ANALISIS DE INSOLVENCIA DE LA

ENTIDAD ALICORP S.A

INTEGRANTES:

Juregui Len Elizabeth

Valentn Melgarejo Bryan

Prado Serva Jos Manuel

 INTRODUCCION

El anlisis es una herramienta fundamental para la toma de decisiones, debido a que utilizando esos
mtodos podemos ayudar a la administracin en determinar lo relacionado con Insolvencia.

Con el anlisis financiero se logra identificar los diversos procesos econmicos de las diferentes
organizaciones, lo cual permite evaluar objetivamente el desempeo de la administracin,
determinando las posibilidades de desarrollo y el perfeccionamiento de la direccin.

En tal sentido el presente trabajo ha consistido en realizar el anlisis de estados financieros utilizando
los diferentes mtodos llmese estos Vertical Horizontal, razones financieras que en nuestro caso se
ha realizado a la empresa ALICORP S.A.A. para lo cual mostramos en los captulos subsiguientes los
Estados Financieros, los cuadros con los respectivos anlisis , su interpretacin sus conclusiones
DENOMINACIN

La denominacin social de la empresa es Alicorp S.A.A.

DOMICILIO

El domicilio de la sociedad es Avenida Argentina N 4793, Carmen de La Legua Reynoso, Callao. Su

central telefnica es 315-0800, su fax el nmero 315-0850.

Nombre del representante legal: JEREMIAS QUINTANILLA RENZO ALBERTO DIDIER apoderado
desde 09/02/2015.

CONSTITUCIN E INSCRIPCIN

Alicorp S.A.A. se constituy por Escritura Pblica del 16 de julio de 1956 extendida ante el notario
pblico Dr. Julio C. Berninson e inici sus actividades el 1 de agosto de 1956. La sociedad est
registrada en la Partida Electrnica N 70267718 del Registro de Personas Jurdicas de los Registros
Pblicos del Callao.

GRUPO ECONMICO

La sociedad forma parte del Grupo denominado Grupo Romero.

BREVE RESEA HISTRICA DE LA EMPRESA

En 1971 el Grupo Romero adquiri la Compaa Industrial Per Pacfico S.A. (CIPPSA), constituida en
1956 por Anderson Clayton para producir aceites, grasas comestibles y jabn de lavar. En 1993 se
fusion absorbiendo otras dos empresas del grupo, Calixto Romero S.A. en Piura, empresa
productora de aceites vegetales y molienda de algodn; y Compaa Oleaginosa Pisco S.A. en el sur,
empresa productora de aceites comestibles y jabn de lavar.
En febrero de 1995 CIPPSA adquiere La Fabril, empresa matriz en el Per del grupo Bunge & Born de
Argentina y que haba fusionado en 1993 a las empresas Copsa, Molinera Santa Rosa (en Lima) y a
Sidsur (en Arequipa). En marzo CIPPSA absorbe a CODISA, empresa fundada en 1976 por el Grupo
Romero para comercializar productos de consumo masivo.

En junio de 1995 CIPPSA se fusiona con La Fabril absorbindola y dando lugar a la creacin del
Consorcio de Alimentos Fabril Pacfico (CFP).

En octubre de 1995 CFP compr la fbrica de galletas de Molinera del Per S.A. (MOPESA) y en
diciembre de 1996, se fusion absorbiendo a otras 2 grandes empresas peruanas Nicolini Hnos. y
Molinera del Per S.A.; ambas productoras de harinas y pastas. En ese momento se forma Alicorp
S.A.A.

En enero del 2001, Alicorp adquiere la planta de oleaginosos de Industrias Pacocha S.A.
perteneciente al Grupo Unilever, ubicada en la ciudad de Huacho.

El primero de junio del 2004 se llev a cabo la fusin de Alicorp y Alimentum S.A - que produce la
marca Lamborghini- y de la distribuidora Lamborghini S.A., lo que significa nuestro inicio en el
segmento de helados.

VISIN

Hacia el 2021 vamos a triplicar el valor de la compaa.

Sorprendemos a los mercados con nuestro crecimiento agresivo e innovacin. Transformamos

categoras comunes en experiencias extraordinarias. Nuestro objetivo es estar entre las 250
empresas ms grandes de Latinoamrica.

Somos una empresa de Clase Internacional, con productos y servicios de alto valor agregado, que
satisfacen las necesidades y expectativas de nuestros clientes en cualquier mercado".
MISIN

Creamos marcas lderes que transforman mercados generando experiencias extraordinarias en

nuestros consumidores. Estamos en constante movimiento, buscando innovar para generar valor y
bienestar en la sociedad.

Somos una empresa dedicada a la produccin y comercializacin de alimentos y derivados, integrada

por personas con espritu de empresa, comprometidas en fijar nuevos estndares de excelencia en
la satisfaccin de Ios clientes. Queremos lograr nuevos niveles de xito competitivo en cada
categora de negocios en los que competimos para beneficio de nuestros accionistas, de nuestros
clientes y consumidores, de nuestros trabajadores y de las comunidades en las que operamos"

PRESENTACION DE LA EMPRESA

Alicorp S.A es una empresa dedicada a la elaboracin de productos industriales de consumo masivo
y nutricin animal como son: bebidas, helados, cuidado del cabello, aceites domsticos, entre otros.
Es caracterstico en esta compaa que todos sus procesos cumplan con los estndares
internacionales de calidad y competitividad, lo que ha llevado a obtener una serie de distinciones,
en resultado al buen funcionamiento en la toma de decisiones de sus dos principales rganos
estructurales: la gerencia general y la vicepresidencia.

Su historia se inicia en el ao de 1928 cuando el grupo Romero constituye la Sociedad

C. Romero y Ca. con el objeto de instalar una fbrica de aceites, jabones y mantecas. Con el paso
de los aos ha sufrido una serie de cambios en su denominacin tras la fusin y absorcin de
pequeas empresas; hasta que en 1997 se establece bajo la razn social de Alicorp S.A
Desde entonces el buen desempeo de sus labores y la prctica de su poltica integrada de los
Sistemas de Gestin basadas en las expectativas de los clientes y consumidores, as como en su
responsabilidad ambiental y social, con el cumplimiento de los requisitos legales establecidos y la
bsqueda del desarrollo de su personal. Le han permitido alcanzar un liderazgo no slo en el
mercado peruano, sino tambin en el mercado de Argentina, Colombia, Ecuador y Centroamrica.

En nuestro pas, Alicorp S.A tiene presencia en casi todos los departamentos, por medio de
instalaciones como almacenes, plantas industriales, plataformas logsticas, distribuidores de
helados, oficinas de ventas y distribuidoras exclusivas donde la relacin con los accionistas est
basada en la transparencia y el cumplimiento de buen gobierno corporativo.

Es importante resaltar que el xito alcanzado hasta el momento se basa en la determinacin de su

visin empresarial orientada a la innovacin, transformando categoras comunes en experiencias
extraordinarias; siempre con la mira en convertirse en una de las 250 empresas ms grandes de
Latinoamrica y de continuar con el correcto de sus recursos se asegurar el buen nivel logrado hoy
en da.

Toda Empresa realiza inversiones en los activos que le permitan operar y as generar la rentabilidad
esperada .Alicorp S.A es una empresa productora y comercial y como tal requiere de insumos para
poder transformarlos en sus productos finales pero a su vez tambin requiere de la maquinaria
necesaria que le permita llevar a cabo todo su proceso de elaboracin.

La primera inversin que normalmente se menciona es la Inversin en Activos Fijos, destacando los
Inmuebles, Maquinarias y Equipos: Alicorp ao tras ao ha ido disminuyendo sus inversiones en tal
rubro, lo que podra explicarse como un adecuado mantenimiento de la maquinaria ya existente lo
que reduce su necesidad de adquirir una nueva. Continuando con las inversiones a largo plazo, un
comportamiento opuesto, la presentan las inversiones financieras, las cuales han ido creciendo hasta
alcanzar una participacin del 26.41% del total de las inversiones.
Un segundo grupo se concentra en el nivel de Inventarios que la empresa debe mantener, los mismos
que estn conformados por la materia prima o insumos que se requiere para la produccin, los
productos que se encuentran en proceso y los productos finales. Durante los 3 primeros aos las
existencias han mostrado un incrementado, lo cual representa una mayor produccin; sin embargo
los 2 aos siguientes ha ido disminuyendo paralelamente que aumenta el efectivo dentro de la
Empresa, en otras palabras, se ha venido realizando un adecuado desarrollo de las ventas.

A pesar de este buen indicador, hoy en da, resulta muy difcil cobrar por adelantado las ventas, lo
cual debe ser manejado con cautela, ya que depender de l la correcta rotacin de la cartera. En
nuestro caso y a pesar de su volatilidad; en promedio las cuentas por cobrar han sido bien
manejadas, en lo que se debe trabajar en adelante es en ir reducir el porcentaje obtenido en el 2009
del 15.19%, dado que an es un indicador relativamente alto.

As como estas cuentas, todas en conjunto repercuten directamente sobre la caja; donde un
adecuado nivel de la misma permitir asumir situaciones imprevistas cuando se atrase el flujo de
ingresos o se acelere el flujo de desembolsos. Por este lado, Alicorp, ha incrementado sus
porcentajes, pero ello tampoco es saludable, ya que un 2.59% representa que no se est dando la
circulacin del dinero dentro del ciclo de negocios. De mejor estos aspectos la empresa seguir
mostrando una posicin confiable dentro del Mercado.

ACTIVIDAD ECONOMICA

Su actividad econmica consiste en la fabricacin y distribucin de aceites y grasas comestibles,

fideos, harinas, galletas, jabn para lavar, detergentes, salsas, helados, refrescos instantneos,
alimentos balanceados para consumo animal, productos de cuidado personal y olena de pescado
con alto contenido de Omega 3, as como la distribucin de productos fabricados por terceros.
POSICION FINANCIERA

Al analizar la posicin financiera de la Empresa Alicorp S.A es de vital importancia estudiar con
detenimiento cmo se ha venido comportando el funcionamiento interno de la Empresa? Para dar
respuesta a esta interrogante se hace necesario observar la tendencia que han seguido sus
principales Ratios en funcin a su Liquidez, Gestin, Endeudamiento y Rentabilidad.

Por el lado de su Liquidez, podemos concluir que sta se ha mostrado en crecimiento, as por ejemplo
para ltimo ao se logr un nuevo ingreso en concepto a Ingresos Financieros lo que le dio a la Caja
un aumento importante, al igual que permiti tener una mayor capacidad para hacer frente a las
obligaciones ms inmediatas, mostrando de sta manera una buena imagen frente a los
intermediarios financieros.

A raz del anlisis de liquidez se puede a apreciar que para este ao las existencias disminuyeron al
no haberse destinado un porcentaje del financiamiento hacia ste tipo de inversin, como se hizo,
por lo que las ventas no se dieron en la misma magnitud que aos anteriores y lo que condujo a la
reduccin en la cantidad de las cuentas por cobrar. Todo ello trajo consigo que en cuanto a los
Indicadores de Gestin tanto la rotacin de Cartera como la Rotacin de Inventarios se vean
levemente reducidas en comparacin a los aos transcurridos desde el 2011 al 2015. Pero dicho
comportamiento en las rotaciones a pesar de ser menores en razn al ao anterior, se ve explicado
por la proporcin de las ventas que tambin decreci. De esta manera la liquidez- gestin est
siguiendo un funcionamiento adecuado.

Para determinar el nivel ptimo de endeudamiento toda empresa debe considerar 2 puntos
importantes: En primero lugar, la capacidad de generacin operativa de caja de parte de las
Inversiones, evaluando la Rentabilidad de las mismas. As como bien se aprecia en los Estados
Financieros donde el efectivo ingresado en la empresa se muestra en aumento, lo que le permite
cubrir sus obligaciones de corto plazo y obtener un Capital de Trabajo positivo ao tras ao. En
segundo lugar: Es preciso determinar la capacidad de mantener el flujo de Caja en el tiempo, as
como la variabilidad del mismo, de sta manera la inversin hecha en activos de largo plazo requiere
de decisiones bien fundamentadas asegurando el retorno de lo invertido en unas futuras
operaciones de la Empresa. Y Alicorp ha pensado correctamente en sus polticas de manera que sus
inversiones se encuentras distribuidas correctamente, asegurando su funcionamiento ms adelante.
De manera que el endeudamiento se determina pensando en soportar pocas difciles donde la
economa no se muestra tan favorable y la empresa pueda no tener buenos ingresos, ni recibir la
utilidad esperara en sus inversiones, un punto ms a favor de Alicorp S.A.

Finalmente esta empresa ha logrado en stos 5 aos, que la Rentabilidad de las Inversiones hechas
sea la adecuada, a pesar de que se redujeron las existencias y con ello las ventas, aun as la utilidad
obtenida sobre stas ltimas, lleg a alcanzar su mejor registro para el ltimo ao, y de la misma
manera tambin lo hicieron el resto de indicadores de Rentabilidad. Lo que mantiene conformes a
los inversionistas y propietarios.

Con todo ello la Empresa Alicorp S.A que tambin participa en el Mercado Burstil, ha logrado
enfocarse en polticas bien diseadas de forma que ha logrado hasta el momento asegurar su
funcionamiento da a da, proyectando una sostenida Posicin Financiera lo que la ha convirtindola
en una empresa Lder en el mercado nacional e Internacional.

ASPECTOS EXTERNOS

Alicorp contribuye de manera permanente con diversas organizaciones benficas ligadas a los temas
de nutricin, ecologa y educacin. Realiza, mediante su programa "Voluntarios Alicorp", actividades
de voluntariado en las cuales sus trabajadores ofrecen tiempo y conocimientos a poblaciones
necesitadas. Dona importantes volmenes de vveres a instituciones caritativas, albergues
municipales, centros estatales, asociaciones civiles, etc. Adicionalmente, asiste con productos
recolectados entre su personal a poblados devastados por catstrofes naturales. Este ao Alicorp ha
lanzado junto a Critas del Callao su programa de nutricin comunitaria llamado Recuperar, a travs
del cual se evaluar a 1,000 nios de las zonas de Carmen de la Legua, Botern, Ventanilla y
Pachacutec, en el Callao, y se lograr la recuperacin nutricional de500 de ellos mediante la ingesta
de medicamentos y antianmicos. Como segundo objetivo, el programa est avocado al desarrollo
de capacidades de las madres y el fortalecimiento de los comedores infantiles al brindarles
conocimientos para mejorar sus prcticas de higiene y salud y preparar mens nutritivos y
balanceados. Finalmente, el programa persigue tambin crear una red de promotores de vigilancia
nutricional que trabajen directamente con las poblaciones mencionadas. Como actividades
complementarias al programa Recuperar, Alicorp se encuentra implementando junto con Critas del
Callao biohuertos en los comedores populares, que permitirn el desarrollo de conocimientos para
incrementar la disponibilidad de alimentos en la zona de Pachacutec en el Callao. Por otro lado, el
programa se ver reforzado a travs de la realizacin de cuatro campaas de asistencia mdica como
parte del programa Puente de Vida de la organizacin Vida Per.

Finalmente, los voluntarios de Alicorp se encuentran tambin participando activamente del

programa a travs de diferentes actividades para capacitarse ellos mismos en temas de nutricin y
mejorar la infraestructura de los ambientes en los que se ejecutar el programa. En el tema
ecolgico, con el propsito de brindar un trato ambiental de excelencia a la comunidad, Alicorp ha
instalado en su sede de Piura una planta de tratamiento de efluentes industriales demarca Seghers.
Ha adoptado el uso de slices absorbentes en el proceso de neutralizacin de aceites vegetales en su
sede del Callao, con lo cual ha eliminado un proceso de lavado previo que significaba el consumo de
12,600 toneladas de agua al ao. Asimismo ha instalado un equipo de tratamiento de humos, que
permite que los habitantes de los alrededores de las plantas estn libres de la emanacin de gases
txicos. Adems de implementar el uso del gas natural de Camisea para sus procesos de produccin
afianzando su poltica de cuidado del medio ambiente.

Respecto a la educacin, Alicorp auspicia un programa de Ecoplayas de concientizacin de

conservacin de nuestras playas, el cual combina la capacitacin de agentes ecolgicos en diversas
universidades con operativos de limpieza de playas silvestres. Igualmente, subvenciona eventos
educativos tales como el concurso de creatividad empresarial juvenil

"Creer para Crear". PRODUCTOS QUE PRODUCE Productos: Aceites domsticos: Primor Premium,
Cocinero, Primor, Capri Maxisab, Friol Soya, Cil. Alimentos Balanceados: Nicovita Camarn de Mar,
Nicovita Truchas.
FACTORES POLITICOS, ECONOMICOS, SOCIALES Y TECNOLOGICOS

Empresa dedicada a la elaboracin de productos industriales, de consumo masivo y nutricin

animal

La denominacin social de la empresa es

Alicorp S.A.A.
Direccin: El domicilio de la sociedad es Av. Argentina N4793, Carmen de la Legua Reynoso, Callao.

Constitucin e Inscripcin: Alicorp S.A.A. se constituy por Escritura Pblica el 16 de Julio de 1956
extendida ante el notario pblico Dr. Julio C. Berninson e inici sus actividades el 1 de Agosto de
1956. La sociedad est registrada en la Partida Electrnica N 70267718 del Registro de Personas
Jurdicas de los Registros Pblicos del Callao.

Objeto social: La sociedad tiene por objeto social dedicarse a la industria, exportacin, importacin,
distribucin y comercializacin de productos de consumo masivo, principalmente alimenticios y de
limpieza, en sus ms variadas formas, en especial lo que corresponde a la industria oleaginosa, de
jabones, detergentes, grasas industriales, caf, productos cosmticos, de higiene y limpieza
personal, y productos afines y derivados de los citados.

Constituye asimismo, parte del objeto social, la prestacin de toda clase de servicios y asesoramiento
industrial, comercial y administrativo en sus ms diversas reas; as como las actividades de desmote
y comercializacin de algodn, semillas oleaginosas y subprodutos derivados de los mismos.
Principales logros de la corporacin
Al 31 de diciembre de 2013 Alicorp S.A.A y sus subsidiarias mostraron un incremento en utilidad neta
de 5% y asi, aumentando de S/. 351,390 (ventas netas del 2012) a S/. 368,888 (ventas netas del
2013), esto dado al incremento de la ganancia bruta.
De esta manera, las ventas netas durante el ao 2013 alcanzaron los S/. 5,822,004 las cuales fueron
mayores a las que se obtuvieron en el 2012, siendo estas S/. 4,473,717.
Evolucion de las operaciones
Aos despus de su creacin, la empresa se constituy en varios pases y ya en el 2012, en el 22 de
mayo, constituyo una nueva sociedad llamada Alicorp Holdco Espaa S.L.
En marzo del 2013 se inaugur una planta de alimentos balanceados en Ecuador, y en la fecha 3 de
diciembre del mismo ao se Alicorp se transfiri a Empresas Carozzi S.A. las marcas MIMASKOT y
NUTRICAN en reas del Per y el extranjero. El precio de venta de las marcas y activos ascendi a
US$ 36725,624.

Poltica de Calidad

En AIicorp estamos comprometidos a desarrollar, producir y comercializar alimentos y productos de

consumo masivo, insumos industriales y raciones para animales, con el fin de satisfacer a
consumidores y clientes, para lo cual innovamos, aplicamos exigentes estndares de calidad,
mejoramos continuamente nuestros procesos y desarrollamos a nuestro personal.

Poltica de Calidad

En AIicorp estamos comprometidos a desarrollar, producir y comercializar alimentos y productos de

consumo masivo, insumos industriales y raciones para animales, con el fin de satisfacer a
consumidores y clientes, para lo cual innovamos, aplicamos exigentes estndares de calidad,
mejoramos continuamente nuestros procesos y desarrollamos a nuestro personal.

Poltica Ambiental

En Alicorp estamos comprometidos a mejorar continuamente nuestras operaciones, a prevenir la

contaminacin y a utilizar adecuadamente la energa, con la finalidad de minimizar los impactos
ambientales de nuestras actividades, productos y servicios en beneficio de la comunidad, dentro del
marco legal aplicable y los requisitos voluntarios que la empresa adopte.
Poltica de Seguridad y Salud Ocupacional

En Alicorp estamos comprometidos a evitar que las personas sufran lesiones o daos a su salud en
nuestras instalaciones y a eliminar los daos materiales en general, para lo cual promovemos el
comportamiento seguro, capacitamos y entrenamos a nuestro personal, reducimos los riesgos,
cumplimos con la legislacin aplicable y estamos preparados para controlar un eventual incendio o
emergencia, en un marco de mejora continua de la seguridad.
MODELOS MULTIVARIADOS DE PREDICCIN DE QUIEBRA

Los modelos basados en un solo ratio son demasiado simples como para tener en cuenta la
complejidad de una quiebra, por lo que los estudios ms recientes sobre la insolvencia empresarial
completan el anlisis univariante con frmulas que incluyan varios ratios.

De esta forma, aparecen los mtodos de anlisis multivariante, cuyo objetivo es construir una
funcin que proporcione una medida global del riesgo de crdito de una empresa, combinando la
informacin contable procedente de varios ratios.

Pero una clara limitacin del modelo multivariado resulta ser que diferentes variables pueden
implicar distintas predicciones para la misma empresa. Por lo tanto, no es sorprendente que se hayan
desarrollado modelos multivariados, que combinen la informacin de diversas variables financieras
en un anlisis interdependiente. La variable dependiente en estos modelos es: Una prediccin de
pertenencia a un grupo (ejemplo: quebradas y no quebradas), es decir, un problema de clasificacin
o una estimacin de la probabilidad de pertenecer a uno de los grupos (ejemplo: la probabilidad de
quiebra). Las variables independientes examinadas han sido ratios financieros y otras variables
orientadas a la firma. Las problemticas que aparecen al intentar generar un modelo de este tipo
son:
Qu variables debieran ser incluidas?

Qu forma debiera tener el modelo?

Qu peso debiera ser asociado a cada variable?

Idealmente, la teora econmica respecto de la crisis financiera debiera servir de gua en la

resolucin de las preguntas anteriores. Desafortunadamente, existe una muy reducida gama terica
disponible para la generacin de este tipo de modelos, por lo tanto, no es sorprendente que los
estudios publicados hayan basado su eleccin de variables en una extensiva bsqueda de datos
empricos y en los resultados de estudios anteriores.
Las principales tcnicas estadsticas de anlisis multivariante son el anlisis de regresin mltiple, el
anlisis discriminante multivariado, los modelos de regresin cualitativa (probit-logit) y las redes
neuronales.

Anlisis de modelos logit y probit

Segn (Lpez Prez 2005: 197) define los modelos economtricos de eleccin dicreta binaria
multiple (Logit y Probit) mediante los siguientes puntos:

Modelos de eleccin discreta

La expresin funcional del modelo de anlisis de regresin mltiple es la regresin multiple admite
la posibilidad de trabajar con variables dependientes discretas en vez de continuas para permitir la
modelizacin de fenmedos discretos.

Variables discretas y continuas

Cuando el conjunto de los valores que podra tomar una determinada variable aleatoria es discreto
(es decir, finito o infinito numerable) se dice que dicha variable es de tipo discreto (a veces a las
variables de este tipo se les denomina tambin atributos), por oposicin a aquellos casos en que
dicho conjunto es un infinito continuo en los que la variable se denomina continua. (Rafael Romero
& Luisa Rosa, 2005: 31).

Cuando la variable dependiente es una variable discreta que refleja decisiones individuales en las
que el conjunto de eleccin est formado por alternativas separadas y mutuamente excluyentes
estamos ante los modelos eleccin discreta. Los modelos de eleccin discreta en los que el conjunto
de eleccin tiene solo dos alternativas se llaman modelos de eleccin binaria. Cuando el conjunto de
eleccin tiene varios valores discretos nos encontramos ante los modelos de eleccin mltiple o
modelos multidimensionales.
Modelos de eleccin discreta binaria

Dentro de los modelos de eleccin discreta en los que el conjunto de eleccin tiene slo dos
alternativas posibles mutuamente excluyentes, consideraremos el modelo lineal de probabilidad, el
modelo Logit y el modelo Probit.

Modelo lineal de probabilidad

Estamos entonces ante un modelo con heteroscedasticidad. Adems, es una variable de Bernoulli,
con lo que tampoco se cumple la hiptesis de normalidad. Ello obliga a estimar estos modelos por
un mtodo alternativo a mnimos cuadrados ordinarios.

Realizada la estimacin del modelo lineal de probabilidad tenemos que:

Otra limitacin importante del modelo lineal de probabilidad es que para ciertas combinaciones de
las variables explicativas las probabilidades estimadas pueden ser mayores que cero o menores que
uno.

Los modelos Probit y Logit, como son modelos no lineales, no podremos estimar por MCO (mnimos
cuadrados ordinarios) y tendremos que emplear mtodos de mxima verosimilitud.
Supongamos que tenemos observaciones idntica e independientemente distribuidas (muestra
aleatoria) que siguen el modelo:
Para obtener el estimador de mxima verosimilitud (MV), condicionado a las variables explicativas,
necesitamos la funcin de verosimilitud:

Con:

El estimador de MV de es el que maximiza el logaritmo de la funcin de verosimilitud:

Que ser un estimador consistente, asintticamente normal y asintticamente eficiente.

Las condiciones de primer orden sern:

Donde es la funcin de densidad de la normal o la logstica (derivada de la funcin de

distribucin).
La no linealidad del problema hace que para obtener el estimador MV de necesitamos aplicar un
algoritmo iterativo y obtener el estimador por mtodos numricos iterativos, tenemos:
La matriz de covarianza asinttica de se estima como:

Para realizar contrastes de hiptesis en los modelos Logit y Probit tendremos en cuenta que la raz
cuadrada de los elementos de la diagonal principal de la matriz de covarianzas asinttica son los
errores estndar (asintticos) de cada uno de los , que los podemos emplear para construir los
estadsticos (que tendrn una distribucin asinttica normal) o intervalos de confianza aproximados
para cada parmetro. Tambin podemos contrastar varias restricciones simultneamente.
Lo habitual es que lo que nos interese sean restricciones de exclusin por lo que es en lo que nos
vamos a centrar.

Para centrar la hiptesis nula de que un conjunto de parmetros es igual a cero podemos emplear
varios procedimientos:
Estadstico de Wald: se distribuye asintticamente como una chi-cuadrado con q (n de restricciones)
grados de libertad y lo proporcionan la mayora de los programas.
Contraste de razn de verosimilitud (Likelihood Ratio (LR) test): Se basa en la diferencia entre el
logaritmo de la funcin de verosimilitud en el modelo sin restringir y en el restringido:
Que se distribuye asintticamente como una chi-cuadrado con q grados de libertad.

En cuanto a las medias de bondad de ajuste en los modelos Ligit y Probit tenemos:

Porcentaje de predicciones correctas: Para cada calculamos la probabilidad estimada que :

Si nuestra prediccin ser es 1 y si nuestra prediccin ser que es 0.

El % de veces en que el valor de observado coincida con la prediccin es el % de predicciones
correctas. Lo interesante es calcular por separado el % de predicciones correctas de ceros y de unos.

Criterios de Informacin: Son medidas que tratan de buscar un equilibrio entre la bondad de ajuste,
medida en base al valor del logaritmo de la funcin de verosimilitud, y una especificacin
parsimoniosa del modelo (Ejemplos: Akaike (AIC), Schwarz (SC) y Hannan-Quinn (HQ)). Se escoge el
modelo con menor valor de criterio de informacin.
A la hora de interpretar las estimaciones en los modelos Logit y Probit, generalmente lo que nos
interesa es conocer el efecto de variaciones en una variable sobre la probabilidad de respuesta, que
si la variable es continua ser:
ANLISIS DISCRIMINANTE MLTIPLE (ADM)

El modelo que se puede considerar clsico para abordar este problema es el Anlisis Discriminante
Mltiple (ADM) propuesto por Edward Altman. sta es una tcnica estadstica que se aplica muy bien
a las caractersticas de la informacin disponible y a los resultados esperados. Pese a no ser un
mtodo de anlisis regresional muy popular, ADM ha sido usado en una variedad de disciplinas desde
su generacin en los aos 30. En esos aos ADM fue utilizado, mayormente, en estudios biolgicos
y de comportamiento. En tiempos ms recientes, se ha vuelto popular en el rea de negocios
aplicados y terico, especialmente en el marketing y en los estudios de mercado.

La funcin discriminante asigna una puntuacin a cada variable. Comparando dicha puntuacin con
la del llamado punto de corte discrimnate, que se habr calculado previamente, se clasifica a la
empresa en el Grupo I, empresas fallidas, o Grupo II, empresas no fallidas o cumplidoras.

El anlisis parte de una tabla de datos de empresas en que se han metido variables cuantitativas
independientes o explicativas, como el perfil de cada uno de ellos. Una variable cualitativa
adicional (dependiente o clasificativa), con dos (o ms) categoras, ha definido por otros medios el
grupo a que cada empresa pertenece. Se trata de una tabla
en cada caso figura con un perfil y una asignacin de grupo.

A partir de ella se obtendr un modelo matemtico discriminante contra el cual ser contrastado el
perfil de un nuevo individuo cuyo grupo se desconoce para, en funcin de un resultado numrico,
ser asignado al grupo ms probable. Cuando mejor sea la informacin de partida ms fiable ser el
resultado de asignaciones posteriores. Existen dos enfoques para alcanzar este objetivo de
clasificacin: uno basado en la obtencin de funciones discriminantes de clculo similar a las
ecuaciones de regresin lineal multiple; y otro, que emplea tcnicas de correlacin cannica y de
componentes principales, denominado anlisis discriminante cannico. El primero es el ms comn
y su fundamento matemtico esta en conseguir, a partir de las variables explicativas, unas funciones
lineales de stas con capacidad para clasificar otros individuos. A cada nuevo caso se aplican dichas
ecuaciones y la funcin de mayor valor define el grupo a que pertenece.
Hiptesis en el modelo discriminante

Segn (Prez Lpez, Mtodos Estadsticos Avanzados con SPSS, 2005: 409), el anlisis discriminante
es una tcnica que resulta til para las situaciones en las que se desea construir un modelo predictivo
para pronosticar el grupo al que pertenece una observacin a partir de determinadas caractersticas
observadas que delimitan su perfil. Se trata de una tcnica estadstica que permite asignar o
clasificar nuevos individuos u observaciones dentro de grupos previamente definidos, razn por la
cual es una tcnica de clasificacin ad hoc. El anlisis discriminante se conoce en ocaciones como
anlisis de la clasificacin, ya que su objetivo fundamental es producir una regla o un esquema de
clasificacin que permita a un investigador predecir la poblacin a la que es ms probable que tenga
que pertenecer una nueva observacin o individuo.

El modelo predictivo que pronostica el grupo de pertenencia de una observacin en virtud de su

perfil define la relacin entre una variable dependiente (o endgena) no mtrica (categrica) y varias
variables independientes (o exgenas) mtricas. Por lo tanto, la expresin funcional del anlisis
discriminante puede escribirse como con la variable dependiente no mtrica y las variables
dependientes mtricas. Las categoras de la variable dependiente definen los posibles grupos de
pertenencia de las observaciones o individuos y las variables independientes definen el perfil
conocido de cada observacin.

El objetivo del ADM es utilizar los valores conocidos de las variables independientes medidas sobre
un individuo u observacin (perfil) para predecir con qu categora de la variable dependiente se
corresponden para clasificar al individuo en una categora adecuada.

El pronstico de pertenencia a grupos se lleva determinando una o ms ecuaciones matemticas,

llamadas funciones discriminante, que permite la clasificacin de individuos tomando como base la
informacin de ellas. Estas ecuaciones combinan una serie de caractersticas de tal manera que su
aplicacin nos permite identificar el grupo al que ms se ajusta.
Hiptesis en el ADM

En ADM requiere una comprobacin de determinados supuestos. El ADM requiere que contemos
con un conjunto de variables discriminantes (caractersticas conocidas de los individuos) y una
variable nominal que define dos o ms grupos (cada modalidad de la variable nominal se
corresponde con un grupo diferente). Tambin, el conjunto de datos analizados deben de
corresponder a individuos o casos clasificados en dos o ms grupos mutuamente excluyentes; en
otras palabras, cada caso debe corresponder a un grupo y solo a uno. Por otra parte, las variables
discriminantes han de estar medidas en una escala de intervalo o de razn, lo cual permitira el
clculo de medias y varianzas y la utilizacin de stas en ecuaciones matemticas.
En cuando a la falta de datos (missing), hay que tener presente que cuando pertenecen a la variable
de clasificacin, las observaciones afectadas podran serexcluidas del anlisis a la hora de estimar las
funciones discriminantes.

Para aplicar el ADM se tiene que cumplir una serie de supuestos como la normalidad multivariante,
homogeneidad de matrices de varianza-covarianza (homoscedasticidad), linealidad y ausencia de
multicolinealidad.

El supuesto de normalidad exige que cada grupo represente una muestra aleatoria extrada de una
poblacin con distribucin normal multivariable sobre las variables discriminantes. La normalidad
univariante no implica la multivariante, pero como esta ltima es difcil de comprobar, se contrasta
la normalidad univariante mediante pruebas clsicas como la prueba de bondad de ajuste basada en
Chi-Cuadrado, la prueba de Kolmogorov-Smirnov, el test de Shapiro-Wilk o las pruebas de
significacin basada en la asimetra y la curtosis. El supuesto de homogeneidad de matrices de
varianza-Covarianza (homoscedasticidad) obliga a que las matrices de varianza-covarianza para las
poblaciones de las que fueron extrados los grupos sean iguales, hiptesis que suele probarse
mediante la prueba de M de Box, que no es ms que una generalizacin del test de Barlett para la
comprobacin de homogeneidad de varianzas univariadas y que se basa en los determinantes de las
matrices de varianza-covarianza para cada grupo. Por otro lado, el supuesto de linealidad implica
que existen relaciones lineales entre las variables dentro de cada grupo y suele comprobarse a partir
de los diagramas de dispersin de las variables o mediante el clculo de coeficientes de correlacin
lineal de Pearson. La matriz de correlaciones de las variables tambin se utiliza para detectar la
multicolinealidad, que puede ser muy nociva en la inversin de matrices requeridas en los algoritmos
discriminantes.
Cuadro 4: Esquema general del Anlisis Discriminante

OBJETIVOS DE LA INVESTIGACIN
Clasificacin de observaciones en grupos .
Prediccin de pertenencia de individuos a grupos .
Examen de las diferencias entre grupos

DISEO DE LA INVESTIGACIN
Seleccin de variable dependiente e independientes .
Tamao muestral, muestra de anlisis y reserva .

ASUNCIONES
Normalidad de variables independientes y lenealidad de relaciones . Ausencia de
multicolinealidad entre variables independientes .
Matrices de igual dispersin para poblaciones de grupos .

MTODOS DISCRIMINANTE
Estimacin de funciones discriminantes (simultnea o paso a paso). Significacin
estadstica de las funciones discriminantes .
Significacin de la precisin de la prediccin.

FUNCIONES DISCRIMINANTES
Cuntas funciones se interpretan?

Una sola Dos o ms

Evaluacin funcin Pesos, cargas, centroides

Clasificacin con dos grupos

Segn (Prez Lpez, Tcnicas Estadsticas Con SPSS 12, 2005:624), se trata de estudiar la aplicacin
del anlisis discriminante a la clasificacin de empresas en el caso que dichas empresas

se puedan asignar solamente a dos grupos a partir de variables clasificadoras. Este problema lo
resolvi Fisher26 analticamente mediante su funcin discriminante.

La funcin discriminante de Fisher D se obtiene como funcin lineal de k variables explicativas

como:
En notacin compacta podemos escribir:

La variabilidad de la funcin discriminante (suma de cuadrados de las variables discriminantes en

desviaciones respecto a su media) se expresa como:

La matriz es una matriz simtrica expresada en desviaciones respecto a la media, por lo que
puede considerarse como la matriz de suma de cuadrados total de las variables (explicativas) de
la matriz. Segn la teora de anlisis multivariante de la varianza, se puede descomponer en la
suma de la matriz entre grupos y la matriz intragrupos (o residual). Se tiene:

Por lo tanto:

Los ejes discriminantes vendrn dados por los vectores propios asociados a los valores propios de la
matriz ordenados de mayor a menor. Las puntuaciones discriminantes se corresponden con los
valores obtenidos al proyectar cada punto del espacio k-dimensional de las variables originales sobre
el discriminante.

Los centros de gravedad o centroides (vectores de medias) son los estadsticos bsicos que resumen
la informacin sobre los grupos. Los centroides de los grupos I y II sern los siguientes.
En este ltimo caso, se clasifica a una empresa en el Grupo I si, y en el Grupo II en otro caso.

Cuando el ADM son aplicados los ratios actuales, aparecen las bases para la clasificacin de la
empresa en uno de los grupos mutuamente excluyentes. La tcnica ADM tiene la ventaja de
considerar el perfil completo de caractersticas comunes a todas las firmas estudiadas, as como la
interaccin entre estas caractersticas.

Otra ventaja, delADM, es la reduccin de las dimensiones del espacio en anlisis, es decir, se reduce
el nmero de variables dependientes a G-1 dimensiones, donde G es el nmero de grupos
determinados a priori. Esto es muy til en el contexto de la prediccin de quiebra, ya que como se
parte de dos grupos (quebrados y no quebrados), el anlisis se trasforma a la forma ms simple: una
dimensin.

Cuando se ocupa una lista extensa de ratios financieros para estudiar el potencial de quiebra de una
empresa, es natural pensar que algunas variables tendrn un alto nivel de correlacin o colinealidad
entre s. Mientras este aspecto no es grave para el anlisis discriminante, s impulsa a una seleccin
cuidadosa de las variables (ratios) a usar. Coincidentemente, esta situacin ofrece una ventaja para
el modelo, ya que se podra construir un modelo con pocas variables que entreguen una gran
cantidad de informacin. Dicha informacin puede fcilmente determinar diferencias entre los
grupos; el esfuerzo ms importante del anlisis es determinar si estas diferencias son significativas y
relevantes para la determinacin de la probabilidad de quiebra.

Quizs la mayor bondad que tiene el ADM, es cuando se abordan problemas de clasificacin, es el
potencial que ofrece para examinar el perfil completo de la empresa, en vez de mirar las
caractersticas individuales secuencialmente. Combinaciones de ratios pueden ser analizadas en
conjunto para poder eliminar las ambigedades y clasificaciones errneas observadas en estudios
de ratios tradicionales.
Altman llama a su modelo Z-Score y es una variacin en la cual cinco medidas son ponderadas y
sumadas, para llegar a un puntaje general que se establece como la base para la clasificacin de
empresas en dos grupos determinados a priori (con dificultades financieras y sin dificultades
financieras).

ANLISIS DEL MODELO Z-SCORE

A partir de 1968 y como consecuencia de los estudios de Beaver, varios investigadores comenzaron
a trabajar con modelos multivariables con el objetivo de poder determinar con ms precisin qu
empresas se dirigan hacia la quiebra y cuales otras no. Entre estos estudios destacan los conducidos
por Edward Altman de la Universidad de Nueva York el cual ampli el anlisis univariable al introducir
por primera vez mltiples predictores de quiebra mediante el Anlisis Discriminante Mltiple (ADM).
Actualmente las grandes empresas, y sobre todo las financieras, utilizan el Zeta CreditRiskSystem
o Zeta CreditScoringModel que fue producto de su investigacin y que continua desarrollando la
Zeta Services Inc., una de las principales firmas que comercializa sistemas que contribuyen a
lainvestigacin del anlisis del fracaso empresarial en los Estados Unidos.
Otras que tambin son muy importantes son: AdvantageFinancialSystems (Boston); Trust Division
of theFirstUnion Bank (Carolina del Norte); Datastream (Reino Unido); Performance
AnalisysServicesLtd (Reino Unido).

Desarrollo del modelo Z

El indicador Z brinda la posibilidad a las empresas de determinar la probabilidad de llegar a la

quiebra, por lo cual se constituye en una alerta temprana que permite mirar la exposicin al riesgo
de insolvencia de las organizaciones.
Es un indicador que recopila varios indicadores financieros, cada uno con una proporcin diferente,
lo cual permite llegar a un anlisis ms completo que el ofrecido por otros modelos y facilita la
obtencin de unas conclusiones ms precisas. Es una herramienta prctica que permite comparar
los resultados obtenidos con unos rangos ya establecidos por el mismo autor, lo que genera mayor
confianza.

Los indicadores financieros que conforman el modelo de Altman son los siguientes:

X1, Capital de trabajo / Activo Total: Este ratio mide la liquidez relativa de la compaa.

X2, Ganancias retenidas / Activo Total: Las ganancias retenidas muestran la reinversin hecha a lo
largo de la vida de una compaa y refleja el esquema de financiamiento.

X3, EBIT (Ganancias antes de intereses e impuestos) / Activo Total: Este ratio es un indicador de la
productividad de los activos de la empresa, independientemente de factores impositivos o
endeudamiento.

Valor de mercado de las acciones / Pasivo Total: Este ratio indica cunto puede bajar el valor de los
activos de la empresa antes de que el valor de los pasivos supere al de los activos y la empresa entre
en estado de insolvencia.

Ventas / Activo Total: Este cociente, conocido como Ratio de Rotacin, muestra la capacidad
generadora de ventas de la empresa.

El modelo de Altman tiene tres divisiones dependiendo de la empresa a la cual se aplique: el modelo
original fue creado para empresas manufactureras que cotizan en bolsa; posteriormente, ste fue
modificado y adaptado para las empresas manufactureras que no cotizan en bolsa; y, por ltimo,
fue adecuado para todo tipo de empresas.

Los diferentes indicadores que integran el modelo original, (rentabilidad, liquidez y endeudamiento),
tienen asociada una ponderacin previamente establecida por el autor, y es partiendo de ste como
se realizan las dems modificaciones y adaptaciones, segn lo describe Altman (1968).
Modelo Original Z

Donde:

Capital de trabajo / Activo Total Liquidez

Utilidades Retenidas / Activo Total Financiacin Interna Acumulada

Utilidad antes de intereses e impuestos / Activo Total Rentabilidad

Valor de mercado de capital / Pasivo total Estructura Financiera

2015 2014 2013 2012 2011
Capital de
trabajo /
Activo Total 3.14 2.95 2.4 2.87 2.48
Liquidez

Utilidades
Retenidas /
Activo Total
Financiacin 3.19 2.84 2.38 2.45 2.47
Interna
Acumulada

Utilidad
antes de
intereses e 3.8 3.5 3.29 3.42 3.75
impuestos /
Activo Total
Rentabilidad

Valor de
mercado de
3.57 3.64 3.75 3.49 3.45
capital /
Pasivo total
Estructura
Financiera
El resultado indica que si, la empresa no tendr problemas de insolvencia en el futuro; si entonces
es una empresa que de seguir as, en el futuro tendr altas posibilidades de caer en insolvencia. El
Modelo considera que las empresas se encuentran en una zona gris o no bien definida, si el
resultado de se encuentra entre 1.82 y 2.98, en todo caso debemosejercer mayor control financiero.

Debido a que este modelo aplicaba slo a empresas manufactureras quecotizaban en bolsa, Altman
hizo una revisin del mismo y obtuvo dos nuevas versiones.

Modelo Z1

Este modelo es una variacin del modelo original, en el que se sustituye, por un lado, el
numerador en por el valor del capital contable, en lugar del valor de mercado del capital y en el
que la ponderacin de cada ndice tambin 4 se modifica. Las adaptaciones se hicieron con el fin de
aplicarlo a todo tipo de empresas y no solamente a las que cotizaran en bolsa.

Esta versin se desarroll con empresas manufactureras y pondera de manera importante el activo
total de la empresa y su rotacin.

La funcin queda de la siguiente manera:

Si , la empresa no tendr problemas de insolvencia en el futuro; si , entonces es una empresa que

de seguir as, en el futuro tendr altas posibilidades de caer en insolvencia. Si el resultado de esta
entre 1.24 y 2.89, se considera que la empresa se encuentra en una zona gris o no bien definida.
Modelo Z2
Esta versin es un ajuste del modelo anterior en la que se elimina la razn de rotacin de
activos, para aplicarlo a todo tipo de empresas y no slo a manufactureras. Este nuevo modelo
pondera de manera importante la generacin de utilidades en relacin al activo, as como su
reinversin.

La funcin final es la siguiente:

Si, la empresa no tendr problemas de insolvencia en el futuro; si, entonces es una empresa que,
de seguir as, en el futuro tendr altas posibilidades de caer en insolvencia. Las empresas se
ubicarn en una zona no bien definida si el resultado de se encuentra entre 1.11 y 2.59.
ANLISIS E INTERPRETACIN DE RESULTADOS

Seleccin de la muestra

La muestra se define como una parte o fraccin representativa, un conjunto de un poblacin o

universo, que ha sido obtenida con el fin de representar ciertas caractersticas del mismo. Para el
caso de la presente investigacin, se decidi seleccionar una muestra no probabilstica intencionada,
por tanto, no nos permite conocer un nivel de confianza de los resultados, pero que brindar los
elementos necesarios para el logro de los objetivos.

Se consider pertinente tomar para la muestra empresas que estn registradas en el programa
Economtica del periodo 2000 al 2012 completando, si fuese el caso, con informacin de la SMV;
adems se excluy aquellas que no contaban con informacin en el ejercicio 2012. En el siguiente
cuadro se muestra al detalle las exclusiones que se tomaron:

Cuadro 5: Seleccin de empresas para el anlisis

 Descripcin Cantidad

Total de Empresas en Economtica 2001 a

2012 239

Empresas Financieras 42

Empresas Aseguradoras 12

Empresas de Fondo de Pensiones 5

Con menos de 5 aos en la BVL 30

Con informacin incompleta 71

Empresas en Inversin 5

Empresas para el anlisis 74

Las empresas Financieras, Aseguradoras y de Fondo de Pensiones no se tomaron en cuenta para el

anlisis debido a que estas presentan un comportamiento particular en sus estados de cuenta, las
empresas que tienen menos de 5 aos tambin fueron excluidas debido a que estn en proceso de
inversin y no tienen dividendos, luego de hacer estas exclusiones quedaron para el anlisis 74
empresas con informacin al cierre del ejercicio del 2012.
4.2 Definicin de las variables y Aplicacin del Modelo Z
Para aplicar el modelo Z en las diferentes empresas, se descargaron los estados financieros del
(Balance General, Estado de Resultados y Estado de Flujo de Efectivo) de cada empresa, teniendo
como fuente el programa Economtica y completando la informacin con SMV. En algunos casos se
presentaron inconvenientes, ya que para ciertas empresas no estaba disponible toda la informacin
requerida. Para la aplicacin del indicador , se tuvo en cuenta el indicador , ya que esta es robusta
para todo tipo de empresas (que coticen o no coticen en bolsa).

4.3 Estructura de anlisis

El indicador de Altman define los puntos de corte del modelo en 1.10 y 2.60 las empresas con menor
igual 1.10 son las que tienen problemas de quiebra los mayores a 2.60 son empresas sin problemas
de insolvencia financiera y las que estn entre 1.11 y 2.59 son las que estn en la zona gris (empresas
que no se pueden determinar si tienen problemas de insolvencia financiera).

Grfico 1: Puntos de corte del Indicador de Altman

De las 74 empresas que se analizaron 8 entraron en quiebra (dato tomado de la SMV) y se los
resultados se presentan a continuacin.
Cuadro 6: Indicador de Altman para empresas en quiebra

Indicador Z un ao antes de

Empresa en Quiebra quebrar

Bakelita y Anexos SA -18.47

Peruanos Envase -12.89

Fabritex -7.58

Industria de Pinturas
-6.54
Asociadas

Textiles San Cristbal -3.94

Fabrica de Bicicletas -2.63

Textil del Pacifico -2.51

Tucuman 0.04
Grfico 2: Indicador de Altman para empresas en quiebra

Empresas Quebradas

0.04

0 -2.63 -2.51
-3.94
Indicador Z de

-6.54
Altman

-5
-7.58

-10
-12.89

-15
-18.47

-20

1 2 3 4 5 6 7 8

Con respecto a las empresas que no han quebrado, a continuacin se presentan sus indicadores
(Segn sector al que pertenecen):
Cuadro 7: Indicador de Altman en el sector: Industria
Indicador Z en el
Sector Industria 2012 Zona

Delcrosa S.A. 0.96 Quiebra

Lima Caucho 1.68 Gris

Mepsa 1.85 Gris

Corp.AcerosArequip 2.31 Gris

Sin
Industria Textil Piura 3.02 problemas

Sin
Quimpac 3.06 problemas

Sin
IntradevcoInd.S.A. 3.41 problemas

Sin
Explosivos 3.66 problemas

Sin
Filamentos Industr. 3.82 problemas

Sin
Hidrostal 3.84 problemas

Sin
Cia.Univers. Textil 3.87 problemas

Sin
Austral Group S.A. 3.97 problemas

Sin
Michell Y Cia. S.A. 4.19 problemas

Sin
Pamolsa 4.51 problemas

Sin
Ieqsa 5.75 problemas

Sin
Cementos Pacasmay 7.22 problemas

Sin
Record 7.50 problemas

Sin
GoodYear 8.84 problemas
Cuadro 8: Indicador de Altman en el sector:Minera

Sector Minera Indicador Z en el 2012 Zona

Milpo 1.77 Gris

Morococha 1.80 Gris

Minsur 3.13 Sin problemas

Shougang Hierro 3.66 Sin problemas

Volcan 3.93 Sin problemas

Minera Andina Explo 7.25 Sin problemas

ShougangGener.Elec 7.67 Sin problemas

Soc. Minera Corona 7.91 Sin problemas

Buenaventura 9.31 Sin problemas

Minera BarrickMisquichilca
S.A. 11.32 Sin problemas

Soc. Minera Cerro Verde 12.73 Sin problemas

SouthernPeru 14.06 Sin problemas

Cuadro 9: Indicador de Altman en el sector: Servicios Pblicos

Indicador Z en el
Sector Servicios Pblicos 2012 Zona

Telefonica del Peru 1.23 Gris

Edelnor 1.26 Gris

Sedapal S.A. 2.03 Gris

Transporte Gas Peru 2.29 Gris

Gas Natural Lima 2.38 Gris

Edegel S.A. 2.40 Gris

Sin
Electro Sur Este 7.75 problemas

Sin
Electroperu S.A. 9.91 problemas
Cuadro 10: Indicador de Altman en el sector: Agrcola

Indicador Z en el
Sector Agrcola 2012 Zona

Pomalca S.A. 0.33 Quiebra

Chucarapi-Pampa Bla 1.46 Gris

San Jacinto S.A.A. 1.70 Gris

Sin
Cartavio S.A. 3.20 problemas

Sin
Casa Grande S.A. 3.78 problemas

Sin
Agro Ind. Paramonga 4.50 problemas

Sin
Empresa Agraria San Juan 4.74 problemas

Sin
Chiquitoy S.A. 4.88 problemas

Sin
Empresa Azucarera El Ingenio 6.89 problemas

Sin
Empresa AgricolaSintuco 7.38 problemas
Cuadro 11: Indicador de Altman en sectores diversos

Indicador Z en el
Sectores Diversos 2012 Zona

Amazon Com. 1.15 Gris

Inversiones la Rioja 1.59 Gris

Grana Y Montero S.A 2.00 Gris

Sin
RashPeru 3.06 problemas

Sin
NCF Inversiones S.A C1 3.67 problemas

Sin
Inversiones Nac. de Turismo 3.88 problemas

Sin
Alicorp S.A. 4.15 problemas

Sin
Inversiones Pacasmayo S.A. 4.83 problemas

Sin
Norvial 5.00 problemas

Sin
IntercorpPeru 5.38 problemas

Sin
Cisco Systems 5.63 problemas

Sin
Inversiones En Turismo 6.02 problemas

Sin
Cavali S.A. 9.84 problemas

Sin
PeruHold.Turismo S.A.A. 11.47 problemas

Sin
Old.Turismo 11.47 problemas

Sin
Bayer S.A. 13.52 problemas
Grfico 3: Distribucin del Indicador de Altman por sector

18 18

12
10
8

25%

70%
78% 83% 83%

75%

20%
17%
17% 17%

10%
6% 0% 0% 0%
Mineri
Industria a Pblico Agricola Diversos

Quiebra Gris Sin problemas Total

El sector dnde se obtuvo un alto porcentaje de zona gris es el sector de empresas de servicio
pblico, esto nos da indicios de que se podra profundizar estudios en este sector.

En general, las empresas que no han quebrado:

Cuadro 12: Distribucin de empresas que no quebraron

Cuent
Zona a Porcentaje

En Quiebra 2 3%

Gris 16 24%

Sin
Problemas 48 73%

Total 66 100%

Con respecto a las empresas que si quebraron estas son sus estadsticas:

Cuadro 13: Distribucin de empresas que si quebraron

Porcentaj
Zona Cuenta e

Quiebra 8 100%

Gris 0 0%

Sin
Problemas 0 0%

Total 8 100%
Luego quitando la zona gris, que es la zona dnde no se sabe si las empresas tienen problemas de
insolvencia o no los resultados son los siguientes:

Cuadro 14: Porcentaje de Acierto del Indicador de Altman

Indicador Z

Sin % de Error de

En Quiebra Problemas Acierto Prediccin

Empresas Sanas 2 48 96% 4%

Empresas

Quebradas 8 0 100% 0%

El porcentaje de empresas que se acert con xito, en total, es del 96.6% del total y los mal acertados
es del 3.4%.

4.4 Bondad de ajuste

Las pruebas de bondad de ajuste arrojan los siguientes resultados:

Cuadro 15: Prueba de Bondad de Ajuste

DIF % ACUM

Zona de No Zona de % acum No % acum

Segmento Porc. Total No quiebra,

Quiebra Quiebra Quiebra Quiebra

Quiebra

Emp No Quebradas 86% 48 2 50 100% 20% 80%

Emp Quebradas 14% 0 8 8 100% 100% 0%

58 KS: 80%

Poder discriminante: 90%

Coeficiente GINI: 80%

Las pruebas de bondad de ajustes, no paramtricas, que se utiliza para determinar la bondad de
ajuste de dos distribuciones. En el anlisis se obtuvo un KS del 80%, esto quiere decir que el Indicador
de Altman tiene un buen poder de discriminacin entre empresas en quiebra y no quiebra; esto se
puede constatar con el Coeficiente de GINI.

En resumen, el resultado del anlisis nos indica que el indicador de Altman si es aplicable en el

modelo peruano, con alto poder de discriminacin.

 CONCLUSIONES
La insolvencia es una situacin jurdica en la que se encuentra un persona fsica o empresa
cuando no puede hacer frente al pago de sus deudas.

En este trabajo realizado a la empresa Alicorp S.A. hemos hecho mencin a a los ratios
respectivos asi como declararse insolvente no significa que la obligacin de pago de la
deuda termine.

En primer lugar, la autoridad competente har un estudio exhaustivo sobre la situacin

patrimonial del insolvente para asegurarse de que no dispone de los recursos econmicos
para pagar
RECOMENDACIONES

Recomendamos tambin
 LICORP S.A.A.

ESTADO DE GANANCIAS Y PRDIDAS AL 31 DE DICIEMBRE DEL 2011-2014

(EN MILES DE SOLES)

CUENTA 2014 2013 2012 2011

Ingresos de actividades ORDINARIAS 3,853,298 3,838,726 3,681,343 3,687,483

Costo de Ventas -2,844,574 -2,831,172 -2,737,443 -2,730,362

Ganancia (Prdida) Bruta 1,008,724 1,007,554 943,900 957121

Gastos de Ventas y Distribucin -438,354 -436,935 -367,903 -348,180

Gastos de Administracin -173,424 -171,017 -174,198 -158,551

Ganancia (Prdida) de la baja en Activos

171 0
Financieros medios al Costo Amortizado

Otros Ingresos Operativos 39,729 22,175 14,775 1,805

Otros Gastos Operativos -17,720 0 0

Ganancia (Prdida) por actividades de

418,955 421,777 416,745 452,195
operacin

Ingresos Financieros 2,994 8,376 6,348 4,174

Gastos Financieros -63,022 -62,949 -21,915 -22,474

Diferencias de Cambio neto -117,019 -117,217 20,371 6,693

Otros ingresos (gastos) de las subsidiarias,

147,104 0 0
negocios conjuntos y asociadas

Ganancias (Prdidas) que surgen de la

Diferencia entre el Valor Libro Anterior y el
-33,204 -12,954 -14,194 -8,913
Valor Justo de Activos Financieros
Reclasificados Medidos a Valor

Resultado antes de Impuesto a las

355,808 237,033 407,355 431,675
Ganancias

Gasto por Impuesto a las Ganancias -79,021 -79,128 -149,342 -131,543

Ganancia (prdida) procedente de

operaciones discontinuadas, neta del 63,419 63,419 57,600 22,378
impuesto a las ganancias

Ganancia (Prdida) Neta del Ejercicio 340,206 221,324 315,613 322,510