Análisis contable con técnicas multivariantes
III Cluster

III Clasificar empresas en grupos similares: el análisis de conglomerados

1) ¿Para qué sirve?

Un juego educativo para los niños consiste en proporcionarles figuras geométricas (triángulos, cuadrados, etc.) de diferentes tamaños y colores y ellos deben tratar de agruparlos según sus semejanzas. También los consumidores intuitivamente clasifican los productos de las empresas y de ello depende su decisión de comprar. Entre las empresas que forman parte de un sector es posible agrupar a las que siguen una estrategia similar.

El análisis de conglomerados o análisis cluster es una técnica multivariante utilizada en determinadas situaciones en las que estamos interesados en un agrupamiento de los patrones de entrada. Su objetivo es, por lo tanto, agrupar los datos de partida en varios grupos y subgrupos.

Las personas obtenemos buenas clasificaciones cuando los objetos se describen por una, dos o tres características. Al aumentar ese número, las clasificaciones realizadas por un algoritmo de agrupamiento son más rápidas y mejores.

Se emplea en estudios exploratorios en los que no se tiene una idea a priori de la disposición de los datos de entrada. Supone con frecuencia el primer paso de un estudio multivariante y, por su sencillez, es una técnica muy apropiada que nos permitirá echar un primer vistazo a los datos.

Es una de las técnicas básicas del reconocimiento de patrones.


2)
En el caso del análisis contable...

Disponemos de un conjunto de empresas de las que conocemos variables como, por ejemplo, ratios financieros. Queremos agruparlos en grupos más o menos semejantes.

También puede utilizarse para obtener grupos de variables semejantes, en nuestro caso serviría para agrupar un conjunto amplio de ratios financieros en grupos.


3)
¿Cómo funciona por dentro?

Tenemos 4 empresas y de cada una de ellas podemos obtener dos ratios, por ejemplo rentabilidad y liquidez.

A ojo vemos que A y B son empresas semejantes, caracterizadas por alta rentabilidad y baja liquidez. Diríamos que C y D forman otro grupo.

Matemáticamente podríamos calcular la distancia euclídea que en este caso de dos dimensiones se obtiene con el Teorema de Pitágoras.

¿Y si tenemos más variables, por ejemplo 9? Entonces no lo podemos hacer a ojo. Pero sí podríamos calcular la distancia euclídea n dimensional. Con eso empieza el Análisis de Conglomerados.


4)
Aplicación a la predicción de la quiebra

Con el análisis de conglomerados obtenemos una figura llamada dendrograma. Es un gráfico que recuerda a un árbol o a un organigrama o a racimos de uva.

Veamos en la siguiente figura el dendrograma que se obtiene en el ejemplo de los 66 bancos y 9 ratios.

Figura: Diagrama de árbol construido con los 9 ratios de los 66 bancos

Observamos en la figura que hay grupos detectados por el análisis de conglomerados formados por empresas claramente insolventes, como el que forman las empresas 1, 19, 21, 23, 28 y 51, donde solamente la empresa 51 es solvente. Pero, en general realizando solamente este análisis no somos capaces de clasificar a las empresas en solventes e insolventes. Incluso podemos apreciar un grupo muy numeroso constituido por ocho empresas quebradas y doce solventes.

Otra figura que se obtiene son los carámbanos, porque recuerdan a grupos de estalactitas que cualgan del techo y se encuentran unidas unas a otras.


5)
Resumen

Obtener grupos a partir de información contable de empresas es útil para el analista.

El análisis de conglomerados es una técnica sencilla de aplicar y muy interesante para analizar la información contable. No es exigente en cuanto a la calidad de la información, aunque hay que tomar la precaución de estandarizar correctamente las variables, elegir la medida de distancia adecuada, así como el procedimiento de obtención de conglomerados más apropiado.
Los resultados son fáciles de interpretar, pues son gráficos, pero hace falta algo de experiencia.

Esta sencillez puede ser causa de errores: con el análisis de conglomerados siempre sale algo y a veces un exceso de imaginación hace que veamos grupos donde no los hay.

Una buena práctica es combinar los resultados del análisis de conglomerados con los de otras técnicas multivariantes como las escalas multidimensionales.

Ir a CiberConta Retroceder  Inicio leccion   Avanzar