Transcript Estadística aplicada al análisis financiero Dispersión de ratios financieros   En el análisis de ratios suele establecerse una base de comparación con medidas tales como el.

Estadística aplicada al análisis
financiero
Dispersión de ratios
financieros


En el análisis de ratios suele
establecerse una base de comparación
con medidas tales como el promedio del
sector.
La comparación será adecuada o no, en
función de factores tales como el
tamaño y la dirección de la desviación
respecto a la norma.
Dispersión

En una distribución Normal (m, s)





68% de las observaciones (m  s)
95% de las observaciones (m  2s) y
99% de las observaciones (m  3s)
Es, por lo tanto, fundamental, incluir una medida
de la dispersión
Si la distribución no es Normal, entonces la
comparación no debe hacerse respecto a la
media, sino a la mediana (o a todos los
percentiles)
Correlación de ratios
financieros

En una determinada empresa puede esperarse
una alta correlación entre los ratios, debido a dos
razones:


en primer lugar, muchos de los ratios están
construidos con componentes comunes del balance de
situación y/o de la cuenta de pérdidas y ganancias,
en segundo lugar, muchas de las partidas de los
estados financieros tienden a variar en la misma
dirección, ya que se ven afectadas por variables que
las hacen variar simultáneamente, en el mismo o
distinto sentido.
Correlación positiva
Correlación negativa

¿Por qué es importante la correlación?


Por una parte, la correlación permite
reducir el número de ratios a estudiar (qué
información es relevante);
por otro, puede dar lugar a una toma de
decisiones equivocada (qué información es
redundante).

También puede existir correlación temporal,
debido fundamentalmente a las siguientes
razones:



las empresas intentan mantener unos niveles
considerados óptimos para los ratios,
existe una correlación entre el sector y hechos
generales de la economía que afectan a las empresas
de dicho sector, así por ejemplo, alrededor del 50% de
la variación en los niveles medios del EPS se relacionan
con cambios en la economía,
inercia y persistencia en las operaciones de la empresa,
lo que indudablemente facilita la predicción.
ANÁLISIS MULTIVARIABLE

El análisis multivariable consiste en la
utilización de técnicas estadísticas
avanzadas. Se utiliza frecuentemente en
análisis sectoriales. Requiere datos de
una muestra relativamente grande, por
lo que no suele aplicarse a una sola
empresa.
Objetivos
1. seleccionar aquellos ratios que proporcionan verdadera
información.
2. resumir la información que presentan todos estos ratios en algo más
manejable y de interpretación más sencilla,
3. determinar si existen grupos de empresas dentro de cada sector que
presenten características comunes y agruparlas en función a dichas
características, con dos objetivos:
- conocer la posición comparativa de nuestra empresa dentro del sector,
- saber sobre qué variables hay que incidir para pasar de un grupo a otro.
4. determinar las variables estratégicas del sector y tener la posibilidad
de encuadrar a cualquier empresa nueva dentro de ellas.
PROPÓSITO
DEL ANÁLISIS
PREDICCIÓN
MÉTODOS
DE PERTENENCIA
DESCRIPTIVOS
REDUCCIÓN DE LA
ANÁLISIS
TIPO
DE DESCRIPCIÓN
CLASIFICACIÓN
INFORMACIÓN
DISCRIMINANTE
CONTÍNUA
ANÁLISIS
FACTORIAL
TIPO
DE VARIABLES
ESCALA
MULTIDIMENSIONALES
DISCRETA
ANÁLISIS DE
CORRESPONDENCIAS
ANÁLISIS
CLUSTER
Modelos de discriminación de grupos


se determinan a partir de las variables
iniciales, las más diferentes entre los sectores
industriales, para poner de manifiesto las
diferencias más significativas en términos de
variabilidad;
se identifican los grupos de empresas, a partir
de los ratios más diferenciados, con el fin de
caracterizar cada uno de los grupos de
empresas, (análisis cluster)
Análisis cluster


El análisis cluster está constituido por un conjunto de
técnicas dirigidas a particionar un conjunto de
objetos en grupos de manera que los individuos
dentro de cada grupo sean homogéneos entre sí y
los de grupos diferentes sean heterogéneos.
En definitiva, lo que se intenta es obtener
conglomerados a partir bien del análisis factorial,
bien a partir de análisis de otro tipo consiste en
determinar las distancias (similaridades o
disimilaridades) que existen entre los distintos
componentes de la muestra para establecer
categorías diferentes.
Análisis cluster



¿cómo medir la similitud o disimilitud
entre cualesquiera dos objetos?
¿cómo asignar los objetos en los
diferentes grupos (clusters) una vez
medida la (di)similutud?
una vez hecho esto, ¿pueden obtenerse
interpretaciones
prácticas
o
son
artificiales estos clusters?
Análisis cluster


Las medidas de las que parte el análisis cluster
están basadas en la distancia (euclídea, por
ejemplo)
El método que se va a emplear es el método del
centroide, que consiste en dividir el número de
observaciones en grupos de tal manera que, al
final de un proceso ietrativo cada individuo
pertenece al grupo cuyo centro está más próximo
en términos de distancia euclídea
Distancias y agrupación
E1
E2
E3
F1
F2
28
17
12
38
FI
EJ
D(E1;E2)= (28 -17)2 + (12-38)2 + .... = 0,28
Distancias y agrupación
E1
E2
E3
.
.
E1
E2
E3
0
0,28
1,75
.
.
0,28
0
9,1
.
.
1,75
9,1
0
.
.
Análisis de factores

El análisis factorial es una técnica, en
definitiva, que consiste en resumir la
información contenida en una matriz de
datos con V variables. Se identifican un
reducido número de factores F (F<V)
que representan las variables originales,
con una pérdida mínima de
información.
¿Para qué sirve?


Este tipo de análisis es útil para la exploración de
un conjunto extenso de datos.
Su objetivo general es estudiar la intercorrelación
de un elevado número de variables, mediante su
agrupación en factores comunes, de manera que
las variables que integran cada uno estén
altamente correlacionadas.
Análisis de factores
El modelo es parecido al de regresión múltiple. Cada
variable se expresa como una combinación lineal de
factores no directamente observables:
xij = F1i ai1 + F2i ai2 +...........+ Fki aik + Ui
donde:
 xij es la puntuación del individuo i en la variable j,
 Fij son los coeficientes factoriales,
 U es el factor único.
 Los factores no están correlacionados entre sí, son
independientes.

PASOS A SEGUIR




Calcular y examinar la matriz de correlaciones
entre todas las variables.
Extracción de los factores necesarios para
representar los datos.
Rotación de factores para facilitar su
interpretación (representación gráfica).
Calcular las puntuaciones factoriales para
cada individuo, las cuales puede utilizarse en
cálculos posteriores.
Proceso

En el punto de partida, tenemos tantos
factores como variables. El programa de
ordenador genera unos autovalores
(EIGENVALUE)que pueden interpretarse
como un porcentaje de la variabilidad
total explicada por el factor, también
aparecen los porcentajes de cada
variable (que no varían a lo largo de
todo el proceso) y los acumulados.
MATRIZ FACTORIAL.
Cada columna es un factor, cada fila, una variable.
FACTORES
VARIABLES
1
2
.........................k
1
2
.
.
.
.
.
V
F11
F21
.
.
.
.
.
F1V
F12
F22
.
.
.
.
.
F2V
........................Fk1
........................Fk2
....................... FkV
Qué son los Fij?


Los Fij pueden interpretarse como índices de correlación
entre el factor i y la variable j. Si los factores no están
correlacionados son realmente correlaciones entre factor y
variable. Estos valores se denominan pesos, cargas,
ponderaciones o saturaciones factoriales (factor loading) e
indican el peso que cada variable asigna a cada factor.
Cuando hay variables con ponderaciones altas en un
factor y bajas en las demás, se dice que están saturadas
en ese factor. El análisis factorial tiene sentido sólo cuando
todas las variables se saturan en algunos de los factores.
AUTOVALORES

Las Fi de la matriz factorial elevadas al
cuadrado, reciben el nombre de
autovalores y ofrecen un índice de la
varianza de cada variable que explica
cada uno de los factores. La suma de
los cuadrados de cada columna es una
medida de la varianza de la matriz R
que viene explicada por el factor.
COMUNALIDAD


Es la proporción de varianza explicada por el conjunto de
factores comunes seleccionados. Las iniciales son
siempre iguales a 1 y no tienen significación. Al final la
comunalidad representa la varianza total de cada una de
las variables. La comunalidad de cada variable es la
proporción de varianza explicada por el conjunto de los
factores resultantes.
Se calcula a partir de la matriz factorial y es igual a la
suma de los cuadrados de las ponderaciones factoriales
de cada variable.La varianza que queda sin explicar se
atribuye al factor único, que no se incluye en la matriz
factorial.
NÚMERO DE FACTORES A
CONSERVAR


La matriz factorial suele representar un
número de factores superior al necesario para
explicar la estructura de los datos originales.
Generalmente hay un conjunto reducido de
factores (los primeros) que explican la mayor
parte de la variabilidad total. Los demás
contribuyen relativamente poco.
Kaiser (1960): establece que han de
conservarse sólo aquellos factores cuyo
autovalor sea mayor que 1. Los paquetes
informáticos suelen hacerlo por defecto
NÚMERO DE FACTORES A CONSERVAR
Reducimos el tamaño de esta matriz escogiendo en función
del autovalor anteriormente calculado, los factores
principales.
FACTORES
VARIABLES
1
2
...........................i
1
2
.
.
.
.
.
V
F11
F21
.
.
.
.
.
F1V
F12
F22
.
.
.
.
.
F2V
........................ Fi1
........................ Fi2
........................FiV
siendo i<K.
ROTACIÓN DE FACTORES
VARIABLE
F1
F2
V1
V2
V3
V4
0,600
0,500
0,200
-0,300
0,700
0,500
-0,500
0,600
VARIABLE
F1
F2
V1
V2
V3
V4
0,912
0,702
0,226
0,216
0,026
-0,018
-0,483
0,639
Inconvenientes del análisis
factorial


los resultados son concluyentes, pero están
sujetos a cierta subjetividad por parte del
analista en la interpretación de los factores
comunes;
el análisis es bastante complejo.
GRUPOS ESTRATÉGICOS
definición



Un grupo estratégico está compuesto por
empresas que compiten por los mismos tipos
de consumidores en formas diferentes (Hunt,
1972, Newman, 1973, 1978)
En un sector ideal, cada grupo atendería un
nicho de demanda, sin embargo, de hecho,
no existen estas relaciones biunívocas
Los diferentes GE enfocan de manera distinta
la competencia, sin embargo un segmento de
mercado puede ser servido por más de un GO
concepto



Se basa en el supuesto de que en la práctica
se dan conductas similares entre empresas
La probabilidad de que los miembros del
mismo grupo respondan de manera similar a
las perturbaciones es alta (Caves y Porter,
1977).
Por ello, las empresas de un GE determinado
reconocen su interdependencia y son capaces
de anticipar sus reacciones con precisión ante
los movimientos de otras empresas
Importancia para el análisis
estratégico (Hatten y Hatten, 1987)



Conservar más información en relación a lo
que caracteriza al análisis sectorial al utilizar
medias o datos agregados
Investigar empresas de forma concurrente.
De este modo se puede valorar la efectividad
de las acciones estratégicas sobre una mayor
gama de variaciones que la que ofrece el
análisis de una empresa individual
Resumir información que resalte los aspectos
clave
Diferencias de rendimiento



Sería razonable pensar que distintas
estrategias (distintos GO) produzcan distintos
rendimientos
Las diferencias se explican a través del
concepto de barreras a la movilidad.
Barreras a la movilidad son factores
estructurales que impiden a las empresas
cambiar libremente su posición competitiva
(Cool y Schendel, 1988)
Diferencias de rendimiento


De forma análoga existen mecanismos de
aislamiento (Rummelt, 1984) que se definen
como factores que impiden o inhiben la
imitación de unas empresas por otras.
Estos dos conceptos son equivalentes y se
refieren ambos a las condiciones duraderas
que permiten la obtención de rendimientos
superiores a las empresas mejor situadas
dentro de un determinado sector industrial.
Sector industrial

Criterios para definirlo:



Tecnología: procesos industriales
Mercado: productos sustitutivos
Dificultad: existe una gran cantidad de
empresas que opera en mercados
diferentes, ofreciendo productos que no
son sustitutivos y utilizando distintas
tecnologías => ¿Cómo clasificarlas?
Variables estratégicas




Tamaño
Estrategia corporativa
Posición de mercado
Compromiso de recursos y/o activos
tamaño




Cifra de activos totales
Cifra de inmovilizados
Número de trabajadores
Importe neto de la cifra de negocio
Estrategia corporativa

Diversificación





Geográfica
Productos
Clientes
Integración vertical u horizontal
Expansión, internacionalización....
Posición de mercado






Ingresos relativos
Cuota de mercado
Grado de integración vertical
Diferenciación del producto
Diversificación
Precios relativos
Compromiso de recursos



Existencia de economías de escala
Innovación
Publicidad
Compromiso de activos






Activos de capital
Instalaciones
Canales de venta y distribución
Nivel tecnológico
Habilidad de los directivos
Imagen de marca
Definición de variables





Tamaño: media de activos, inmovilizado e importe
neto de la cifra de negocios
Posición de mercado: ventas empresa/ventas del
sector
Intensidad del activo: depreciación/ventas
Compromiso de recursos: autonomía financiera
Gestión:



Inventarios: RI
Costes: (GP+GF)/Ventas
Gestión de tesorería (PMMA-PMMD)
Metodología


Cluster utilizando esas variables
¿Existe diferencia de rendimientos?
Comparación ROA y ROE entre los
grupos determinados en el paso
anterior