M-Score te librará de invertir en fraudes por Yuval Taylor

Nota: M-Score se utiliza para identificar a las empresas que se dedican a la manipulación de sus finanzas. He usado seudónimos en este artículo y cambiado ciertos detalles para enmascarar la identidad de las empresas en cuestión.

I. Ser defraudado

No hace mucho tiempo, una empresa de análisis de inversiones expuso una empresa en la que había invertido como lo que era, un fraude. La mayor parte de los ingresos de esta compañía aparentemente provienen de algunas otras compañías que habían adquirido recientemente, pero resultó ser prácticamente imposible verificar que ninguno de esos ingresos realmente existiera fuera de los libros de la compañía.

Basándome en sus estados financieros más recientes, le di a esta empresa una calificación muy alta. Y puse mucho dinero detrás de ello.

Esto duele. No solo dolió financieramente, perdí más de 80 000 dólares, sino que también dolió mi credibilidad como inversor cuantitativo. En el panorama general, podría soportar la pérdida. Pero mi filosofía de inversión se basa en la máxima de que las acciones más seguras son mejores inversiones que las arriesgadas. Y, sin embargo, aposté mucho por una acción que esta empresa de investigación etiquetaría en breve y con razón sería una estafa fácil de detectar con finanzas ficticias.

Una de las razones por las que me pillaron desprevenido es que esta empresa cotiza en el NASDAQ como una empresa estadounidense. Las acciones cotizadas domiciliadas en los EE. UU. son las acciones más seguras del mundo simplemente porque la SEC es mejor para perseguir a los estafadores en el mercado de valores de los EE. UU. que cualquier otro organismo regulador del gobierno.

Sin embargo, la historia del mercado de valores está llena de fraudes. Está en la propia naturaleza de la bestia. Se nos enseña que debemos tener cuidado con las empresas que se dedican a la manipulación de sus estados financieros. Sin embargo, todas las empresas, por la propia naturaleza de los informes financieros, tienen cierto margen de maniobra para construir los estados financieros. Hay cientos de áreas grises al informar sobre las finanzas, que es una de las razones por las que con frecuencia digo que no hay absolutamente nada científico en los datos financieros. Entonces, ¿qué estoy haciendo cuando clasifico las acciones en función de estos datos discrecionales? Bueno, estoy lidiando con probabilidades. Si el flujo de caja libre declarado de una acción es alto, eso no significa que sea un ganador: significa que es más probable que sea una acción ganadora que una acción cuyo flujo de efectivo libre reportado es extremadamente bajo.

Entonces, ¿qué debería haberme avisado de que esta empresa era un fraude? ¿Hay algo basado en los números que deba aprender? ¿Hay alguna regla de detección que pueda aplicar a mis universos para evitar que esto vuelva a suceder?

II. Messod D. Beneish y «La detección de la manipulación de los ingresos»

En 1999, un profesor de contabilidad de la Universidad de Indiana publicó «The Detection of Earnings Manipulation» en Financial Analysts Journal. (Esta fue una revisión exhaustiva de un método que había publicado por primera vez en 1997.) Messod Beneish no fue el primero ni el último en intentar utilizar el análisis de los estados financieros para detectar el fraude. Pero su método se ha mantenido mejor que cualquier otro; en un documento de seguimiento de 2020, «El costo de los errores de predicción de fraude«, demostró que su método tenía una proporción más baja de falsos positivos y verdaderos que cualquier otro método además de uno basado en el aprendizaje automático introducido en 2020.

Beneish llegó a su fórmula examinando 74 empresas que manipularon las ganancias durante un período de seis años y comparándolas con 2.332 empresas similares que no lo hicieron. Se le ocurrió ocho factores cuyos valores más altos parecían indicar una mayor probabilidad de manipulación, siete de los cuales comparan la cifra del último año fiscal con la anterior. De esos ocho, solo cinco eran estadísticamente significativos (y uno de esos cinco, AQI, todavía tenía valores p bastante altos). Usando la regresión probit, se le ocurrió una fórmula que incluía los ocho factores, pero dio un coeficiente negativo a dos de los estadísticamente insignificantes y un coeficiente muy bajo al tercero.

Los ocho factores son los siguientes:

1. Días de venta en cuentas por cobrar (DSRI). Esto compara la relación entre las cuentas por cobrar y las ventas en el año fiscal más reciente con la misma relación en el año fiscal anterior. La relación entre las cuentas por cobrar y las ventas es básicamente el porcentaje de ventas por las que aún no se ha recibido efectivo. Si esa proporción se está haciendo mucho más grande, es una señal de que la empresa puede estar exagerando sus ventas.
2. Margen bruto (GMI). Esto compara el margen bruto de la empresa en el año fiscal anterior con el margen bruto actual de la empresa. Si el margen bruto de una empresa se está deteriorando notablemente, eso le da un fuerte incentivo para manipular sus finanzas.
3. Calidad de los activos (AQI). Esto toma los activos no corrientes de la compañía que no están en la planta, la propiedad y el equipo netos, los divide entre sus activos totales y compara ese número con el del año fiscal anterior. Si este número está aumentando, la compañía puede estar aplazando indebidamente los costos (o puede estar participando en adquisiciones sustanciales; pero Beneish señala que «los manipuladores de muestras llevan a cabo pocas adquisiciones y esas son principalmente bolsas de acciones por acciones que se contabilizan mediante la agrupación de intereses»). Como él dice, «un aumento en el riesgo de realización de activos indica una mayor propensión a capitalizar y, por lo tanto, a diferir los costos».
4. Crecimiento de las ventas (SGI). Esta es una medida simple del crecimiento de las ventas desde el año fiscal más reciente hasta el anterior. Las empresas de alto crecimiento tienen más probabilidades de participar en el fraude de los estados financieros.
5. Depreciación (DEPI). Beneish midió la depreciación comparándola con la suma de la depreciación y la planta neta. Si esta proporción está bajando, eso es una señal de que la compañía ha estado revisando al alza las estimaciones de la vida útil de los activos, aumentando así los ingresos netos de la compañía a través de la manipulación financiera.
6. Gastos de ventas, generales y administrativos (SGAI). Esta es la relación entre SG&A y ventas. En su artículo original, Beneish no está claro por qué siente que si esta proporción está aumentando, es un signo de manipulación financiera. La única justificación que da es que «los analistas interpretarían un aumento desproporcionado en las ventas como una señal negativa sobre las perspectivas futuras de las empresas. Espero una relación positiva entre el SGAI y la probabilidad de manipulación». Hay una contradicción entre esas dos frases. Escritores posteriores han sugerido que el factor está justificado por la idea de que si la eficiencia administrativa y de marketing disminuye, eso podría motivar a los gerentes a manipular las ganancias; del mismo modo, si a los gerentes se les paga mucho más, esa es otra buena señal de fechoría financiera.
7. Apalancamiento (LVGI). Esto compara la relación entre la deuda total y los activos totales entre los dos años fiscales más recientes. Si la deuda está aumentando, hay más incentivos para la manipulación de ganancias, razonó Beneish.
8. Total de devengo a activos totales (TATA). Esta relación no compara los dos años fiscales más recientes, sino que simplemente toma los valores devengados y las divisiones por el total de activos. Beneish al principio midió los valores devengados utilizando el enfoque del balance de Richard Sloan, pero más tarde (en 2013) cambió a un método más ampliamente aceptado basado en el estado de flujo de efectivo, que es simplemente el ingreso neto menos el efectivo de las operaciones.

El cálculo de cada uno de estos factores es relativamente fácil. Los primeros siete son cocientes simples: si las cifras comparadas son las mismas de un año a otro, el resultado es 1; para la mayoría de ellos se toma el número del año fiscal más reciente y se divide por el del año anterior y para GMI y DEPI se hace lo contrario. Los acumules también se calculan fácilmente. Cada uno de los factores se gana por los percentiles 99 y 1. (Para aquellos que no están familiarizados con la Winsorización, eso significa que a cualquier factor por encima del percentil 99 se le da ese valor en lugar de su verdadero valor; ayuda a evitar valores atípicos). Por último, si los elementos de AQI, DEPI o SGAI son N/A, el valor se establece en 1.

La M-Score final (M significa manipulación) se calcula utilizando la siguiente fórmula, basada en una regresión probit no ponderada:

–4.84 + 0.92*DSR + 0.528*GMI + 0.404*AQI + 0.892*SGI + 0.115*DEPI – 0.172*SGAI – 0.372*LVGI + 4.679*TATA.

En su artículo original, Beneish admitió que no se demostró que los tres factores con coeficientes bajos y negativos (DEPI, SGAI y LVGI) fueran de valor. Todos tienen valores p relativamente altos. Si bien dio los números de regresión de probit anteriores, no propuso que la M-Score se calculara con ellos. Sin embargo, esa es la forma en que se ha calculado desde entonces, y Beneish desde entonces ha promocionado esta fórmula en sus documentos de seguimiento de 2013 y 2020.

El umbral para saber si es probable que una empresa sea un manipulador es una M-Score de -1,78 o superior, aunque permitió mucho margen de maniobra en este punto. Si la M-Score de una empresa está por debajo de -2, es poco probable que esté manipulando sus finanzas.

Hay muchas versiones en línea de la M-Score de Beneish, y muchas de ellas tienen enfoques ligeramente diferentes. Portfolio123 utiliza el final de doce meses o, para las partidas del balance, cifras trimestrales en lugar de anuales, y no Winsorize. YCharts utiliza números anuales y no Winsorize; para AQI deducen no solo los activos no corrientes y los PPE, sino también las inversiones a largo plazo, y para los valores devengados utilizan los ingresos operativos en lugar de los ingresos netos. Hay una excelente calculadora en línea de la Escuela de Negocios Kelley de la Universidad de Indiana, donde Beneish enseña, que desglosa la M-Score de cualquier empresa por factor y da probabilidades y probabilidades. Es fiel al cálculo original, usando cifras anuales y Winsorizing. Se pueden encontrar otros cálculos en GuruFocus, FinBox, MacroAxis, por ejemplo. Seeking Alpha todavía no ofrece la M-Score.

III. Excavando en la M-Score

Voy a ver un poco más de cerca cómo funciona la M-Score en la práctica, examinando cada uno de sus factores.

Recientemente revisé las M-Score y los ocho factores de unas cuarenta empresas que han recibido informes condenatorios de una empresa de análisis de inversiones que se especializa en irregularidades contables, transacciones de partes relacionadas no reveladas y prácticas ilegales de información financiera. No todas esas empresas se dedican a la manipulación financiera, pero la mayoría de ellas parecen haberlo hecho. Las conclusiones a las que llego a continuación se basan en mi examen de esos informes.

Como ejemplos concretos, voy a ver cinco empresas. Los primeros cuatro manipularon sus estados financieros, mientras que los últimos no parecen sospechosos en lo más mínimo. Los estoy identificando a todos, además de Enron, usando seudónimos y cambiando casi todos los detalles sobre ellos, incluidas las fechas; pero las finanzas que estoy dando no son ficticias. Las empresas son:

• The Argonarm Group, que es la empresa en la que perdí dinero. En el momento en que el informe salió identificándolo como un fraude obvio, la M-Score lo identificó como un posible manipulador. Lo identificó como un probable manipulador antes de eso, pero eso fue antes de que adquiriera las otras empresas, por lo que no estaba realmente en el radar de nadie.
• Miracle Prospect Machinery. Esta empresa fue tomada hace casi una década por un hombre que era buscado en el extranjero por dirigir un esquema ponzi y falsificación. Un año más tarde, la compañía se convirtió en un nuevo segmento de negocio y entró en una empresa conjunta con una empresa cuyo vicepresidente era la esposa de este hombre; esa empresa fue investigada por la SEC, y la mayoría de sus contratos de software no existían. Estaré mirando las finanzas de Miracle, antes de que el precio de sus acciones se derrumbe. La M-Score identificó a esta empresa como segura.
• Neapolis Charter Tools. La SEC golpeó a esta empresa con citaciones hace varios años y de nuevo dos años después. Neapolis admitió la «debilidad» relacionada con sus finanzas y, como resultado, reató algunas de ellas. La compañía tenía una larga historia de prácticas comerciales cuestionables; yo mismo perdí mucho dinero en ello. Estaré revisando sus finanzas entre el año de la citación original y el segundo. La M-Score identificó correctamente a esta empresa como que tenía una alta probabilidad de manipulación de ganancias.
• Enron. Los problemas con las finanzas de Enron comenzaron a verse a finales de 2000, pero no fue hasta octubre de 2001 que estuvieron al descubierto. Fue entonces cuando Enron anunció que las reformulaciones de los últimos cuatro informes anuales (los de 1997 a 2000) eran necesarias para corregir las violaciones contables. Al mes siguiente presentaron documentos ante la SEC que revisaban esas declaraciones para tener en cuenta las pérdidas de 586 millones de dólares. Usando una versión anterior de la M-Score de Beneish, los estudiantes de la Universidad de Cornell identificaron que Enron tenía una alta probabilidad de manipulación de ganancias en 1998, según su informe anual que cubre 1997. Pero si se aplica la M-Score a los informes anuales que cubren los años fiscales 1998 o 1999, indica que la empresa es segura; todo el tiempo, Enron estaba moviendo sus pérdidas operativas a entidades de propósito especial. El informe anual de 2000, publicado en 2001, era una caldera de pescado diferente: la M-Score aumentó a -0,55, y la gente se estaba volviendo extremadamente escéptica sobre lo que había en esos informes. Pero para ese momento, las acciones habían comenzado a descender. Estaré mirando las M-Score de Enron a mediados de 2000 y mediados de 2001.
• Rebria Services. No hay absolutamente ninguna evidencia de ninguna práctica fraudulenta o manipulación de ganancias en Rebria, y nadie parece haber sugerido tal cosa. Estaré revisando sus finanzas actuales. La M-Score identifica a esta empresa como que tiene una alta probabilidad de manipulación de ganancias, solo porque su DSRI es extremadamente alto (debido a la venta de los derechos de comercialización de una de sus tecnologías a otra empresa).

La siguiente tabla muestra cada uno de los factores de la M-Score de Beneish para estas cinco empresas que utilizan datos de Compustat de Portfolio123, con los puntos de winsorization repuntes del sitio web de Kelley School. Tengo dos líneas para Enron para diferentes fechas.

Para los factores, el sombreado rojo indica puntuaciones altas (por encima del percentil 90) y el sombreado verde indica puntuaciones bajas (por debajo del percentil 10); ningún sombreado indica puntuaciones normales (entre los percentiles 10 y 90). Para la M-Score, el rojo se da a las empresas por encima de -1,78 («probable manipulador», según el sitio web de la Escuela Kelley), verde a las empresas por debajo de -2 («no manipulador»), y no hay sombreado a las empresas entre («posible manipulador»).

Una de las cosas sorprendentes de este gráfico es que las tres empresas recientes que han cometido manipulaciones de ganancias tienen puntuaciones extremas (muy altas o muy bajas) en la mayoría de las categorías. Veamos los factores uno por uno y veamos si podemos explicarlo.

1. DSRI. Si una empresa tiene una puntuación baja, significa que está disminuyendo sus cuentas por cobrar en comparación con las ventas. Eso puede ser algo bueno, pero también podría ser una señal de que la compañía está ofreciendo desesperadamente términos de crédito extendidos a los clientes, haciendo ventas a clientes con baja solvencia, relleno de canales (enviando exceso de inventario a distribuidores o minoristas sin demanda) o, y este es el punto predominante para las empresas que he estado buscando, reconociendo los ingresos prematuramente. En mi investigación he descubierto que las empresas con puntuaciones de DSRI muy altas o muy bajas son sospechosas. Argonarm, Miracle y Neapolis tenían puntuaciones de DSRI anormalmente bajas. Rebria, por otro lado, tenía una puntuación de DSRI anormalmente alta, mayor que el percentil 99, debido a la venta de los derechos de comercialización de una de sus tecnologías, por lo que se valía a 3,12.
2. GMI. Si los márgenes brutos de una empresa están aumentando enormemente, como es el caso de Argonarm, cuyos márgenes probablemente pasaron del 16 % al 68 %, eso es motivo de preocupación. Una de las cosas que alertó a la empresa de investigación sobre el fraude de Argonarm fueron sus márgenes insanos, que eran mucho más altos que los de cualquier otra empresa de su industria. Neapolis también informó de un aumento extremo en su margen bruto, al igual que varias de las otras empresas que examiné.
3. AQI. Este factor depende del equilibrio entre tres cosas: activos corrientes, planta neta y activos totales. Si uno o dos de ellos cambian radicalmente de un año a otro, eso puede ser una señal de advertencia importante. Echemos un vistazo específico a Miracle, por ejemplo. Su balance de 2013 incluyó solo 0,1 millones de dólares en efectivo y 1,9 millones de dólares en activos corrientes, casi todos los cuales estaban en cuentas por cobrar. También tenían 3 millones de dólares en depósitos, por lo que sus activos totales fueron de 5,7 millones de dólares. Sin embargo, en 2014, sus activos totales habían crecido casi diez veces a 53 millones de dólares porque, según se informa, habían aumentado su efectivo a 45 millones de dólares. Su EPP se mantuvo aproximadamente igual (de 0,5 millones de dólares a 0,7 millones de dólares). Es por eso que recibieron un AQI tan absurdamente bajo. Algo similar estaba sucediendo con Argonarm: su efectivo se disparó de 97 millones de dólares a 500 millones de dólares, su planta neta pasó de 0,7 millones de dólares a 855 millones de dólares, y sus activos totales se multiplicaron casi diez veces, de 177 millones de dólares a 1,68 mil millones de dólares. A pesar de las fusiones y adquisiciones inversas, este tipo de cosas merecen una estrecha consideración.
4. SGI. El crecimiento de las ventas reportado extremadamente alto es, de hecho, la bandera número uno para la falsificación de ingresos. Beneish estaba justo en el blanco aquí.
5. DEPI. Argonarm, Miracle y Neapolis obtuvieron una M-Score muy alta en esta medida. Pero es importante señalar que dos cosas pueden hacer que esta proporción funcione: una es una disminución extrema en la depreciación; la otra es un aumento extremo en la planta neta. En el caso de estas tres empresas, parece que sus nuevos activos tenían una vida útil mucho más larga o un costo mucho más bajo que los anteriores. La probabilidad de eso no parece muy alta.
6. SGAI. Un gran aumento en las ventas sin un aumento correspondiente en los gastos de venta y respuestas generales es una clara señal de advertencia de que las ventas pueden estar exageradas, por lo que un SGAI bajo puede ser tan malo como un SGAI alto. Esto es en realidad lo que sugirió el lenguaje original de Beneish en el documento de 1999, y se corresponde con el coeficiente negativo dado a este factor. En mi investigación sobre empresas sospechosas, un gran número de ellas tenían puntuaciones de SGAI extremadamente bajas o extremadamente altas.
7. LVGI. Beneish suponía que un aumento de la deuda sería un signo de manipulación, pero en realidad es al revés. Las empresas que están disminuyendo su relación entre deudas y activos podrían estar pagando sus deudas, pero también podrían estar aumentando su capital vendiendo muchas acciones. Eso es sin duda lo que hizo Argonarm: ¡su relación entre la deuda y los activos se rebajó al 9 % de lo que había sido el año anterior! Uno de los signos más frecuentes de que una empresa participa en actividades fraudulentas es que vende acciones. Argonarm no fue la única empresa que lo hizo: al mismo tiempo que Miracle y Enron. ¡Eso es lo que hace que el fraude valga la pena!
8. TATA. Casualmente, las cinco empresas en cuestión aquí tienen acumulaciones moderadas. En mi investigación limitada, en realidad no encontré mucha correspondencia entre los altos valores devengados y la propensión a la malversación financiera. Pero confío en Beneish en esto: miró a muchas más empresas que yo.

IV. Revisando la M-Score

Tengo algunas objeciones menores con la M-Score, así que me encargué de hacer algunos cambios, a saber:

1. Promediando. Encontré que la M-Score variaba mucho de un año a otro. Cada declaración anual daba una imagen diferente. También me preocupaba que la M-Score no fuera actual. Si el «golpe» de Argonarm, su adquisición de varias empresas similares en el mismo trimestre, hubiera ocurrido entre los informes anuales, su M-Score no habría cambiado. (En este caso, eso habría sido algo bueno, ya que el informe anual del año anterior obtuvo una M-Score extremadamente alta de 0,21.) En cualquier caso, pensé que sería mejor para cada factor promediar la comparación de este año con el año pasado con una comparación del trimestre actual con el mismo del año pasado y, para los elementos que no son de balance, los valores finales de doce meses con los de hace un año.
2. N/As. Beneish dio valores de 1 a tres factores si la información no estaba disponible; hice lo mismo con los otros cuatro factores de año a año, y di un valor de -0,05 si TATA era N/A. Esto mejora la cobertura y nos permite incluir acciones financieras (que Beneish excluyó), a muchas de las cuales no se aplican elementos como los márgenes brutos o los activos actuales. Para protegerse mejor del fraude, es bueno tener un número para todas las empresas.
3. Winsorizing. Beneish ganó el 1 % y el 99 %. Eso permite que un factor domine por completo, como vimos con Rebria. Creo que es mejor ganar al 5 % y al 95 %.
4. Bidireccionalidad. Para cuatro de los factores, pensé que sería mejor dar puntuaciones altas tanto a grandes aumentos como a enormes disminuciones. Esos son DSRI, GMI, AQI y SGAI. Para calcularlos, primero tomé los promedios, luego los gané; después de eso, si el resultado era menor de uno, usé su recíproco en su lugar.
5. Apalancamiento. Encontré un pequeño problema con la forma en que Beneish usó este factor. Digamos que una empresa aumentó su carga de deuda en un 700 %. Debido al Winsorizing, obtendría una puntuación de 3,13 (una empresa que mantiene su deuda igual obtiene una puntuación de 1). LVGI tiene un coeficiente de -0,327. Por lo tanto, una empresa que aumentara significativamente su deuda vería su M-Score bajar (3,13 – 1) x 0,327, o 0,7, lo que la convierte en una apuesta mucho más segura. Eso no tenía sentido para mí. Así que uso el recíproco del factor de apalancamiento (es decir, la deuda del año pasado con los activos dividida por el de este año) y le doy un coeficiente positivo. Ahora una empresa que aumenta su carga de deuda en un 700 % obtiene una puntuación de 0,33, lo que hace que su M-Score disminuya solo (1 – 0,33) x 0,327, o 0,22. En cuanto a una empresa que aumenta radicalmente su capital mediante la venta de una gran cantidad de acciones, la relación deuda/activos de Argonarm se rebajó en un 74 % (su valor es de 0,226). Así que invertirlo le da una puntuación de 3,85, que luego se convertiría en Winsorized a 2,63. Eso aumenta su M-Score en 0,53, lo que parece más apropiado que tener su M-Score elevada en solo 0,24.
6. Aumento de las acciones. Añadí un factor adicional, llamado índice de aumento de acciones (SII), basado en los factores de Beneish, que compara el recuento de acciones completamente diluidas para este año (y el trimestre más reciente) con el del año anterior (y el mismo trimestre del año pasado). Me di cuenta de que muchas de estas empresas fraudulentas emiten muchas acciones nuevas o emiten acciones adicionales del tesoro o venden preferentes convertibles para ganar dinero antes de que sean atrapadas. Y no siempre eran las mismas empresas que aquellas con bajas puntuaciones de LVGI, ya que muchas de ellas emitieron acciones y aumentaron su carga de deuda.
7. Coeficientes. Debido a que cambié la forma en que cuatro de estos factores funcionaban, también tuve que cambiar sus coeficientes, lo que hice comparando el nuevo rango (10o percentil a 90) de los factores con el rango anterior. Le di a mi nuevo factor (SII) un coeficiente que era un promedio ajustado por rango de los ocho factores existentes; también cambié los dos factores con coeficientes negativos a positivos debido a la forma en que cambié esos factores. Al final, alteré cinco de los coeficientes de Beneish un poco, pero mantuve tres de ellos iguales (SGI, DEPI y TATA).
8. Interceptar y cortar. La fórmula de Beneish tenía una intercepción que parecía arbitraria. Es un poco confuso para los novatos tener que lidiar con el hecho de que la mayoría de las puntuaciones M de Beneish, pero no todas, son negativas. Creo que una M-Score de cero significa que la probabilidad de que la empresa sea un manipulador es del 50 %, pero no estoy seguro. En cualquier caso, cambié mi interceptación para que una empresa con todos los valores N/A obtuiera una puntuación de cero. Algunas empresas todavía obtienen puntuaciones negativas, pero la mayoría de ellas obtienen puntuaciones positivas. Dado que aproximadamente el 8,25 % de las empresas que cotizan en bolsa con liquidez razonable obtienen una M-Score de Beneish superior a -1,78, utilicé el mismo percentil para llegar a una puntuación de corte de 1,83.

Mi fórmula final es la siguiente:

–5.384 + 1.312*DSRI + 0.585*GMI + 0.663*AQI + 0.892*SGI + 0.115*DEPI + 0.255*SGAI + 4.679*TATA + 0.288*LVGI + 1.508*SII

donde las diversas fórmulas se alteran como se describió anteriormente.

No he podido volver a probar mi fórmula para ver si funciona mejor que la de Beneish en general. Beneish tuvo acceso a un conjunto de datos bien definido de empresas que definitivamente habían manipulado sus finanzas. Yo no. Pude volver a probarlo para ver si la imposición de límites basados en la M-Score revisada mejoraba los rendimientos cuando se usaban junto con un sistema de clasificación para elegir acciones. Los resultados fueron mixtos: la mayoría de las pruebas de retroceso mejoraron, pero algunas no. Al usarlo, mis propias devoluciones habrían sido mejores y habría evitado comprar Argonarm.

Tal vez mi fórmula no sea una mejora de la de Beneish. Ciertamente, es mucho más difícil de calcular, ya que requiere insumos de ocho informes trimestrales en lugar de dos anuales, y algunos cálculos más complejos con algunos de sus factores.

Aquí están las puntuaciones revisadas de las cinco empresas que examiné anteriormente. Tenga en cuenta que debido a los cambios que hice, DSRI, GMI, AQI y SGAI nunca van por debajo de 1.

Mi fórmula revisada funciona mejor que la original para tres de estas cinco empresas (Argonarm, Miracle y Rebria), pero peor para Enron y más o menos lo mismo para Neapolis. Aquí también hay un sesgo de selección en el trabajo: elegí a estas empresas para ilustrar mis puntos.

He hecho una pantalla pública en Portfolio123 para que puedas ver exactamente cómo se calculan todos los factores tanto para la M-Score de Beneish como para la versión revisada; también puedes introducir tickers para ver sus puntuaciones.

V. Cómo usar la M-Score

Hay dos opciones que me parecen lógicas. El primero es simplemente someter a las empresas con altas M-Score a un mayor escrutinio caso por caso, de forma discrecional. La segunda es simplemente excluir a las empresas cuya M-Score es alta.

Algunas de las empresas en las que he invertido también tienen puntuaciones M bastante altas (tanto Beneish como revisadas). Puedo reconsiderar esas inversiones. Por otro lado, es reconfortante que dos de las empresas contra las que he tomado una posición fuerte (al comprar puts) también tengan M-Score muy altas.

No hay un método simple para detectar el fraude financiero, al igual que no hay un método simple para elegir acciones ganadoras. Sin embargo, prestar atención a ciertos signos de fraude me habría ayudado a evitar el fiasco de Argonarm. Espero que el uso de la M-Score me ayude a mí y a ti a evitar otros en el futuro.