Francisco J. López Lubián * y Pablo García Estévez** Análisis mediante redes neuronales de la creación de valor para accionistas en empresas cotizadas

Transcripción

1 16 ANÁLISIS FINANCIERO Francisco J. López Lubián * y Pablo García Estévez** Análisis mediante redes neuronales de la creación de valor para accionistas en empresas cotizadas 1 INTRODUCCIÓN El análisis de los generadores de valor en la empresa ha sido objeto de numerosos estudios, tanto bajo una perspectiva académica y general 1, como con un enfoque más aplicado y particular 2. Aunque la metodología empleada y los objetivos de investigación de estos trabajos han sido muy variados, todos han abordado dos cuestiones básicas: 1) cómo se define valor económico; 2) cuáles son las variables que influyen significativamente en este valor económico? Continuando esta línea de investigación, en este artículo se analiza la relación entre creación de valor para los accionistas y el tamaño, la eficiencia operativa y el apalancamiento financiero, utilizando datos de empresas cotizadas en la Bolsa de Madrid para el período Se emplea la metodología de las redes neuronales autoorganizadas para identificar relaciones entre estas variables y agrupar las empresas de acuerdo a una tipología. Adicionalmente, la metodología de las redes neuronales supervisadas permite derivar un algoritmo que ajusta significativamente la relación entre las variables explicativas y la creación de valor para los accionistas. El documento está estructurado de la siguiente forma. En la Sección 2, se lleva a cabo una breve descripción de la metodología empleada, que se desarrolla en los Anexos 1 y 2. En la Sección 3, se describen las variables empleadas y se justifica su selección. La Sección 4 se destina a describir la composición de la muestra, y la Sección 5 a la interpretación de los resultados. Por último, en la Sección 6 se resumen algunas de las principales conclusiones. 2. CONCEPTOS BÁSICOS SOBRE REDES NEURONALES Las redes neuronales son un grupo de algoritmos matemáticos que emulan el funcionamiento del cerebro de los mamíferos superiores. Se puede realizar una división, muy básica, entre las Redes Neuronales Autoorganizadas (RNA) y las redes Neuronales Supervisadas (RNS). Las RNA son clasificadoras de datos, mientras que las RNS son aproximadores universales de funciones. Las RNA clasifican variables estableciendo relaciones no lineales entre conjuntos de datos. Esta clasificación se lleva a cabo minimizando la distancia entre la información de salida y los datos de entrada (redes competitivas), y añadiendo una función de vecindad (mapas autoorganizados) que permite una agrupación homogénea de la información de salida, estableciendo relaciones 3. * Instituto de Empresa Business School ** Universidad Complutense de Madrid

2 ANÁLISIS MEDIANTE REDES NEURONALES 17 Las RNS no solo agrupan datos sino que permiten elaborar algoritmos que ajustan significativamente las variables endógenas y exógenas a través de un proceso de aprendizaje 4 3. SELECCIÓN DE LAS VARIABLES 3.1. GRADO DE APALANCAMIENTO FINANCIERO El apalancamiento financiero se mide a través del ratio Deuda / Recursos Propios, utilizando los valores de mercado. Un ratio igual a 1 es sinónimo de una empresa que ha financiado sus activos 50% con deuda y 50% con capital, mientras que un valor superior a 1 refleja una mayor utilización de deuda que de capital y un valor inferior a 1 una mayor utilización de capital relativamente a la deuda. Cuanto mayor sea el ratio, más endeudada estará la empresa RENTABILIDAD OPERATIVA La rentabilidad operativa de la empresa se mide a través del ratio del beneficio operativo sobre el total de activos (ROA). Para evitar las posibles discrepancias que pueden surgir en la medida del beneficio contable como consecuencia de aplicar criterios distintos, se emplea como medida del beneficio el EBITDA (beneficio antes de intereses, impuestos, depreciación y amortización), cuyo valor es independiente de la política de amortizaciones, de la estructura de capital y del impuesto de sociedades VALOR DE CAPITALIZACIÓN BURSÁTIL Medido como el producto del número de acciones y la cotización, en promedio. Es un indicador del tamaño de la empresa CVA Y RA Para medir la creación de valor para el accionista se emplean las dos métricas, CVA y RA. Se define la métrica Creación de Valor para el Accionista (CVA) como: CVA (t) = Capitalización inicial x [ RA (t) Ke ] (1) donde: CVA (t) es la creación de valor para el accionista, en el período t; RA (t) es la rentabilidad para el accionista, en el período t; Ke es el coste de los recursos propios. La capitalización bursátil de una empresa es el producto de la cotización en un momento dado y el número de acciones. La rentabilidad para el accionista (RA) en un período se define como el aumento de valor para los accionistas en ese período dividido por la capitalización de la empresa al inicio del período. Es decir: RA (t) = AVA (t) / Capitalización inicio período (2) donde: AVA es el aumento de valor para el accionista El aumento de valor para los accionistas (AVA) en un período se define como el resultado de: Aumento de capitalización de las acciones en el período + Dividendos pagados en el período + Otros pagos a los accionistas en el período (reducciones de nominal, amortización de acciones, etc.) - Desembolsos por ampliaciones de capital del período - Conversión de obligaciones convertibles del período Sustituyendo (2) en (1), se obtiene que: CVA (t) = AVA (t) [ Capitalización inicial x Ke ] Es decir, en un período considerado, una empresa crea valor para sus accionistas si el aumento de valor para sus accionistas es superior a las expectativas de aumento de valor que tenían al inicio. 4. LA MUESTRA La muestra incluye todas las empresas cotizadas en la Bolsa de Madrid e incluidas en el IBEX 35 y el IBEX complementario ó medio y pequeño, excluyendo las financieras. Es decir, 80 empresas. Como el horizontal temporal elegido va de 2002 a 2005, se disponen de observaciones correspondientes a las cinco variables elegidas para el estudio. 5. LOS RESULTADOS 5.1. IDENTIFICACIÓN DE RELACIONES Y AGRUPACIÓN DE EMPRESAS A partir de la matriz de los datos se construye una red neuronal autoorganizada del tipo Mapa de Kohonen de 10 x 8 neuronas, en una disposición hexagonal, y se lleva a cabo un entrenamiento por lotes. Un primer resultado de este entrenamiento se muestra en la Figura 1, donde se presenta el primer mapa que se obtiene (denominado U-Matrix) que muestra las distancias entre las diferentes neuronas del mapa.

3 18 ANÁLISIS FINANCIERO Como se puede observar hay un cúmulo grande en el centro (el color azul marino indica poca distancia, al contrario que los tonos vivos que indican gran separación) lo que revela que la mayoría de las empresas de la base de datos están en las celdas centrales del modelo. Matriz U-Matrix de distancias. El color azul indica poca distancia, mientras que el rojo indica gran distancia entre las diferentes neuronas La Figura 2 muestra las distribuciones de densidad de las cinco variables empleadas en el estudio. Del estudio de esta figura se pueden derivar las siguientes conclusiones: 1. Existe una baja correlación entre CVA y RA. Las empresas con CVA alto no tienen RA alto. 2. Un CVA alto está asociado con: Fig. 1 a. ROA entre un 4% y 10%. Niveles medios en la base de datos b. Apalancamiento entre 1 y 1,13. Niveles cercanos al intermedio en la base de datos c. Valor bursátil entre y Los mayores de toda la base de datos 3. Un RA alto está asociado con a. ROA nulo b. Apalancamiento de 0,2. Bajo en la base de datos c. Valor bursátil alrededor de De los más pequeños de la base de datos Las distribuciones de densidad de cada una de las variables utilizadas Fig. 2

4 ANÁLISIS MEDIANTE REDES NEURONALES 19 En consecuencia, se puede deducir que RA es un indicador de creación de valor para el accionista de empresas pequeñas. Y la CVA para empresas grandes. Ninguno de los cinco mapas tiene una distribución similar, por lo que podemos deducir que no existe una gran correlación entre las tres variables elegidas. Utilizando una técnica de cluster, basada en lógica borrosa, se determina el número de grupos que existen en nuestro modelo. El algoritmo se representa mediante una línea continua que encuentra un mínimo en el número de grupos más probable. En este caso, se encuentran 8 grupos que aparecen representados en la Figura 3. La red neuronal establece 8 grupos en función de los patrones de comportamiento de las empresas Bajo una perspectiva de creación de valor para el accionista, se puede establecer que el grupo Alfa (color rojo) es el peor, y que el grupo Golf (color marrón) es el mejor. En este sentido, la ordenación de los grupos sería la siguiente: Posición Grupo Color 1 Golf Marrón 2 Foxtrox Azul claro 3 Delta Azul marino 4 Echo Amarillo 5 Juliet Naranja 6 Charlie Celeste 7 Bravo Azul 8 Alfa Rojo Para analizar la evolución del posicionamiento de las empresas estudiadas con relación a estos grupos de valor, se ha desglosado la información por sectores de actividad: Bienes de consumo; Materiales básicos, industria y construcción; Petróleo y energía; Servicios de consumo; Tecnología y comunicaciones. La Figura 4 recoge el posicionamiento de las empresas incluidas en el sector de bienes de consumo durante los cuatro años analizados. Bajo la perspectiva de valor para el accionista, destaca la consistencia de Zeltia (en un extremo negativo) y de Altadis e Inditex, en el extremo opuesto, mientras que Visco y Pescanova serían exponentes de consistencia en un posicionamiento intermedio respecto a la creación de valor para el accionista. Fig. 3 La Tabla 1 resume las características de cada grupo. Nombre Color Roa Apalancamiento Valor Cva Ra Alfa Rojo 0-4,6 0,35-1, (4340)- (2.200) (0,22)- 0,12 Bravo Azul (6)-0 0,2-1, (160) (0,22) -0,12 Charlie Celeste (160) (0,22) -0,12 Delta Azul Marino 4,56 0,2-1, (160) ,6 Echo Amarillo 3 0,2-1, (160)-500 0,5-1,34 Foxtrox Azul claro 6-15,8 0,2-0, (160)-500 (0,22) -0,12 Golf Marrón 6 0,2-0, Juliet Naranja 6 0,2-0, (160) (0,2)-0 Tabla 1

5 20 ANÁLISIS FINANCIERO Sector de bienes de consumo Fig. 4

6 ANÁLISIS MEDIANTE REDES NEURONALES 21 La Figura 5 incluye los resultados para las empresas del sector de materiales básicos, industria y construcción. Sector de materiales básicos, industria y construcción Fig. 5 En este sector, la empresa consistentemente mejor posicionada es ACS, seguida de Zardoya. El posicionamiento consistente más negativo corresponde a Acerinox, mientras que Abengoa y OHL se sitúan en la zona intermedia. Los

7 22 ANÁLISIS FINANCIERO recorridos de Ferrovial y Gamesa serían exponentes de posicionamientos altamente volátiles. La Figura 6 recoge los resultados para las empresas del sector petróleo y energía.