Análisis de Estados Financieros
ANÁLISIS DE ESTADOS FINANCIEROS
1
Sesión No. 9
Nombre: Diagnóstico financiero. Primera parte.
Contextualización
Los diferentes métodos de análisis que se pueden utilizar para evaluar y en su
defecto emitir un diagnóstico de una empresa cambian gradualmente
dependiendo del grado de análisis y de las variables que se integren a los
modelos.
En el caso de los métodos estadísticos es importante enfatizar que al trabajar
con valores muestrales se obtienen resultados que representan aproximaciones
de la realidad, y no son valores exactos.
Asimismo, los modelos estadísticos son expresiones simbólicas representadas
en forma de igualdades a manera de diseño experimental, y con supuestos
claramente especificados que permiten identificar las restricciones que existen
entre las variables, en el caso concreto de la regresión nos indica los diferentes
factores que modifican a la variable de respuesta.
ANÁLISIS DE ESTADOS FINANCIEROS
2
Introducción
La aplicación de modelos estadísticos para el análisis financiero radica en la
capacidad de diseñar y ejecutar acciones financieras y comerciales, así como el
seguimiento y medición a partir de las estimaciones de los posibles escenarios
en función de la identificación y cuantificación de los factores que intervienen
dentro del modelo y de sus efectos estratégicos y funcionales en la empresa.
Por lo anterior, es necesario que las ecuaciones tengan propiedades que sean
consistentes con el comportamiento real de los mercados y recoger las
influencias más importantes de la variable dependiente del modelo, así como la
necesidad de tener acceso a información oficial e histórica de los datos que se
utilizarán para realizar las estimaciones, logrando con esto una estructura
funcional a largo plazo.
ANÁLISIS DE ESTADOS FINANCIEROS
3
Explicación
Actividad y tamaño de la empresa
¿Por qué son útiles los modelos estadísticos para inferir relaciones de variables que permitan determinar el tamaño de la empresa?
Los modelos de regresión son métodos estadísticos que modelan la relación
entre una variable dependiente o endógena (Y), que es considerada nuestra
variable en la investigación, y una serie de variables independientes, explicativas
o exógenas (Xi), que son elementos manipulables que permite observar cómo
incide sobre la expresión de la variable dependiente, dentro de estos modelos se
adiciona un término aleatorio (ε), que se asocia con el error que se ocasiona por
no considerar en su totalidad todos los factores que pueden influir directamente
en la variable dependiente de la regresión. Un modelo de regresión lineal básico
se ejemplifica mediante la siguiente ecuación explícita en Y:
Y = β0 + β1 X1 + β2 X2 + …+ β n X n + ε
Donde la β0 es la intersección o término constante, es decir, corta al eje
explicativo, mostrando el valor exacto de la variable explícita con un valor de Xi
de cero.
El análisis de regresión es la forma de encontrar si dos o más variables están
relacionadas entre sí, considerando que vamos a obtener resultados estadísticos
para Y con específicos para X.
Por lo tanto, podemos decir que la variable dependiente es estocástica o
aleatoria y la variable independiente es no estocástica.
ANÁLISIS DE ESTADOS FINANCIEROS
4
Ejemplifiquemos este modelo mediante la siguiente ecuación:
Y = 297.2 – 73.25 X
Ahora, qué pasaría con el valor de Y, si X cambiara en 12.5 unidades.
Suponiendo que el primer valor de X fuera de 10 unidades.
Caso 1 Y = 297.2 –
73.25 (10)
Y = - 435.3
Caso 2 Y = 297.2 – 73.25 (22.5)
Y = - 1350.925
Se puede concluir que al incrementar X en 12.5 la variable dependiente
disminuye, es decir, existe una relación inversa entre ambas variables.
El análisis de regresión lineal es útil para encontrar la ecuación que mejor se
ajusta a una dispersión de datos. Es importante resaltar que la dispersión se
presenta porque existen más factores que influyen en el modelo especificado y
además, hay que considerar que siempre existirá dispersión ya que son rectas
de regresión muestral, y no poblacionales.
ANÁLISIS DE ESTADOS FINANCIEROS
5
El resultado de la regresión no es matemáticamente exacto o puntual, debido a
que son resultados estadísticos o aproximaciones a la realidad; donde la recta
puede mostrarnos un valor y en la realidad pudo haber sido otro.
Existe dentro del modelo de regresión el Error o Perturbación (ε) que lo podemos
definir como la distancia que existe entre los datos de la regresión lineal y el dato
observado en la realidad.
La gráfica nos muestra un ejemplo de una recta de regresión muestral que mejor
explica los datos, ajustándose a los que presentan menores diferencias o errores.
La regresión en sí misma no define causalidad, es decir, no te dice quién es
causa y quién efecto, por eso es importante desarrollar supuestos previos que
sustenten el modelo de la regresión.
Es de igual manera importante aclarar que no es lo mismo correlación y
regresión, ya que el primero nos dice que tan fuerte es la relación entre las
variables, y el segundo si existe relación entre ellas.
ANÁLISIS DE ESTADOS FINANCIEROS
6
Para poder obtener las ecuaciones de regresión se pueden emplear diversas
metodologías: 1) Mínimos cuadrados ordinarios (MCO); 2) Máxima Verosimilitud
(MV); o bien, 3) Método de los momentos.
Acorde a Damodar Gujarati en su obra Econometría, nos indica que la
metodología más empleada es la de Mínimos Cuadrados Ordinarios (MCO) que
consiste en encontrar las menores distancias entre la recta y los puntos,
explicado de otra forma, busca los menores errores o diferencias.
Los estimadores de MCO están expresados en términos de las variables
independientes y dependientes, siendo estimadores puntuales. Al final los
resultados obtenidos nos van a mostrar qué tanto los indicadores muestrales se
parecen a la poblacional, y se debe especificar correctamente el modelo, con la
finalidad de disminuir el sesgo de especificación ocasionado por la causalidad.
Para poder comprender todos los elementos que intervienen en la especificación
de un modelo de regresión y al mismo tiempo vislumbrar la utilidad de éste en el
análisis financiero de una empresa, supongamos la resolución del siguiente caso.
La empresa “El Cisne” presenta los siguientes datos históricos de Gastos de
Publicidad y Ventas.
El Cisne
Gastos de
Publicidad
(Millones)
Ventas
(Millones)
20 140,00
24 161,00
28 185,15
32 212,92
36 244,86
ANÁLISIS DE ESTADOS FINANCIEROS
7
40 281,59
44 323,83
48 372,40
52 428,26
Lo que realmente quiere conocer la empresa es cuál es la relación que existe
entre ambas variables y al mismo tiempo encontrar el modelo que explica dicha
relación.
Existen en la actualidad distintos paquetes informáticos que permiten poder
obtener estos valores como el Statistical Package for the Social Sciences (SPSS)
que tiene la capacidad de trabajar con bases de datos grandes. Pero de igual
forma se puede utilizar la paquetería de office, en específico de Excel para
obtener dichos datos.
Ingrese la tabla de información en una hoja de Excel nueva:
Posteriormente se debe habilitar el comando de Análisis de datos, para esto se
debe realizar los siguientes pasos:
ANÁLISIS DE ESTADOS FINANCIEROS
8
1. Haga clic en el botón de Microsoft Office® y, a continuación, haga clic
en Opciones de Excel. 2. Haga clic en Complementos y, en el cuadro Administrar, seleccione
Complementos de Excel. 3. Haga clic en Ir. 4. En el cuadro Complementos disponibles, active la casilla de
verificación Herramientas para análisis y, a continuación, haga clic en
Aceptar.
Una vez habilitado el comando, dé clic sobre la opción de regresión
Se habilitará la pantalla para que se especifiquen los valores de la variable
explicativa que en este caso son los Gastos de Publicidad y de la variable
dependiente que serían las Ventas. De igual forma, se tienen que habilitar todas
las casillas que se planean analizar.
ANÁLISIS DE ESTADOS FINANCIEROS
9
Una vez realizado esto, se anexarán las tablas con la información que se
especificó en la función de regresión.
ANÁLISIS DE ESTADOS FINANCIEROS
10
Con base en esta información se podrá construir la ecuación de regresión para
este modelo:
Coeficientes
Intercepción
-
83,0008375
20 9,4540282
Y = β0 + β1 X1
Y = -83,0008375 + 9,4540282 X
La relación entre ambas variables es directa. Por lo tanto, si los Gastos de
Publicidad aumentan en una unidad, las Ventas aumentarán en 9,4540282.
Una vez que se cuenta con la ecuación de la regresión, se pueden realizar
estimaciones suponiendo diversos escenarios, por ejemplo, que pasaría si la
empresa decidiera gastar en publicidad el próximo año 65 (millones):
Y = -83,0008375 + 9,4540282 (65)
Y = 531,5109955
La empresa estaría esperando obtener por el gasto en publicidad unas ventas de
531,5109955.
ANÁLISIS DE ESTADOS FINANCIEROS
11
Un dato relevante de analizar es la R2 que es el coeficiente de determinación,
que nos indica el porcentaje de variación de la dependiente que es explicado por
la independiente. En este caso el 98,10 por ciento de variación de las ventas son
explicados por las variaciones de los Gastos de Publicidad, para el modelo
especificado. Se puede sugerir que siempre que R2 sea igual o mayor a 0,8 es
aceptable.
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,99047643
Coeficiente de determinación R^2 0,98104356
R^2 ajustado 0,97788415
ANÁLISIS DE ESTADOS FINANCIEROS
12
Conclusión
El diagnóstico financiero mediante los métodos estadísticos permiten realizar
simulaciones cercanas a la realidad de la empresa que permitan poder proyectar
ventas, costos e inclusive flujos de efectivo basándonos en la relación que exista
entre las variables que integran el modelo de regresión, en otras palabras, nos
ayudan a poder determinar las necesidades de recursos financieros o materiales
acorde a la actividad y tamaño de la empresa.
El realizar de una manera constante estas simulaciones de operación nos ayuda
a encontrar puntos de incidencias que muchas veces el análisis por razones o
por tendencias no nos indica, esto permitirá que la administración de la entidad
se enfoque en tomar decisiones para controlar las partidas presupuestales que
realmente son relevantes para el crecimiento de la empresa.
ANÁLISIS DE ESTADOS FINANCIEROS
13
Para aprender más
Análisis de regresión lineal múltiple: Caso de Starbucks
• Ruiz, M. (2013). Análisis de regresión lineal múltiple: Caso de Starbucks.
Consultado el 9 de julio de 2014:
http://www.youtube.com/watch?v=gASpGQj77rw
Modelo de regresión: lineal simple y regresión logística
• Moral, I. (2006). Modelos de regresión: lineal simple y regresión logística.
Consultado el 9 de julio de 2014:
http://www.revistaseden.org/files/14-CAP%2014.pdf
ANÁLISIS DE ESTADOS FINANCIEROS
14
Actividad de Aprendizaje
Instrucciones:
Con la finalidad de reforzar los conocimientos adquiridos a lo largo de la sesión,
ahora desarrolla un modelo de regresión lineal simple utilizando la información
proporcionada en los estados financieros, en caso de requerir más datos
históricos, investiga datos propios del sector en donde participa la empresa que
seleccionaste, esto con el fin de poder establecer una relación entre aquellas
variables que consideres acorde al histórico que son representativas en las
afectaciones de ventas o costos para la empresa.
Esta información deberás guardarla en un archivo de Excel para poderla subir a
la plataforma de la asignatura.
La actividad te ayudará a comprender la utilidad de utilizar modelos estadísticos
para realizar un diagnóstico financiero enfocándote en la actividad y tamaño de
la empresa.
Se tomará en cuenta lo siguiente:
• Tus datos generales
• Referencias bibliográficas
• Ortografía y redacción
• Título
• Resumen
• Representación gráfica.
ANÁLISIS DE ESTADOS FINANCIEROS
15
Bibliografía
Gujarati, D. (2003). Econometría. México: McGraw-Hill.
Cibergrafía
Moral, I. (2006). Modelos de regresión: lineal simple y regresión logística.
Consultado el 9 de julio de 2014:
http://www.revistaseden.org/files/14-CAP%2014.pdf
Ruiz, M. (2013). Análisis de regresión lineal múltiple: Caso de Starbucks.
Consultado el 9 de julio de 2014:
http://www.youtube.com/watch?v=gASpGQj77rw
Top Related