III Simposio Nacional Formación con calidad y pertinencia. Medellín. SENA SENNOVA

INDICADORES PARA MITIGAR EL RIESGO DE CRÉDITO Y EN LA UNIDAD

DE NEGOCIOS DE MIPYMES ANTIOQUEÑAS.

Fernando De Jesús Franco CuartasCentro de Servicios y Gestión Empresarial.

SENA Regional Antioquia. [email protected]

El SFC a la hora de fidelizar a las Mipymes, las aborda desde la concepción de banca comercial, y no como banca de Inversión, por eso, desde la perspectiva comercial se asume un alto riesgo de crédito y de unidad de negocio, por desconocer indicadores de alerta temprana para mitigar dichos riesgos.

Resumen

El presente estudio propende por la determinación de las variables que inciden en los SV a la hora de ser sometido a estudio y análisis los Estados financieros básicos incluido el estado de flujo de efectivo, EFE.

…Edward Altman

…

Como lo plantea Nicolás Ossa, la banca comercial es la llamada a vender los productos y servicios financieros a gran escala a la microempresa (Un & Viable, 2004) y ésta a implementando sus decisiones de otorgar créditos con base en el Balance general y el Estado de Resultados de propósito general, lo cual de entrada conlleva un alto nivel de riesgo de crédito (Sepúlveda, Reina, & Gutiérrez, 2012)

Introducción

Desde la vigencia del EOSF, la colocación de los recursos en las diferentes modalidades de crédito se fidelizaban a través de garantías reales a nivel de hipotecas o prenda, dejando de lado la capacidad que tenían las unidades deficitarias de generar flujo de caja.

…

Estado del arte Los antecedentes de las investigaciones más importantes, afirma Ibarres Mares, que se han desarrollado en torno a los ratios de los modelos financieros para predecir quiebras, fue a partir del trabajo pionero de Fizpatrick (1932). Posteriormente, están los trabajos de Arthur Winakor, Raymond Smith (1935), y Charles Merwin (1942) (“Ibarra Mares, Alberto. 2016).

En Colombia, de acuerdo con (Valencia, Johana, & González, 2016) el índice Z de Altman se ha utilizado en diversos estudios, por un lado, se evaluó el riesgo de quiebra en algunas empresas del sector manufacturero de Santander, específicamente en la capital Bucaramanga.

…

Las relaciones entre deudores y entidades de crédito es un binomio que genera valor para las partes involucradas en un contrato crediticio, en la medida que el riesgo de crédito sea mínimo como lo plantea Cristina Gutiérrez López.

…

El riesgo de crédito aparece vinculado a los productos de activo bancario. Se refiere a la posibilidad de que la contrapartida de una operación no cumpla con lo acordado, en tiempo o forma, en la fecha de vencimiento.

…

Ahora el análisis de riesgo de quiebra (Valencia et al., 2016) muestra un amplio espectro dependiendo del sector en el cual se inserte cada ente económico como se aborda en la investigación: Modelo para el análisis de la quiebra financiera en pymes agroindustriales antioqueñas.

…

El riesgo de quiebra en la práctica es un situación multifactorial más allá de aplicar este o aquel modelo, en tal sentido, como lo infiere en la conclusiones Felipe Clavijo Ramírez.

Borradores de Economía. Número 951. Banco de la Republica de Colombia. 2016

…

En Colombia, según la Ley para el Fomento de la Micro, Pequeña y Mediana Empresa, Ley 590 de 2000, las pymes se clasifican así: microempresa: personal no superior a 10 trabajadores. Activos totales inferiores a 501 SMMLV. Pequeña empresa: personal entre 11 y 50 trabajadores. Activos totales mayores a 501 y menores a 5.001 SMMLV. Mediana empresa: personal entre 51 y 200 trabajadores. Activos totales entre 5.001 y 15.000 SMMLV.

…

Para empresas manufactureras no cotizadas en bolsa: Zl = 0.717Xl + 0.847X2 +3.107 X3 +0.42X4 +0.998X5. Los parámetros o límites de referencia para las separaciones de los grupos son las siguientes: Z >= 2.90. Se tiene baja probabilidad de quiebra, Z <= 1.23. Se tiene alta probabilidad de quiebra, 1.23 < Z<2.90 Zona gris.

Modelo Z-score

Para empresas comerciales y de servicio: Z2 = 6.56Xl + 3.26 7 X2 + 6.72 X3 + 1.05 2X 4. Los parámetros o límites de referencia para las separaciones de los grupos son las siguientes: Z >= 2.60. Se tiene baja probabilidad de quiebra, Z<= 1.10. Se tiene alta probabilidad de quiebra, 1.10 <Z< 2.60 Zona gris.

Modelo Z-score

Donde Xl = (KW/ At); X2 = (Zr/At); X3 =, (U.A.I / At); X4 = (Valor de mercado del capital contable / VL deuda); X5 = (Ventas/At) (en veces), estos indicadores corresponden a las empresas manufactureras que cotizan en bolsa; para las empresas manufactureras que no cotizan en bolsa el indicador X4 se reemplaza por X4 = (Valor contable de! patrimonio / Pasivo total) y para las empresas de servicio y comerciales el indicador X5 se elimina ya que en este tipo de empresas varía significativamente el valor de los activos (Guzmán & Cabeza de Vergara, 2003).

Modelo Z-score

Trabajo de carácter exploratorio, analítico, cuantitativo e inferencial. Se ingresa a la base de datos SIREM de Supersociedades de Colombia, y se elige una muestra aleatoria de 12 sectores económicos, con 35 empresas como se muestra en la tabla 1, con presencia en la ciudad de Medellín, capital del departamento de Antioquia.

Metodología

Sectores3 construcción2 agropecuario1 aeronáutico5 comercio4 textil2 minas2 restaurantes2 inmobiliarias2 alojamiento7 manufactura3 TIC2 servicios

35

Resultados

Actividad Z score Señal

manufacturera 2,2 Zona Gris

comercial 0,2 Alto Riesgo de Quiebra

comercial 2,7 Bajo Riesgo de Quiebra

comercial 1,6 Zona Gris

comercial 0,2 Alto Riesgo de Quiebra


manufacturera 0,5 Alto Riesgo de Quiebra



manufacturera 0,6 Alto Riesgo de Quiebramanufacturera 0,8 Alto Riesgo de Quiebra

manufacturera - 0,4 Alto Riesgo de Quiebra



Servicios - 3,2 Alto Riesgo de Quiebra

Servicios 2,5 Zona Gris




Servicios 5,3 Bajo Riesgo de Quiebra

Servicios - 1,0 Alto Riesgo de Quiebra


Servicios 0,7 Alto Riesgo de Quiebra

Servicios 5,6 Bajo Riesgo de Quiebra

Servicios 1,8 Zona Gris


comercial - 1,2 Alto Riesgo de Quiebra









ConclusionesEl hecho que todas las empresas manufactureras o industriales de las 35 analizadas estén por debajo de la zona de bajo riesgo, es coherente con el bajo margen bruto promedio de 32.31% en los últimos cinco años lo cual eleva los costos de producción en promedio al 67.69%, los gastos operacionales promedio al 23.9% y convierte, los costos y gastos en variable critica (indicador de alerta temprana: Margen bruto) determinante para el Z_Score.

…Para las empresas en zona gris se advierten serias ineficiencias en la gestión de los costos y gastos operacionales, destruyendo valor en términos, del ROA y ROE

Con los resultados obtenidos en este trabajo, se confirma la tendencia hacia la desindustrialización de Antioquia y en particular de la otrora Medellín ciudad industrial de Colombia.

Recomendaciones

Dado el nivel superior de la fuente de financiación proveedores 27.6%, este trabajo deja la reflexión para investigar en futuros estudios, el impacto de dicha fuente en los gastos financieros de las Mipymes Antioqueñas, al no tomar los descuentos por pronto pago que plantean los proveedores.

El presente estudio exploratorio, soportado en el Z_Score, deja abierta la reflexión para contextualizar el riesgo de quiebra en el marco del Sistema de Administración del Riesgo de Crédito, SARC (Hernández, Meneses, & Benavides, 2005), el Operativo, SARO y el Informático, SARI, todos ellos como determinantes de la sostenibilidad corporativa en el mundo global.

…

Anexo1

Anexo 2

Anexo 3

Anexo 4

Antonio, J., Méndez, P., & Pérez, O. C. (2009). Gestión del capital circulante y rentabilidad en pymes, 9( August), 119–140.Caballo Trébol, Álvaro. Medición de riesgo de crédito: desarrollo de una nueva herramienta. Madrid, ES: Universidad Pontificia Comillas, 2013. ProQuest Ebrary. Web. 11 July 2016. Copyright © 2013. Universidad Pontificia Comillas. All rights reserved. (2016), (July).Gallardo Millán, L. A., & Avilés Ochoa, E. (2014). ESTRUCTURA DE CAPITAL Y RIESGO FINANCIERO: EVIDENCIA EMPÍRICA EN PYMES HOTELERAS. (Spanish). CAPITAL STRUCTURE AND FINANCIAL RISK: EMPIRICAL EVIDENCE IN SME. (English), 9(2), 1275–1284. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=97164699&site=ehost-liveGuti, C. (2016). RIESGOS OPERACIONALES EN ENTIDADES FINANCIERAS : UN, (August).Guzmán, D. B., & Cabeza de Vergara, L. (2003). Verificación y adaptación del modelo de ALTMAN a la Superintendencia de Sociedades de Colombia. Pensamiento Y Gestión - Universidad Del Norte, 15 (August), 26–51.Hernández, L., Meneses, L., & Benavides, J. (2005). Desarrollo de una metodología propia de análisis de crédito empresarial en una entidad financiera*. Estudios Gerenciales, 21(97), 129–165. Retrieved from http://www.scielo.org.co/pdf/eg/v21n97/v21n97a07.pdfIbáñez- Hernández, F. J., Vasco, P., Herriko, E., & Peña-cerezo, M. A. (2009). en los resultados “ ex post ”: una aproximación Patxi Ibáñez Hernández * Miguel Ángel Peña Cerezo * RESULTADOS EX POST : UNA, (August 2016).

Referencias

GRACIAS

III Simposio Nacional Formación con calidad y pertinencia. Medellín. SENA SENNOVA

Economy & Finance

Transcript of III Simposio Nacional Formación con calidad y pertinencia. Medellín. SENA SENNOVA