El uso de la información contable en la estimación deEl uso de la información contable en la estimación de períodos medios de cobro y pago en el crédito comercial de las empresas europeasp p
ÁLuis Ángel Maza
XIX Congreso de AECASeptiembre de 2017Santiago de Compostela
Financial Statement Analysis Working Group
El grupo de trabajo Análisis Financiero de Estados (Financial Statement Analysis Working Group, FSA
FSA WG: COMPOSICIÓN Y OBJETIVOS
El grupo de trabajo Análisis Financiero de Estados (Financial Statement Analysis Working Group, FSAWG) depende del Comité Europeo de Centrales de Balances
FSA WG se centra en el análisis de temas específicos sobre la situación económica y financiera de lasp ysociedades no financieras europeas, utilizando las potencialidades de las bases de datos individualesde los países participantes.
Desde 2017 la coordinación del WG se realiza por Banco de España
Financial Statement Analysis Working Group
2
RESUMEN
1. Introducción y motivación
2. Fuentes de los datos y metodología
3. Resultados empíricos
4. Conclusiones
Financial Statement Analysis Working Group
3
Los créditos comerciales tienen un papel muy importante en la financiación de las compañías
1. Introducción y motivación (I)
Los créditos comerciales tienen un papel muy importante en la financiación de las compañíaseuropeas; en promedio el porcentaje que representa de este tipo de financiación es cercana al 30%en el PIB.
Crédito comercial en la zona del euro
25
30
35En % del PIB
10
15
20
25
0
5
2008 2009 2010 2011 2012 2013Fuente: Eurostat (Cuentas Financieras de la zona del euro).
Sin embargo, los créditos comerciales con frecuencia han jugado; tradicionalmente, un papel secundarioen el análisis y el sistema de información estadística.
Este estudio tiene como propósito ofrecer una visión de la relevancia y las condiciones en los créditoscomerciales de las empresas de los países miembros del FSA WG: Bélgica, Alemania, España, Francia,Italia, Polonia, Portugal y Turquía.
Financial Statement Analysis Working Group
4
1. Introducción y motivación (II)
•La interrupción de flujos de caja ocasionados por los impagos en las operaciones
comerciales es a menudo señalada como una causa de quiebra en las empresas, y
el problema se ha agudizado desde la crisis financiera 2008-2009 debido a que lasp g q
condiciones financieras se han endurecido.
• La Directiva europea sobre morosidad en los pagos 2011/7/EU (adoptada el 16
Febrero de 2011) ha intentado combatir esta circunstancia
• No obstante, la evaluación posterior de la Directiva ha concluido que “Hay poca
evidencia que la Norma haya tenido un impacto relevante en el comportamiento en el
pago y en la práctica de los desfases en los pagos”
Solo ha sido observada una pequeña mejora en los plazos de pago en los créditoscomerciales y algunos países han experimentado un incremento en el retraso de los pagos,
Los factores que están detrás del comportamiento de pago no es la legislación, sinola cultura empresarial, las condiciones económicas y los desequilibrios de poder en elmercado
Financial Statement Analysis Working Group
5
1. Introducción y motivación (III)
• Para analizar los créditos comerciales basados en datos de estados financieras seusan los ratios Período medio de cobro (PMC) y Período medio de pago (PMP).
•En este trabajo se calculan ratios medios, pero el estudio también quiere informar dela entera distribución completa en las muestras nacionales (medianas, percentiles,KDE distribuciones)
• El estudio señala las diferencias entre las distribuciones de PMC y PMP : entre países entre sectores y tamañoen el tiempo (tendencias como consecuencia de la crisis financiera de 2008-2009)
•También se centra en otros aspectos como correlaciones, y se proponen indicadoresi téti l l t i t d d l dsintéticos, para evaluar el comportamiento agregado de las empresas europeas y grado
de convergencia entre países.
Financial Statement Analysis Working Group
6
RESUMEN
1. Introducción
2. Fuentes de los datos y metodología
3. Resultados empíricos
4. Conclusiones
Financial Statement Analysis Working Group
7
2. Fuentes de los datos y metodología (I)
• Población:Población:El estudio usa las grandes bases de datos de cada Central de Balances Nacional.Casi el 100% de las compañías incluidas en las muestras de este estudio tienen una formalegal de sociedad o cooperativalegal de sociedad o cooperativa. Empresarios individuales no se han incluido
• Horizonte temporal:Horizonte temporal: Desde 2000 al 2015
• Tipo de estados financieros:p Estados financieros individualesLa mayoría elaborados bajo estándares nacionales de contabilidad (National GAAP). En algunos países (como Portugal y España), en los últimos años el uútimo GAAP está muy g p ( g y p ) ycercano a la IFRS.
• Cobertura de sectores de actividad: Manufactura Construcción Comercio
Financial Statement Analysis Working Group
8
2. Fuentes de los datos y metodología (II)
• Categorías por tamaño de empresa:• Categorías por tamaño de empresa:Este informe sigue la recomendación de la Comisión Europea referida a la definición de micro,pequeñas, medianas y grandes empresas, usando el criterio de volumen de la cifra neta denegocionegocio.
Los umbrales usados para definir micro, pequeñas, medianas y grandes empresas son €2millones, €10 millones y €50 millones de volumen de negocio, respectivamente…millones, €10 millones y €50 millones de volumen de negocio, respectivamente…
….deflactada usando el Índice Armonizado de Precios de Consumo (IAPC) del área delEuro. Ha sido seleccionado el año 2010 como el año base para los cálculos.p
Para Polonia y Turquía, los umbrales de los valores han sido convertidos en las monedasnacionales usando cada tipo de cambio efectivo real del país contra los 18 socios comerciales delp párea del euro.
Micro-empresas (empresas con un volumen de negocio <€2millones) han sido excluidas en laconstrucción del agregado total de empresas, porque este segmento no es directamentecomparables entre las muestras de los diferentes países, debido (i) a la heterogeneidad en larecolección de datos y (ii) la volatilidad en los ratios
Financial Statement Analysis Working Group
9
•Umbrales de corte deflactados para el volumen de negocio y los tipos de cambio2. Fuentes de los datos y metodología (III)
•Umbrales de corte deflactados para el volumen de negocio y los tipos de cambio.
Financial Statement Analysis Working Group
10
2. Fuentes de datos y metodología (IV)
•Dos ratios clásicos ofrecen una visión de la liquidez de las deudas pendiente deDos ratios clásicos ofrecen una visión de la liquidez de las deudas pendiente depago comerciales
•FSA WG decidió un enfoque de saldos netos (los saldos netos con clientes
Período medio de cobro (PMC) es el promedio de días que el saldo cliente
FSA WG decidió un enfoque de saldos netos (los saldos netos con clientes/provedores se calculan deduciendo los anticipos)
Período medio de cobro (PMC) es el promedio de días que el saldo cliente comercial se mantiene pendiente de cobro “en los libros”.
Interpretación: C t á b j PMCNumerador 360 x (Clientes por ventas – Anticipos de clientes)
Período medio de pago (PMP) es el promedio de días que una compañia
Cuanto más bajo PMC, la empresa recibe más pronto el dinero de los clientes.
Numerador
Denominador
360 x (Clientes por ventas – Anticipos de clientes)
Importe neto de la cifra de negocios
p g ( ) p q ptarda en pagar a sus proveedores.
Interpretación: Cuanto más bajo es el PMP, La compañia paga más rapido
Numerador 360 x (Acreedores comerciales – Anticipos a proveedores)La compañia paga más rapidosus proveedores comercialesDenominador Aprovisionamientos y servicios exteriores
Para la construcción de estas ratios se han utilizado las definiciones armonizadas de los conceptos contables existentes en la base de datos BACH
Financial Statement Analysis Working Group
11
2. Fuentes de datos y metodología (V)
Rechazo de valores atípicos:Exclusión de los microdatos extremos (“valores atípicos” con el método Box-Plot,
por cada combinación de sector/tamaño/añopor cada combinación de sector/tamaño/año
Método basado en el rango intercualítico (Q3-Q1), con un multiplicador k (K=6 es usado para excluir solo los valores atípicos extremos):usado para excluir solo los valores atípicos extremos):
Algebraicamente: Graphically:Gráficamente:
Outliers
NB: Hay una variedad de posibles tratamientos para valores atípicos (por ejemplo uso
Outliers
de desviación estándar en vez de rango intercualítico, 1%-99%, límites, winsorizacion, etc.)
Financial Statement Analysis Working Group
12
2. Fuentes de datos y metodología (VI)•El enfoque elegido en las definiciones de PMC y PMP tradicionales en análisis de estadoEl enfoque elegido en las definiciones de PMC y PMP, tradicionales en análisis de estadofinanciero, puede contener alguna desviación debido a la inconsistencia entre el numeradory el denominador en relación con los impuestos indirectos.•Mientras el volumen de negocio y los aprovisionamientos no incluyen impuestosMientras el volumen de negocio y los aprovisionamientos no incluyen impuestosindirectos, los saldos de los créditos comerciales (pendientes de cobro y pago) los incluyen.• =>¿Cuál es el impacto en el IVA en el PMC y PMP en el contexto de una comparacióninternacional y conforme en el tiempo.
STANDARD VAT RATES APPLIED BY COUNTRIESTIPOS GENERALES EN EL IVA POR PAÍSES
y p
%
21% 21%
23% 23% 23%
21%
22%
23%
24%
18%
19%
20%
16%
17%
18%
19%
20%
15%
16%
TK DE FR ES BE PT IT PL
2007 2013
Financial Statement Analysis Working Group
13
2. Fuentes de datos y metodología (VII)
La información de impuestos indirectos en las Centrales de Balances de España y Portugales usada para medir la magnitud del sesgo en las medidas de PMC y PMP:
La corrección del IVA a la mediana del indicador PMP para Portugal se estima en 8 días, mientrasque es un poco más baja en España (7 días)que es un poco más baja en España (7 días).Teniendo en cuenta la mediana PMC, las correcciones del IVA reducen los períodos medios de pagoen 7 días en Portugal y en 5 para España.
El problema de la falta de consistencia entre numerador y denominador puede ser‐1.0
0.0 Days
VAT adjustment in DSO and DPO(Percentile 50, average 2008‐2013)
Ajuste por IVA en los PMC y PMP(Percentil 50, promedio 2008-2013)
Días
denominador puede ser irrelevante si las tasas del IVA se mantienen estables en el tiempo.
‐4.2 ‐4.5‐5.0
‐4.0
‐3.0
‐2.0
Sin embargo, si estas modificaciones en los niveles de impuestos existen, algunoscambios en las evoluciones de
‐7.9
‐5.5
‐7.2‐7.1
‐5.2 ‐5.24.5
‐9.0
‐8.0
‐7.0
‐6.0
ll i i ll i iG cambios en las evoluciones de PMC y PMP podrían aparecer.
All companies Large companies All companies Large companies
Days Sales Outstanding (DSO) Days Payables Outstanding (DPO)
Portugal SpainEspaña
Total empresas Total empresasGrandes empresas Grandes empresas
Período medio de cobro (PMC)
Período medio de pago (PMP)
Financial Statement Analysis Working Group
14
2. Fuentes de datos y metodología (VIII)
Conjunto de datos nacionales- desglosado por tamaño
Número de empresas, 2013Total sectores por tamañoTotal sectores, por tamaño
60 000
70 000
80 000
123,194174.937
30 000
40 000
50 000
60 000
Bélgica Alemania España Francia Italia Polonia Portugal Turquía0
10 000
20 000
Bélgica Alemania España Francia Italia Polonia Portugal TurquíaGrandes 1 370 4 659 713 4 555 3 721 1 316 420 966
Medianas 3 862 9 953 3 164 16 125 14 635 3 637 1 887 2 348
Pequeña 3 308 13 632 17 865 52 144 38 396 7 930 8 088 2 365
Total 8 540 28 244 21 742 72 824 56 752 12 883 10 395 5 679
p.m. Micro 1 976 12 886 174 937 64 897 13 665 7 574 123 194 727
Financial Statement Analysis Working Group
15
2. Fuentes de datos y metodología (y IX)
Conjunto de datos nacionales- desglosado por sector
Número de empresas, 2013Total tamaños, por sector de actividad
70 000
80 000
40 000
50 000
60 000
20 000
30 000
40 000
Bélgica Alemania España Francia Italia Polonia Portugal TurquíaComercio 4 860 12 168 12 930 40 262 23 813 5 408 5 975 2 034
0
10 000
Comercio 4 860 12 168 12 930 40 262 23 813 5 408 5 975 2 034
Construcción 1 011 3 874 1 537 12 137 5 557 1 610 922 533
Industria 2 669 12 202 7 275 20 425 27 382 5 865 3 498 3 112
Total 8 540 28 244 21 742 72 824 56 752 12 883 10 395 5 679
Financial Statement Analysis Working Group
16
RESUMEN
1. Introducción
2. Fuentes de datos y metodologías
3. Resultados empíricos
4. Conclusiones
Financial Statement Analysis Working Group
17
3. Resultados Empíricos(I): diferencias nacionales PMC
70
80
90
100Días
PMC(Medias ponderadas, Total empresas y sectores 2012)Hay diferencias significativas en los niveles
de los PMC y PMP entre países (media ponderada)
20
30
40
50
60
PMC: en Alemania, el plazo medio de cobro se sitúa en los 20 días mientras
0
10
Germany Poland France Belgium Spain Turkey Portugal Italy
cobro se sitúa en los 20 días, mientras que las compañías Italianas reciben sus ventas pendientes de cobro más tarde (en torno a 80 días).
80
90
100Días
PMP(Medias ponderadas, Total empresas y sectores 2012)
PMP: se observan diferencias
30
40
50
60
70
80PMP: se observan diferencias similares en el comportamiento de los plazos de pago.
0
10
20
30
Germany Turkey Belgium Poland France Spain Portugal Italy
Financial Statement Analysis Working Group
18
3. Resultados Empíricos (II): Medias, PMC H dif i id bl l líti i l Hay diferencias considerables en las
cifras de PMC entre un país y otro. Algunos de los factores pueden estar relacionados con:
política comerciales poder de negociación, etc.
Dif i ú l t ñ i l cultura de pago entorno legal estructura de la empresa
Diferencias según el tamaño: si la compañía es más grande, es más reducido su periodo medio de cobro (PMC).
PMC (Medias ponderadas, 2013)Días
Financial Statement Analysis Working Group
19
3. Resultados Empíricos (III): Medias, PMP
PMP (Medias ponderadas, 2013)Días
Financial Statement Analysis Working Group
20
3. Resultados Empíricos (IV): Medias. Saldo neto en el crédito comercial
Saldo neto comercial: Clientes Proveedores Saldo neto comercial: Clientes - Proveedores (Medias ponderadas, 2013)Días
Financial Statement Analysis Working Group
21
3. Resultados Empíricos (V): PMC y desglosado por sector
PMC en industria (medias ponderadas), 2013 PMC en construcción (medias ponderadas), 2013
PMC en comercio (medias ponderadas), 2013 PMC en comercio minorista (medias ponderadas), 2013
Financial Statement Analysis Working Group
22
3. Resultados Empíricos (VI): Medias, PMP y desglosado por sector
PMP en industria (medias ponderadas), 2013 PMP en construcción (medias ponderadas), 2013
PMP en comercio (medias ponderadas), 2013 PMP en comercio minorista (medias ponderadas), 2013
Financial Statement Analysis Working Group
23
3. Resultados Empíricos (VII): test Kolmogorov-Smirnov
Como complemento al análisis de las diferencias entre países basado en las medias, se ha realizado un análisis de homogeneidad de las muestras usando los cálculos de las estadísticas Kolmogorov-Smirnov (KS).
Los estadísticos KS de todos los países calculadas contra la muestra alemana muestran una correlación ppositiva entre esta medida de divergencia y las diferencias de las medias.
Italy
0,6
0,7
n D
PO
0,7
0,8
n D
SO
en P
MC
n PM
P
Belgium Spain
France Portugal0,4
0,5
ov s
tati
sti
cs o
n
Spain
Italy
PortugalTurkey
0,4
0,5
0,6
ov s
tati
sti
cs o
nro
v-Sm
irnov
e
v-Sm
irnov
en
g
PolandTurkey
0,1
0,2
0,3
og
oro
v-S
mir
noBelgium
FrancePoland
0,1
0,2
0,3
og
oro
v-S
mir
no
ico
Kol
mog
or
o K
olm
ogor
o
Germany0,0
0 20 40 60 80 100
Ko
lmo
DPO(Weighted means in days)
Germany0,0
0,1
0 20 40 60 80 100
Ko
lmo
DSO(Weighted means in days)
Esta
díst
i
Esta
díst
ico
PMC medias ponderadas en días PMP medias ponderadas en días
Estos resultados sugerirían la robustez de las medias para identificar el comportamiento agregado de las empresas por país y confirmado por esta relación positiva.
Financial Statement Analysis Working Group
24
3. Resultados Empíricos (VIII): Correlaciones a nivel de país
Para ambos medias y medianas, PMP and PMC están positivamente relacionados (>0.90): esto determina que cuanto más elevado es el PMC, es más prolongado es el PMP, y viceversa
I l
120Medians
120Weighted meansMedias ponderadas Medianas
Italy
Portugal80
100Italy
80
100
Belgium
France Spain
Poland
Portugal
Turkey40
60
DPO
BelgiumFrance
Spain
Poland
Portugal
Turkey40
60
DPO
PMP
PMP
GermanyTurkey
0
20German
y
Turkey
0
20
0 20 40 60 80 100 120DSO
0 20 40 60 80 100 120DSO PMCPMC
Financial Statement Analysis Working Group
25
3. Resultados Empíricos(IX): Correlaciones a nivel de empresa
Los coeficientes de correlación a nivel de empresa se mantienen positivos, pero más reducidos (entre 0.20 y 0.40 en la mayoría de los casos )
Coeficientes de correlación en PMC y PMP en 2012
(1) Coeficientes de correlación relativos al 2013.(∆) Coeficientes de correlación no estadísticamente diferente de 0 a un nivel de confianza del 95%.
Financial Statement Analysis Working Group
26
3. Resultados Empíricos (X): Indicadores sintéticos– FSA medias
Con el propósito de resumir la información nacional de los indicadores sintéticos, agregados FSA de PMC y PMP han sido construidos como las medias de los ocho países del WG, ponderados por el valor añadido de las empresas no financieras de cada economía (medias constantes)
Los indicadores sintéticos dePMC y PMP muestran unaclara tendencia descendente
DíasIndicadores sintéticos FSA: medias ponderadas
clara tendencia descendenteentre 2000 y 2013 (con uncambio entre 2008-2009debido a la crisis, siendo losniveles más bajos alcanzadosniveles más bajos alcanzadosen el última observacióndisponible.
PMCPMP
Financial Statement Analysis Working Group
27
3. Resultados Empíricos (XI): Indicadores sintéticos-Variaciones entre países
Simultáneamente se ha querido medir la dispersión en el comportamiento de los PMC y PMP de lospaíses individuales sobre los promedios FSA, calculándose también coeficientes de variación .
Estos coeficientes de variación ponderados entre países están medidos como la desviación estándarde PMC/PMP entre países dividido por el indicador sintético FSA, ponderados de acuerdo con los pesossegún el VAB de las empresas no financieras de cada país
Después de 2007, se ha observadoun incremento en laheterogeneidad en el
Coeficiente de variación entre paísesheterogeneidad en elcomportamiento en los plazoscomerciales a nivel nacional, enespecial en los plazos de clientes,que podría estar relacionado con losque podría estar relacionado con losimpactos diferenciales yconsecuencias macroeconómicasde la crisis en cada uno de lospaísespaíses
PMP
PMC
Financial Statement Analysis Working Group
28
3. Resultados Empíricos (XII): KDE en un resumenEl método de las funciones estimadas de densidad Kernel (KDE) permite una representaciónEl método de las funciones estimadas de densidad Kernel (KDE) permite una representación distribución de la función de densidad que no es dependiente en la amplitud de los intervalos usados para construir un histograma. Esto suaviza la contribución de cada dato individual alrededor de sus adyacentes
Max: 0,0164
Funciones de densidad Kernel y datos reales para PMC Distribución y función de densidad Kernel para PMC
En las estimaciones de las KDE pueden ser usados parámetros para ajustar el nivel de suavización de la distribución En el análisis de este trabajo se han usado los parámetrossuavización de la distribución. En el análisis de este trabajo se han usado los parámetros estándar propuestos por el software estadístico en uso.
La finalidad en la estimación de las KDE ha sido comparar gráficamente las funciones de la distribución de diferentes grupos de empresas (países/sectores/años)
Financial Statement Analysis Working Group
29
distribución de diferentes grupos de empresas (países/sectores/años)
3. Resultados Empíricos (XIII): distribuciones KDE, por país
PMC para el total de sectores en 2013 ad
Den
sida
Financial Statement Analysis Working Group
30
3. Resultados Empíricos (XIV): distribuciones KDE, por país
PMP para el total de sectores en 2013 da
dD
ensi
d
Financial Statement Analysis Working Group
31
3. Resultados Empíricos(XV): KDE acumulado distribuciones de PMC, por país
DSO = 30 days
PMC para el total de sectores en 2013
= 60 days
dD
ensi
dad
Financial Statement Analysis Working Group
32
3. Resultados Empíricos (XVI): KDE distribuciones acumuladas de PMP, por país
DPO 30 days
PMP para el total de sectores en 2013
DPO = 30 days= 60 days
dD
ensi
dad
Financial Statement Analysis Working Group
33
3. Resultados Empíricos (XVII): distribuciones KDE, por país y sector
PMC I d t i 2013 PMC Construcción en 2013PMC Industria en 2013 PMC Construcción en 2013 D
ensi
dad
Den
sida
d
PMC Comercio minorista en 2013 PMC Comercio en 2013
Den
sida
d
Den
sida
d
Financial Statement Analysis Working Group
34
3. Resultados Empíricos (XVIII): distribuciones KDE, por país y sector
PMP I d t i 2013 PMP Construcción en 2013PMP Industria en 2013 PMP Construcción en 2013
PMP Comercio minorista en 2013 PMP Comercio en 2013
Financial Statement Analysis Working Group
35
3. Resultados Empíricos(XIX): distribuciones KDE en el tiempo: ESPAÑA
Diferencias temporales son analizadas mediante: (i) gráficos KDE han sido establecidos para los años 2008 2009 y elDiferencias temporales son analizadas mediante: (i) gráficos KDE han sido establecidos para los años 2008, 2009 y el más reciente año 2013.
En España, PMC y PMP se han acortado debido a la implementación de la Ley 15/2010 en la que se establecen medidasde lucha contra la morosidad en las operaciones comerciales. La legislación establece un período máximo de pago enl t i i l d 60 dí l d l t i tlas transacciones comerciales de 60 días en el caso de las transacciones entre empresas.
España: PMC evolución temporal España: PMP evolución temporal
DSO 2008 2013 Δ 2008‐2013P25 29 27 ‐2
Periodo medio de cobro
P50 66 61 ‐4P75 103 96 ‐7DPO 2008 2013 Δ 2008‐2013P25 32 30 ‐2P50 60 56 ‐5
Periodo medio de pago
Financial Statement Analysis Working Group
36
P75 92 87 ‐6
3. Resultados Empíricos (XX): distribuciones KDE a en el tiempo: BÉLGICAEn Bélgica, las diferencias en el tiempo son pequeñas. Se ha observado un pequeño cambio en las distribuciones KDE a la izquierda, indicando un acortamiento de los períodos medios de pago.
Bélgica: PMC evolución temporal Bélgica: PMP evolución temporal
DSO 2007 2013 Δ 2007‐2013P25 33 27 ‐6P50 58 52 ‐6
Periodo medio de cobro
P75 84 78 ‐6DPO 2007 2013 Δ 2007‐2013P25 36 31 ‐5P50 59 53 ‐6
Periodo medio de pago
Financial Statement Analysis Working Group
37
P75 89 82 ‐7
3. Resultados Empíricos(XXI): ¿Son significativas las diferencias a lo largo del tiempo?
(ii) usando el test de homogeneidad chi-cuadrado para determinar si las distribuciones son similares o diferentes dependiendo del año
Chi-square test: DSO over time
Observed dataObserved dataCountry:
Sector: Size:
11 12 13 14 15 16DSO < 0 0 <= DSO < 30 30 <= DSO < 60 60 <= DSO < 90 90 <= DSO < 120 DSO >= 120 # of companies
14 FR 2012 2,5 32,9 25,9 23,2 9,6 5,9 7442415 FR 2013 2,3 33,4 25,5 23,0 9,8 6,1 72824
FRTotal Total w/o Micro
Observed frequencyDSO < 0 0 <= DSO < 30 30 <= DSO < 60 60 <= DSO < 90 90 <= DSO < 120 DSO >= 120
FR 2012 1842 24471 19293 17284 7110 4424 74424FR 2013 1673 24298 18551 16750 7127 4425 72824
3515 48769 37844 34034 14237 8849 147248Expected frequency
DSO < 0 0 <= DSO < 30 30 <= DSO < 60 60 <= DSO < 90 90 <= DSO < 120 DSO >= 120FR 2012 1777 24649 19128 17202 7196 4473 74424FR 2013 1738 24120 18716 16832 7041 4376 72824
3515 48769 37844 34034 14237 8849Calculations
2,41 1,29 1,43 0,39 1,02 0,53 Chi statistic2,46 1,32 1,46 0,40 1,05 0,54 14,30
2Chi 2 0,05 (5)= 11,07 p-value 0,01
Null hypothesis: The DSO distributions for Total sector and all sizes (FR) in 2012 and 2013 are similar.
The test compares whether frequency counts are distributed identically across different samples (2012 and 2013).
El ejemplo de resolución del test chi-cuadrado para el ratio PMC para las muestras francesas. Si el nivel de significatividad es 5%, se puede concluir que hay una diferencia estadísticamente significativa en la proporción de empresas en las seis categorías de PMC entre 2012 y 2013
Financial Statement Analysis Working Group
38
3. Resultados Empíricos (XXII): KDE Bivariente –Empresas Grandes– Industria
Densidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
• BelgiumBélgicaDensidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
PMP
PMPPMCPMC
• SpainEspañaDensidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
PMP
PMC PMP
Financial Statement Analysis Working Group
39
PMC
3. Resultados Empíricos (XXIII): KDE Bivariente –Empresas grandes– Construcción
Densidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
• BelgiumBélgicaDensidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
PMP
PMPPMCPMC
• SpainEspañaDensidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
PMP
PMC PMP
Financial Statement Analysis Working Group
40
PMC
3. Resultados Empíricos( XXIV): KDE Bivariente –Empresas grandes– Comercio minorista
Densidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
• BelgiumBélgicaDensidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
PMP
PMPPMCPMC
• SpainEspañaDensidad Kernel para PMC y PMP Densidad Kernel para PMC y PMP
PMP
PMC PMP
Financial Statement Analysis Working Group
41
PMC
RESUMEN
1. Introducción
2. Fuentes de datos y metodología
3. Resultados empíricos
4. Conclusiones
Financial Statement Analysis Working Group
42
4. Conclusiones
El estudio examina la importancia de créditos comerciales en los países FSA WG.: Los períodos medios de cobro y pago de los créditos comerciales, obtenidos de l d t t bl tá l d t i d t d ti fi ilos datos contables, están evaluados teniendo en cuenta dos ratios financieros principales:
Período medio de Cobro(PMC) Período medio de Pago(PMP)Período medio de Pago(PMP)
Los resultados revelan diferencias entre PMC y PMP entre países, sectores y tamañostamaños.
Identificando tendencias heterogéneas en la evolución del PMC y PMP en consecuencia de la crisis financiera de 2008-2009consecuencia de la crisis financiera de 2008 2009
El resultado del trabajo en PMC y PMP ha derivado en una base de datospermanente ECCBSO:permanente ECCBSO:
MediasKDETest estadísticos de homogeneidad(por año, por país, etc.)
Link: https://www.eccbso.org/wba/pubblica/pubblicazioni/file/FSA%20WG/TRADE_CREDIT_DATABASE_FINAL_V.xlsx
Financial Statement Analysis Working Group
43
g (p , p p , )
GRACIAS POR VUESTRA ATENCIÓN. ALGUNA PREGUNTA?¿ALGUNA PREGUNTA?
Financial Statement Analysis Working Group