Valoración de empresas agrarias mediante múltiplos Autores: J. Ribal1, A. Blasco2, B. Segura3 1. Departamento de Economía y Ciencias Sociales. Escuela Técnica Superior del Medio Rural y Enología. Universidad Politécnica de Valencia. Avda. Blasco Ibáñez, 21. 46010 Valencia [email protected] 2. y 3. Departamento de Economía y Ciencias Sociales. Facultad de Administración de Empresas. Universidad Politécnica de Valencia. Camino de Vera, s/n. 46022 Valencia [email protected]; [email protected] Palabras clave: valoración masiva, algoritmo eliminación anómalos, PYMEs. Resumen La utilización de la valoración de empresas es creciente en la gestión empresarial para diversos fines. Sin embargo, en el sector agrario español, formado por pequeñas explotaciones y empresas, no existe información de utilidad para el proceso de valoración. Con la finalidad de ampliar esta información, se propone un modelo de valoración masiva de empresas que permite obtener múltiplos de valoración. Disponer de estos múltiplos para un sector permite contrastar valoraciones realizadas mediante otras metodologías o incluso realizar valoraciones aproximativas. El modelo de valoración masiva emplea el descuento de los flujos de caja libres generados por cada empresa y está dividido en dos fases de crecimiento constante. El coste del capital se fija mediante el CAPM teniendo en cuenta la estructura financiera de cada empresa que es estimada mediante cálculos iterativos. Este modelo se ha aplicado a una muestra de 278 PYMEs incluidas en el Código Nacional de Actividades Económicas 011 “Producción agrícola”. Para el período 2002-2006 se han extraído 72 variables de cada empresa. La aplicación da como resultado las distintas distribuciones de los múltiplos de valoración más usuales. Las distribuciones de múltiplos obtenidas son asimétricas, lo que provoca varios problemas. En primer lugar genera un sesgo al alza de los múltiplos medios, además hace que el rango más probable sea demasiado amplio por lo que la disminuye la utilidad de los múltiplos para valorar o contrastar y por último dificulta la determinación de diferencias estadísticamente significativas al comparar con otras distribuciones. Para solventar este inconveniente se ha diseñado un algoritmo de eliminación de elementos anómalos que permite obtener el rango de valores más probables para cada múltiplo. El algoritmo identifica el rango con mayor concentración de valores que será mucho más fiable para establecer valores o rangos más probables para los diferentes múltiplos. INTRODUCCIÓN La utilización de la valoración de empresas es creciente en la gestión empresarial para diversos fines. Sin embargo, en el sector agrario español, formado por pequeñas explotaciones y empresas, no existe información de utilidad para el proceso de valoración. Un tipo de información muy útil desde un punto de vista valorativo la constituyen los múltiplos de valoración: definidos como cocientes entre el valor de una empresa o el

1008

precio de sus participaciones o acciones dividido entre una variable contable relacionada con los resultados (beneficio neto, cash-flow, ventas, EBITDA,…). Disponer de los múltiplos valorativos de un sector permite contrastar valoraciones realizadas mediante otras metodologías o incluso realizar valoraciones aproximativas. Con el principal objetivo de ampliar esta información, en este trabajo se propone un modelo de valoración masiva de empresas. A partir del resultado de esta valoración se podrán obtener diversos múltiplos de valoración. Este modelo de valoración masivo empleará entre otras, variables de naturaleza contable, por lo que para su aplicación es necesario disponer de información específica del grupo de empresas a estudiar. DETERMINACIÓN DE LA MUESTRA DE EMPRESAS Para obtener la información de naturaleza contable se ha recurrido a la base de datos SABI, que contiene información de las cuentas anuales depositadas en el Registro Mercantil por las sociedades españolas. Para identificar las empresas pertenecientes al sector agrario se ha optado por emplear el Código Nacional de Actividades Económicas 011 “Producción agrícola”, filtrando aquellas que estuviesen constituidas como Sociedades Limitadas o como Sociedades Anónimas. No se incluyen, por tanto, cooperativas ni sociedades civiles de ningún tipo. Dado el interés en trabajar con pequeñas y medianas empresas por las razones previamente referidas, se ha fijado un límite superior de facturación de 50 millones de euros1. Para evitar problemas de mala calidad de los datos se ha fijado como límite inferior de facturación 2 millones de euros, así se han eliminado de la muestra las denominadas microempresas. Además, también se han excluido del análisis aquellas empresas con flujo de caja del año 2006 negativo. Así, se ha obtenido información de un total de 278 empresas que cumplen los requisitos anteriores, de las cuales 174 disponen de información contable para todo el periodo 2002-2006. Para dicho período se han extraído 72 variables de cada empresa. MODELOS Modelo de valoración masiva Este trabajo requiere la aplicación de una metodología de valoración, puesto que la obtención de múltiplos de PYMEs supone conocer el valor de mercado y valor de los recursos propios de las mismas. Para el cálculo del valor de mercado se emplea un modelo de descuento de flujos de caja libres o disponibles. El modelo más extendido suele descomponerse en dos fases, una primera fase de flujos de caja explícitos y una segunda fase en la que se estima un valor residual mediante la fórmula de Gordon. [1] V =

FCt FCt ⋅ (1 + h ) (k − h ) FC1 FC 2 + + ... + + 2 t (1 + k ) (1 + k ) (1 + k ) (1 + k )t

[1]

1 La Comisión Europea en su Recomendación 2003/361/CE define como pequeña empresa a aquella que ocupa a menos de 50 personas y cuyo volumen de negocios anual no excede de 50 millones de euros o cuyo balance general anual no supera los 10 millones de euros.

1009

En un planteamiento de valoración masiva, no es posible fijar unos flujos de caja explícitos para cada empresa y año, dado el desconocimiento de las políticas de crecimiento y de inversión de las mismas. Por lo tanto, se recurre a un modelo en dos fases, sustituyendo la fase de flujos de caja explícitos por una de crecimiento constante a partir de la información histórica de la empresa (Damodaran, 2002) [2]. t ⎡ (1 + g )t ⋅ (1 + h ) ⎤ ⎛ 1 + g ⎞ ⎡ (1 + g ) ⎤ V = FC ⋅ ⎜ FC + ⋅ ⎟ ⋅ ⎢1 − ⎢ ⎥ t t ⎥ ⎝ k − g ⎠ ⎣ (1 + k ) ⎦ ⎣ (k − h ) ⋅ (1 + k ) ⎦

[2]

Siendo: FC: flujo de caja libre esperado para el primer año de proyección (año 1) t: duración de la primera fase g: crecimiento constante esperado durante la primera fase h: crecimiento constante esperado durante la segunda fase El modelo [1] equivale al modelo [2] si los flujos de caja libres crecen a un ritmo anual constante de g. Podría parecer que este planteamiento se aleja de la realidad práctica en la valoración de una empresa. Sin embargo, en pequeñas empresas no suelen estar muy claras las políticas de crecimiento e inversión futuras, principalmente por la inexistencia de un plan estratégico. Por este motivo, el analista tiende a recurrir en mayor grado a datos históricos y sectoriales. En consecuencia, se trata de un modelo a aplicar sobre datos históricos contables que trata de imitar, mimetizar, los modelos de valoración aplicados por los analistas y valoradores sobre empresas concretas. La definición de flujo de caja libre empleada es la más extendida en el entorno empresarial (Rojo y García, 2006): BAIT (1-t) +Dotación a la amortización (DA) - Variación del capital circulante -Inversión en activos fijos Flujo de caja libre Donde BAIT es el Beneficio antes de intereses e impuestos, tomando como tal el resultado de explotación, sin considerar, por tanto, los resultados extraordinarios. Esta variable es corregida por (1-t) siendo t el tipo impositivo, se trata por tanto de un impuesto de sociedades ajustado ya que no han incluido ni resultados financieros ni resultados extraordinarios. Este planteamiento equivale al planteamiento de Copeland et al. (2004) mediante la variable NOPLAT (Net Operating Profit Less Adjusted Taxes). La aplicación de modelos de valoración de descuentos de flujos de caja supone la fijación de una serie de hipótesis. Cuando este modelo se desea aplicar a un conjunto elevado de empresas conlleva fijar premisas iguales para todas las empresas, con el fin de dotar de coherencia al modelo masivo. Esto es, los métodos de estimación de los parámetros como crecimiento, tasa de descuento, etc. serán los mismos para todas las empresas, no así los valores de estos parámetros que serán específicos para cada empresa.

1010

La tasa de descuento elegida es el coste medio ponderado del capital, lo que implica cuantificar ke (coste de los recursos propios), kd (coste del exigible), así como la estructura financiera de la empresa determinada por E (porcentaje de recursos propios sobre pasivo) y D (porcentaje de exigible sobre pasivo). K = WACC =

E ⋅ ke + D ⋅ kd ⋅ (1 − t ) E +D

[3]

El coste de los recursos propios (ke) se fija mediante el CAPM. Se emplea la beta desapalancada media del sector. Para ello, se recurrirá a betas bursátiles que será necesario desapalancar empleando la estructura financiera de cada empresa cotizante. El coste del exigible se puede aproximar a partir de los datos contables de cada empresa, como el cociente entre los gastos financieros del ejercicio y el saldo medio del exigible. La estructura del capital presenta el problema de la circularidad. Para determinar el coste medio ponderado del capital se necesita conocer las ponderaciones basadas en el valor de mercado pero para determinar el valor de mercado se deben descontar los flujos de caja libres al coste ponderado del capital. Una forma de resolver este problema es fijar un objetivo de estructura de capital para la empresa, una segunda forma consiste en realizar cálculos iterativos (Copeland et al, 2004). En esta última solución, a partir de la fijación de los costes de recursos propios y de la financiación ajena se determina el valor de los recursos propios, de tal modo que la suma de éstos y del endeudamiento de la empresa iguala al valor obtenido por descuento de flujos de caja. Dado que la estructura financiera objetivo es desconocida y que la estructura financiera reflejada en libros es poco fiable se opta por resolver el problema de la circularidad de la estructura de capital mediante cálculos iterativos. El uso de un modelo de dos fases de crecimiento constante obliga a estimar dos tasas de crecimiento específicas para cada fase. En la primera fase el crecimiento (g) se estimará siguiendo a Damodaran (2002), así el crecimiento de cada empresa se calcula en función de la rentabilidad económica (ROC) y de la tasa de reinversión histórica específica de la empresa. En la segunda fase, a más largo plazo, el crecimiento (h) se aproxima a una medida de crecimiento de la economía (PIB), asumiendo que en sectores maduros, con muchas empresas, los crecimientos anuales a largo plazo no serán muy elevados. Morris (1994) advierte del error común de emplear tasas de crecimiento insostenibles a perpetuidad. De acuerdo con Morris (1994) el horizonte temporal explícito de la valoración depende de la seguridad sobre la estimación de las operaciones futuras, refiriendo como habituales períodos entre 3 y 10 años, con la posibilidad de períodos mayores en empresas con gran estabilidad. En la aplicación se ha optado por un horizonte temporal explícito de 5 años considerando posteriormente un valor residual mediante el modelo de Gordon. Esta duración explícita es probablemente más corta que la que se emplearía con conocimientos más específicos de cada empresa. Se ha considerado que durante el periodo de proyección no va a haber reparto de dividendos entre los accionistas. Una vez obtenido el valor de la empresa (EV) es necesario obtener el valor de los recursos propios o valor de las acciones (VRP) que se calcula como: Valor recursos propios (VRP) = EV – Exigible + Deudores + Tesorería [4]

1011

Algoritmo de eliminación de anómalos La no normalidad de las distribuciones obtenidas así como la asimetría de las mismas hace conveniente eliminar aquellas empresas con múltiplos excesivos (muy bajos o muy elevados) que pueden introducir un importante sesgo tanto en los estadísticos de tendencia central como en los de posición. El problema de asimetría y de la poca representatividad de la media como múltiplo típico no es exclusivo de los múltiplos obtenidos mediante el modelo de valoración masiva. En efecto, los múltiplos de valoración bursátiles suelen presentar asimismo distribuciones asimétricas. Marazzi y Ruffieux (1999) citan algunos modos habituales de estimar una media truncada, solución habitual para estimar un valor medio representativo en los casos con distribuciones asimétricas y proponen una alternativa propia. En nuestro trabajo se propone un algoritmo basado en truncar la distribución obtenida para un múltiplo dado de modo que la amplitud del rango truncado sea mínima. El algoritmo busca la mayor concentración de múltiplos. Los pasos del algoritmo son los siguientes: 1. Determinar tamaño de la muestra (M): n 2. Ordenar de forma creciente la muestra (M) 3. Fijar factor de eliminación de anómalos: α[0,1] 4. Determinar tamaño (q) de la submuestra solución (m): q=entero[(1- α)n] 5. Min (ei+q - ei) i=1,2,…n siendo ei: elemento i-ésimo de la muestra M ordenada 6. Submuestra solución m[ei,ei+q] Suponiendo un factor de eliminación de anómalos del 20%, el algoritmo proporcionará los extremos del intervalo que conteniendo un 80% de los valores presenta una amplitud o rango menor. Bajo esta misma estructura el algoritmo sería utilizable variando la función a minimizar. Así, y en especial en esta aplicación, resulta interesante minimizar el cociente entre los extremos del intervalo, ya que indicaría una menor relación entre el menor valor y el mayor valor de empresa que proporcionará el múltiplo. RESULTADOS La aplicación del modelo de valoración a cada una de las empresas de la muestra de PYMES agrarias permite obtener un valor individual de cada una de las empresas así como de sus recursos propios (precio de las participaciones o acciones). El cociente de estos valores y la correspondiente variable contable compone el múltiplo valorativo. Así se han calculado los siguientes múltiplos empleando como numerador el valor de la empresa (EV): Valor/Activo Total (q), Valor/Ventas (EV/V), Valor/ Resultado Bruto de Explotación (EV/EBITDA), Valor/Resultado Neto de Explotación. Mientras que empleando como numerador el precio de las acciones (VRP) se han calculado: Precio/Cash-flow (PCF) y Precio/Beneficio Neto (PER). La tabla 1 recoge los principales estadísticos de naturaleza descriptiva de los distintos múltiplos de valoración calculados sobre la muestra completa mientras que la tabla 2 recoge estos mismos estadísticos tras aplicar el algoritmo de eliminación.

1012

La figura 1 muestra la comparación para el múltiplo PER entre un rango intercuartílico clásico (percentil 25-percentil 75) y un rango del 50% minimizando el cociente entre los extremos del rango, según el algoritmo de eliminación de anómalos. El porcentaje de reducción del tamaño del rango del 50% de relación mínima frente al rango intercuartílico oscila entre el 3,1% y el 21,5%. La reducción es mayor en aquellos múltiplos que presentan un mayor coeficiente de variación. El porcentaje de reducción entre el cociente de los extremos del rango intercuartílico frente al rango del 50% de relación mínima oscila entre el 4,2% y el 47,9%, de nuevo la reducción es mayor en aquellos múltiplos que presentan mayor variabilidad relativa. DISCUSIÓN El empleo de modelos de valoración masiva en el sector agrario puede aumentar el nivel de información disponible especialmente para pequeñas y medianas empresas, la importancia de este tipo de información es mayor en este sector dado el bajo número de empresas cotizantes existentes que puedan servir de referencia. En los múltiplos que presentan mucha dispersión, esto es alto coeficiente de variación, el uso de valores medios, mediana o rango intercuartílico genera un sesgo al alza muy importante. Por ello múltiplos como EV/Ventas, EV/EBIT o PER no deberían ser usados directamente sin alguna procedimiento previo de tratamiento de los mismos. Los intervalos determinados por el algoritmo diseñado detectan la posición de la moda o valor más probable de una manera más fiable. En este sentido es superior a medidas como la media truncada o el uso del intervalo intercuartílico, ya que a igualdad de valores contenidos en la distribución truncada, el rango es mínimo, lo que implica una mayor concentración de valores. El algoritmo es más efectivo en aquellos múltiplos que presentan una mayor variabilidad relativa. Referencias Copeland, T., Koller, T. y Murrin, J. 2004. Valoración. Medición y gestión del valor. Ediciones Deusto, Barcelona. Damodaran, A. 2006. Damodaran on Valuation. Security Analysis for Investment and Corporate Finance. Ed. Wiley, 2ª ed., New York Damodaran, A. 2002. Investment valuation. Tools and techniques for determining the value of any assets. Ed. Wiley, 2ª ed., New York Marazzi, A. y Ruffieux, C. 1999. The truncated mean of an asymmetric distribution. Computational statistics and data analysis 32: 79-100 Morris, E.L. 1994. Why acquirers may need to rethink terminal values. Mergers and Acquisitions 29: 24-29. Rojo, A. y García, D. 2006. La valoración de empresas en España. Un estudio empírico. Revista española de financiación y contabilidad XXXV(132): 913-934.

1013

Tabla 1. Estadísticos descriptivos de los múltiplos de valoración sobre la muestra completa Variable

q 128 1,31 1,16 0,89 0,75 0,58 0,06 4,83 0,88 1,50

N Promedio Mediana Media Arm. Desviación CV Min Max P25% P75%

EV/VENTAS 128 3,06 1,07 0,86 13,77 4,51 0,15 155,44 0,67 2,13

EV/EBITDA 128 12,63 12,22 11,81 3,37 0,27 6,33 25,80 9,87 14,62

EV/EBIT 122 48,00 20,43 19,03 165,87 3,46 6,53 1811,28 13,47 35,12

PCF 126 12,87 11,63 9,93 6,91 0,54 2,46 52,72 9,32 14,97

PER 121 64,89 23,65 19,60 184,59 2,84 2,89 1939,03 15,68 48,26

Tabla 2. Estadísticos descriptivos de los múltiplos de valoración tras la aplicación del algoritmo de eliminación de anómalos con un porcentaje de eliminación del 50% Variable N Promedio Mediana Media Arm Desviación CV Min Max

q

EV/VENTAS 64 0,93 0,88 0,84 0,29 0,32 0,55 1,59

64 1,14 1,15 1,11 0,16 0,14 0,88 1,45

A P25

EV/EBITDA 64 13,50 13,50 13,36 1,39 0,10 11,27 15,82

B

EV/EBIT 61 14,98 14,48 14,13 3,71 0,25 9,76 22,90

PCF PER 63 60 11,42 19,39 11,56 18,56 11,22 18,25 1,50 4,86 0,13 0,25 9,16 11,98 14,22 28,96

P75

6

5

Frecuencia

4

3

2

1

0 0

10 A P25

20

30

40

B

50

60

70

P75

PER

Fig 1. Intervalos del 50% de datos para el múltiplo PER

1014