Las señales contables que anticipan los problemas de una empresa no son una alarma antirrobo: son detectores de humo. Tres modelos académicos — el M-Score de Beneish para las anomalías contables, el Z-Score de Altman para la tensión financiera y el F-Score de Piotroski para la solidez operativa — leen los estados financieros buscando incoherencias que suelen preceder a las dificultades: beneficios que no se convierten en caja, cuentas a cobrar que crecen más que los ingresos, márgenes que se estrechan mientras las ventas suben. Ninguna de estas cifras dice que una empresa esté a punto de quebrar ni que alguien haya cometido una irregularidad. Dicen que algo en las cuentas no encaja, y que conviene mirar más a fondo antes de invertir.

Fragilidad no es lo mismo que caída en bolsa

Es la distinción más importante, y la que se pierde con más facilidad. Una acción puede perder un 40 % porque el mercado ha revisado sus expectativas de crecimiento: eso es un problema de precio, no de empresa. Otra compañía puede subir en bolsa mientras sus cuentas se deterioran en silencio, sencillamente porque nadie ha mirado todavía con atención.

La fragilidad de la que hablamos aquí es estructural: tiene que ver con la calidad de las cuentas y con la capacidad de aguantar una etapa difícil. Se mide en los estados financieros, no en los gráficos. Y sigue un ritmo distinto al del mercado: madura a lo largo de trimestres, no de sesiones.

Esto tiene una consecuencia práctica. Estos indicadores no sirven para decidir cuándo comprar o vender. Sirven para decidir si una empresa merece estar en una cartera durante años.

La primera señal: beneficios que no se convierten en caja

La cuenta de resultados es una opinión, el flujo de caja es un hecho. Es una broma de contables, pero se apoya en uno de los hallazgos más sólidos de la investigación contable.

En 1996 Richard Sloan publicó en The Accounting Review un estudio que se convirtió en referencia: descompuso el beneficio en la parte respaldada por caja real y la parte formada por apuntes contables (los llamados devengos, los accruals de la literatura — ingresos ya registrados pero aún no cobrados, costes capitalizados en lugar de llevados a gasto, y similares). El resultado: el componente de devengo del beneficio es mucho menos persistente que el componente de caja. Dicho de otro modo, una empresa que declara beneficios altos pero no los ve llegar al banco tiende a decepcionar en los periodos siguientes — y el mercado, en promedio, no lo descuenta de inmediato.

De ahí nace el ratio más sencillo y más informativo de todos: qué parte del beneficio declarado se transforma en flujo de caja libre. Si una empresa declara cien de beneficio y genera noventa de caja, los números cuentan una historia coherente. Si declara cien y genera veinte, la pregunta no es si es ilegal — casi nunca lo es — sino adónde ha ido a parar el resto, y si ese desfase es temporal o estructural.

Atención a un caso que confunde a menudo: cuando el beneficio es negativo, este ratio no es interpretable. Dividir un flujo de caja por una pérdida produce porcentajes que parecen cifras pero no significan nada. En una sociedad en pérdidas se miran otras cosas: la liquidez disponible, la estructura de la deuda, cuánto tiempo queda antes de tener que pedir financiación.

M-Score de Beneish: un mapa de las anomalías

El modelo más conocido para detectar cuentas «agresivas» lo publicó Messod Beneish en el Financial Analysts Journal en 1999. Su construcción es estadística: Beneish comparó una muestra de unas cincuenta empresas que efectivamente habían manipulado sus cuentas con más de mil setecientas sociedades de control, buscando qué indicadores distinguían a ambos grupos.

De ahí salieron ocho variables, que son ocho preguntas a las cuentas:

• ¿crecen las cuentas a cobrar más que los ingresos? (se vende a quien no paga pronto)
• ¿se deteriora el margen bruto? (presión sobre los precios)
• ¿aumenta la proporción de activos «intangibles»? (costes trasladados al futuro)
• ¿crecen los ingresos de forma anómala? (el crecimiento rápido genera presión para mantenerlo)
• ¿se ralentizan las amortizaciones? (beneficios inflados repartiendo los costes a lo largo de más años)
• ¿suben los gastos generales más que los ingresos? (eficiencia a la baja)
• ¿aumenta el apalancamiento? (mayor dependencia de la deuda)
• ¿qué parte del beneficio es apunte contable en lugar de caja?

El modelo los combina en una única cifra. Por encima de cierto umbral, el perfil de la empresa se parece estadísticamente al de las sociedades de la muestra que habían manipulado sus cuentas.

Aquí va la cautela más rotunda de todo el artículo. Una puntuación por encima del umbral no significa fraude. Significa que esas cuentas, leídas a través de ocho ratios, se parecen a las de un grupo de referencia. Una empresa en fuerte expansión que alarga los plazos de cobro para ganar cuota de mercado puede superar el umbral sin haber hecho nada irregular. El modelo indica dónde mirar, no qué concluir.

Z-Score de Altman: la distancia a la quiebra (y el límite con el que nació)

El segundo modelo es más antiguo y persigue otro objetivo: no la calidad de las cuentas, sino la capacidad de sobrevivir. Edward Altman lo publicó en The Journal of Finance en 1968, combinando cinco ratios — fondo de maniobra, beneficios retenidos, rentabilidad operativa, valor de mercado frente a la deuda y rotación del activo — en una puntuación única que mide cuán lejos está una empresa de la quiebra.

Funciona, y sigue siendo hoy una herramienta estándar. Pero tiene un límite que conviene conocer, porque está escrito en el artículo original: se construyó sobre una muestra de 66 empresas, todas ellas industriales, excluyendo a las más pequeñas. Era el tejido industrial de la época: fábricas, almacenes, maquinaria.

Una economía hecha de software, servicios e infraestructuras reguladas es otra cosa. Una empresa de software tiene poquísimo activo tangible y un fondo de maniobra que ese modelo lee mal. Una eléctrica o una operadora de redes se endeuda por naturaleza, porque construye instalaciones que durarán treinta años: en su caso la deuda alta no es un síntoma, es el modelo de negocio.

El resultado es previsible, y lo medimos cada semana. En nuestro universo de unas 490 grandes compañías estadounidenses, 15 de cada 100 tienen una puntuación de Altman en «zona de riesgo». No están quebrando: casi ninguna quebrará. Es el modelo el que, aplicado fuera del contexto para el que nació, produce muchísimas falsas alarmas.

Por eso nuestra herramienta excluye a las sociedades financieras — bancos y aseguradoras, en torno a una quinta parte del universo — tanto del Z de Altman como del M-Score de Beneish. En un banco la deuda es la materia prima y el fondo de maniobra no tiene el mismo significado: aplicar fórmulas calibradas sobre la industria manufacturera daría cifras precisas y carentes de sentido.

F-Score de Piotroski: un boletín de nueve preguntas

El tercer modelo mira las cosas desde el lado opuesto. Joseph Piotroski, en el Journal of Accounting Research en el año 2000, partió de un problema concreto de la inversión en valor: entre las acciones que parecen baratas, algunas lo están porque el mercado ha exagerado, otras porque la empresa se está deteriorando de verdad. El precio bajo, por sí solo, no distingue ambos casos.

Su respuesta fueron nueve comprobaciones binarias sobre las cuentas — rentabilidad, generación de caja, evolución de la deuda, eficiencia operativa —, cada una de las cuales suma un punto si se supera. La puntuación va de cero a nueve. En su estudio, aplicar este filtro a las sociedades con bajo ratio precio/valor contable producía una rentabilidad anual superior en unos siete puntos y medio a la del resto del grupo, en el mercado estadounidense entre 1976 y 1996.

La virtud del F-Score es su transparencia: no es una puntuación salida de una fórmula opaca, es una lista de comprobación. Se puede leer pregunta a pregunta y entender por qué una empresa ha perdido un punto.

Por qué ninguna de estas cifras basta por sí sola

Es el punto central, y nuestros propios datos lo demuestran mejor que cualquier argumento.

En ese mismo universo de unas 490 grandes compañías, tomados por separado, los indicadores señalan:

• cerca de 4 empresas de cada 100 con un M-Score de Beneish por encima del umbral;
• cerca de 15 de cada 100 con un Z de Altman en zona de riesgo.

Si se tomara al pie de la letra cualquiera de esas dos cifras, se acabaría poniendo bajo sospecha una parte considerable del mercado — incluidas compañías sólidas, rentables y con décadas de historia a sus espaldas.

Si en cambio se cruzan entre sí y se ponderan junto a otras señales — calidad de los ingresos, cobertura de intereses, posicionamiento en el mercado —, las sociedades que alcanzan un umbral de atención combinado bajan a alrededor del 0,6 %: tres de 490. La puntuación media de todo el universo se mantiene muy baja; solo unos pocos casos destacan de verdad.

Esta es la lección práctica: un indicador aislado genera ruido; la convergencia de varios genera una señal. Cuando tres modelos construidos por autores distintos, en décadas distintas y con objetivos distintos apuntan en la misma dirección sobre la misma empresa, esa coincidencia merece atención. Cuando apunta uno solo, casi siempre se está mirando el límite del modelo, no el problema de la empresa.

Lo que estas cifras no dicen

Conviene ser explícito con los límites, porque suelen ser la parte que se calla.

No predicen la quiebra. Miden condiciones estadísticamente asociadas a dificultades pasadas. Muchas empresas con puntuaciones mediocres atraviesan el periodo difícil y salen adelante; algunas con puntuaciones excelentes se ven arrolladas por acontecimientos que ningún estado financiero podía anticipar.

No acusan a nadie. Un modelo estadístico no establece responsabilidades. Las anomalías contables tienen a menudo explicaciones ordinarias: una adquisición que cambia el perímetro, un cambio de normas contables, un ciclo de inversión extraordinario.

Miran hacia atrás. Se alimentan de estados financieros publicados, es decir, de hechos ya ocurridos y comunicados con meses de retraso. Un acontecimiento reciente — la pérdida de un cliente decisivo, un litigio, una refinanciación en peores condiciones — todavía no está en las cifras.

No se aplican a todos por igual. Además de las sociedades financieras, hay que leer con prudencia a las compañías en fuerte crecimiento que invierten con intensidad, a las recién cotizadas con historial contable corto y a las que acaban de completar una operación corporativa relevante.

Se leen junto al precio. Una empresa con señales de fragilidad a la que el mercado ya ha penalizado con dureza cuenta una historia distinta de otra con las mismas señales cotizando en máximos: en el primer caso el riesgo está en parte ya en el precio, en el segundo no.

Cómo usarlos en la práctica

La forma más útil de tratar estos indicadores es como un filtro de exclusión, no de selección. No sirven para encontrar acciones que comprar: sirven para evitar que un caso problemático entre en la cartera sin que nadie se dé cuenta.

Un recorrido razonable, en cuatro pasos:

1. Observar la convergencia, no la cifra aislada. Un solo indicador fuera de sitio es normal; tres que se alinean, no.
2. Buscar la explicación ordinaria antes que la extraordinaria. Una adquisición, un año de inversiones excepcionales o un cambio de normas contables explican la mayoría de las anomalías.
3. Distinguir lo cíclico de lo estructural. En un sector en dificultades, todas las empresas muestran cifras débiles: eso no es fragilidad de la sociedad concreta, es el momento del sector. La comparación con los competidores directos resuelve la duda casi siempre.
4. Dimensionar la posición en consecuencia. Si tras el análisis la tesis de inversión se sostiene pero las señales persisten, la respuesta sensata casi nunca es «dentro o fuera»: es un peso menor en la cartera.

En resumen

• Tres modelos académicos leen las cuentas en busca de incoherencias: Beneish (anomalías contables), Altman (distancia a la quiebra), Piotroski (solidez operativa en nueve comprobaciones).
• La señal más sencilla sigue siendo la relación entre beneficio declarado y caja efectivamente generada: la investigación muestra que el componente puramente contable del beneficio es el menos duradero.
• Un solo indicador produce muchísimas falsas alarmas: en nuestro universo, el 15 % de las grandes compañías estadounidenses aparece en «zona de riesgo» según el Z de Altman, un modelo nacido en 1968 sobre 66 empresas industriales.
• Cruzando varias señales, los casos que merecen atención bajan por debajo del 1 %. La convergencia es la señal, la cifra aislada es ruido.
• Ninguno de estos modelos predice quiebras ni acusa a nadie: indican dónde mirar, y se leen junto al sector, al precio y a la historia reciente de la empresa.
• Úsalos como filtro de exclusión: sirven más para evitar errores que para elegir ganadores.

Preguntas frecuentes

¿Una puntuación de Beneish por encima del umbral significa que la empresa ha maquillado las cuentas?

No. Significa que el perfil contable de la empresa se parece, en ocho ratios, al de un grupo de sociedades que en el pasado manipularon sus cuentas. Es un indicio estadístico que invita a profundizar, no una constatación. Las explicaciones ordinarias — crecimiento rápido, adquisiciones, cambios de normas contables — son con diferencia las más frecuentes.

¿Por qué se excluye a bancos y aseguradoras de estos modelos?

Porque sus cuentas son de naturaleza distinta. En un banco la deuda es la materia prima de la actividad, no un riesgo que minimizar, y nociones como fondo de maniobra o rotación del activo no tienen el mismo significado. Aplicar fórmulas calibradas sobre la industria manufacturera daría cifras precisas y en el fondo carentes de significado.

¿Hay que vender de inmediato una empresa con señales de fragilidad?

No es una consecuencia automática, y estas herramientas no están hechas para el momento de entrada o salida. Señalan un riesgo estructural que se manifiesta a lo largo de trimestres. La pregunta más útil no es «vendo o no», sino: ¿sigue en pie la razón por la que tengo esta empresa, y cuánto peso es razonable que ocupe en la cartera?

¿Funcionan estos indicadores también en compañías pequeñas?

Con más cautela. Las sociedades menores tienen cuentas más volátiles, un historial contable más corto y mayor sensibilidad a acontecimientos puntuales: los mismos modelos producen en ellas más falsas alarmas. El Z de Altman original excluía explícitamente a las compañías más pequeñas de la muestra sobre la que se calibró.

Fuentes y referencias

Los tres modelos citados están publicados y son verificables en la literatura académica:

• Beneish, M. D. (1999). The Detection of Earnings Manipulation. Financial Analysts Journal, 55(5), 24–36.
• Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589–609.
• Piotroski, J. D. (2000). Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers. Journal of Accounting Research, 38, 1–41.
• Sloan, R. G. (1996). Do Stock Prices Fully Reflect Information in Accruals and Cash Flows about Future Earnings?. The Accounting Review, 71(3), 289–315.

Los porcentajes citados en el artículo proceden de nuestro análisis periódico de un universo de unas 490 grandes compañías cotizadas estadounidenses, con las sociedades financieras excluidas de los modelos que no les son aplicables.

---

Este artículo tiene finalidad informativa y divulgativa y no constituye asesoramiento financiero personalizado ni una recomendación de compra o venta de instrumentos financieros. Los modelos descritos son herramientas de análisis con límites conocidos y no predicen la evolución futura de ninguna sociedad. Toda decisión de inversión depende de la situación personal de quien la toma; en caso de duda, acude a un asesor cualificado.