Activos no corrientes - PPE / Activo Total) en este año, en relación con el año pasado. Un ratio superior a 1 indica que los activos no corrientes (como el fondo de comercio o los intangibles) están incrementándose con respecto a los tangibles. Esto podría estar indicando una excesiva capitalización de gastos.
- DEPI (Depreciation Index = [Prior Year Depreciation ÷ (Depreciation + PPE)] ÷ [Current Year Depreciation ÷ (Depreciation + PPE)].
Ratio entre la tasa de depreciación (depreciación / depreciación + PPE) de los activos el año pasado y la tasa de depreciación este año. Si es superior a 1, indica que los activos se están depreciando a menor ritmo.
Esto muestra que la compañía está incrementando su estimación de la vida útil de los activos, disminuyendo por lo tanto el gasto de depreciación, para quizá incrementar artificialmente los beneficios.
- ACCRUALS (devengo) = (Income Before Extraordinary Items - Cash from Operations) ÷ Total Assets). En versiones anteriores, esta variable se presentaba como TATA y se calculaba como Total Accruals to Total Assets).
Ratio entre el beneficio neto y el cash flow operativo. Mide la diferencia entre el beneficio en la cuenta de resultados y el flujo de caja operativo. Es la única variable cuyo valor neutral es 1. Hay una extensa literatura respecto al tema, que coincide en que cuanto mayor sean la diferencia entre cash y beneficio, mayor la probabilidad de que la empresa esté manipulando los resultados.
Por ejemplo, el propio Beneish mostró cómo las acciones de la empresas con buen resultado en el M-Score pero con mayores accruals mostraron un peor comportamiento histórico frente a los que tuvieron un buen resultado y menores accruals (en media, un -20% inferior en el periodo estudiado).
En cuanto a las señales de motivación:
- GMI (Gross Margin Index = (Prior Year Gross Margin) ÷ (Current Year Gross Margin).
Ratio entre beneficio bruto y ventas totales del año pasado respecto al actual. Si el resultado es superior a 1, significa que los márgenes se están deteriorando y existe por lo tanto un incentivo para manipular los beneficios.
- SGI (Sales Growth Index= Current Year Sales ÷ Prior Year Sales.
Ratio entre las ventas de este año respecto al pasado. Esta variable pretende buscar si estamos ante una compañía "growth", puesto que existe literatura que muestra que estas empresas tienen un incentivo para manipular el crecimiento de sus ventas. Por lo tanto, a pesar de ser bastante contra-intuitivo, un ratio superior a 1 muestra a priori una mayor probabilidad de manipulación de los beneficios.
- SGAI (Sales, general and administrative expenses = (Current Year SGA ÷ Sales) ÷ (Prior Year SGA ÷ Sales).
Ratio de los costes SGA (costes de ventas, generales y administrativos) en porcentaje sobre ventas de este año respecto al año pasado. Si es superior a 1, muestra una menor eficiencia. Esto podría crear un incentivo para manipular los resultados, de acuerdo a diferentes estudios.
- LEVI (Leverage Index = [(Current Year Long-Term Debt + Current Liabilities) ÷ Total Assets] ÷ [(Prior Year Long-Term Debt + Current Liabilities) ÷ Total Assets].
Ratio entre la deuda total respecto a los activos de este año frente a los del pasado. Si es mayor que 1 muestra un incremento del apalancamiento. Se añade al modelo para tratar de capturar cómo la empresa podría caer en la manipulación del beneficio para cumplir sus covenants de deuda.
Tienes aquí todas las fórmulas.
Hay tres variables en el modelo que se han considerado las menos relevantes: LEVI, SGAI y DPI, por lo que muchas veces se eliminan y se presenta el modelo sólo con cinco variables. Es importante destacar que esto no es lo que hace Beneish. El autor utiliza todas las variables en sus últimos trabajos al considerar a todas estadísticamente significativas.
En su primer trabajo, Beneish mostraba que el M-Score era capaz de encontrar manupuladores correctamente hasta en un 76% de los casos estudiados entre 1982 y 1992, utilizando la base de datos de Compustat. Tan sólo un 16,5% de las empresas estudiadas que mostraron una probabilidad significativa de manipulación salieron incorrectamente en la foto.
En 2007 Beneish publicó un nuevo trabajo mostrando además los buenos resultados de su modelo para la selección de acciones. Así, de acuerdo a un posterior estudio de 2013, mostró cómo las acciones que presentaban peores resultados en el M-Score obtenían una rentabilidad un -10% inferior a las compañías que no mostraron señal de alarma.
Por lo tanto, este modelo es interesante para ver, de un vistazo, si tenemos que analizar con mayor profundidad de la habitual. Así mismo, es una fantástica herramienta que incluir en un screener. En este sentido hay varias herramientas de screening en la red que incluyen este modelo.
Lamentablemente, el modelo ha ido perdiendo fiabilidad con el tiempo. Una vez conocido, ya se sabe por dónde te van a buscar y las empresas se apañan para buscar sus trucos (las empresas que quieren engañar, que por suerte son minoritarias, aunque existan). Con todo, no está de más conocer otro instrumento, de nuevo basado en fundamentales, pero que da información en un sólo vistazo.
Tomás García-Purriños, CAIA
@tomasgarciap_p
