Una empresa puede mostrar ventas, activos y utilidad y, aun así, acumular señales de deterioro financiero que no resultan evidentes al revisar un solo indicador.
El modelo Ohlson O-Score combina nueve variables relacionadas con tamaño, endeudamiento, liquidez y desempeño para estimar, mediante un modelo estadístico, el riesgo de dificultades financieras.
No debe utilizarse como una sentencia de que una empresa quebrará. Su utilidad está en reunir diferentes señales contables y convertirlas en una medida que ayude a identificar cuándo conviene profundizar el análisis.
En esta guía aprenderás qué variables utiliza Ohlson, cómo funciona su fórmula, cómo se transforma el O-Score en una probabilidad estimada y qué precauciones debes tener antes de aplicarlo a una pyme o empresa actual. Además, podrás descargar gratis una plantilla Excel del Ohlson O-Score para organizar los datos y seguir el procedimiento de cálculo del modelo.
Este modelo forma parte del conjunto de indicadores financieros para negocios que pueden utilizarse para detectar señales y decidir qué áreas necesitan un análisis más profundo.
El Ohlson O-Score es un modelo estadístico desarrollado por James A. Ohlson para estimar el riesgo de quiebra empresarial a partir de nueve variables financieras. Utiliza regresión logística y combina información sobre tamaño, deuda, liquidez, rentabilidad, generación operativa y evolución de las utilidades.
Qué es el modelo Ohlson O-Score y para qué sirve
James A. Ohlson presentó el modelo en 1980 en el artículo Financial Ratios and the Probabilistic Prediction of Bankruptcy, publicado en Journal of Accounting Research.
Su investigación utilizó información de 105 empresas que entraron en quiebra y 2.058 empresas que no lo hicieron. La muestra correspondía principalmente a empresas industriales estadounidenses y utilizó datos del periodo 1970-1976.
El propósito no era simplemente calcular otra razón financiera. Ohlson buscaba combinar distintas características de una empresa para estimar estadísticamente la probabilidad asociada con el evento de quiebra.
Las nueve variables utilizadas representan cuatro áreas principales:
- tamaño de la empresa;
- estructura financiera y endeudamiento;
- liquidez;
- desempeño y rentabilidad.
Por ejemplo, una empresa con mucho pasivo frente a sus activos, poco capital de trabajo, pérdidas y una generación operativa insuficiente presenta una combinación financiera diferente a la de una compañía con deuda controlada, resultados positivos y liquidez suficiente.
El O-Score permite observar esas señales de manera conjunta.
Qué diferencia al O-Score de una razón financiera
Una razón corriente o un indicador de endeudamiento responde una pregunta específica.
Por ejemplo:
Liquidez corriente = activos corrientes / pasivos corrientes
El resultado permite evaluar la relación entre los recursos de corto plazo y las obligaciones próximas.
El O-Score funciona de otra manera. Utiliza diferentes variables simultáneamente y asigna a cada una un coeficiente obtenido estadísticamente.
Por eso no debe interpretarse como un KPI aislado. Es un modelo compuesto de riesgo financiero.
Cómo funciona el modelo Ohlson O-Score
El modelo parte de datos disponibles principalmente en los estados financieros y los convierte en nueve variables.
Después multiplica cada variable por un coeficiente y suma los resultados junto con una constante.
El valor obtenido es el O-Score o índice logit.
Ese valor puede transformarse mediante una función logística para obtener una probabilidad estimada entre 0 y 1.
El proceso puede resumirse así:
Estados financieros → 9 variables → ecuación de Ohlson → O-Score → función logística → probabilidad estimada
Qué significa que Ohlson utilice un modelo logit
Un modelo logit se utiliza cuando el resultado analizado puede clasificarse en dos estados.
En la investigación original de Ohlson, esos estados eran:
- empresa en quiebra;
- empresa sin quiebra.
La función logística convierte el resultado de la ecuación en un valor entre 0 y 1.
Por ejemplo, 0,02 equivale a 2 %, 0,10 a 10 % y 0,40 a 40 %.
Sin embargo, que la fórmula produzca una probabilidad estadística no significa que pueda afirmarse que una pyme actual tiene exactamente determinada probabilidad real de quebrar.
El modelo fue estimado con una muestra, un periodo y unas condiciones específicas. Aplicarlo décadas después, en otro país, sector o tipo de empresa exige cautela.
Qué datos necesitas para calcular el Ohlson O-Score
La mayor parte de la información proviene del balance general y del estado de resultados. También necesitas datos de dos ejercicios anuales consecutivos para calcular INTWO y CHIN; para SIZE debes documentar además el criterio de escala y el índice de precios aplicados.
Si todavía no identificas con claridad activos, pasivos, patrimonio y utilidad neta, primero revisa cómo leer los estados financieros de una empresa.
| Dato | Fuente habitual | Uso en el modelo |
|---|---|---|
| Activos totales | Balance general | SIZE, TLTA, WCTA y NITA |
| Pasivos totales | Balance general | TLTA, OENEG y FUTL |
| Activos corrientes | Balance general | WCTA y CLCA |
| Pasivos corrientes | Balance general | WCTA y CLCA |
| Utilidad neta actual | Estado de resultados | NITA, INTWO y CHIN |
| Utilidad neta anterior | Estado de resultados anterior | INTWO y CHIN |
| Fondos generados por operaciones | Información financiera | FUTL |
| Índice de precios utilizado para SIZE | Índice PNB estadounidense de la especificación original; año anterior al balance y base 1968 = 100 | Ajuste del tamaño |
Antes de introducir cifras, registra el ejercicio contable, la moneda, las unidades utilizadas (pesos, miles o millones) y la definición exacta de cada dato. Revisa que activos y pasivos totales sean positivos cuando aparezcan en denominadores, y que todos los importes que forman una razón correspondan al mismo período y unidad.
La variable SIZE requiere especial atención.
Ohlson no utilizó simplemente el valor nominal de los activos. Definió SIZE como el logaritmo natural de los activos totales divididos entre el índice de precios del producto nacional bruto (PNB) de Estados Unidos. En la investigación original, ese índice tenía base 1968 = 100 y se tomaba el del año anterior al cierre del balance; los activos se expresaban en dólares según los registros originales.
Por eso no es correcto introducir directamente activos en pesos, soles, dólares actuales u otra moneda y asumir que el resultado reproduce exactamente el modelo original. Cambiar la escala monetaria sin preparar SIZE altera su contribución al índice, aun cuando el negocio sea idéntico. Sustituir mecánicamente el índice estadounidense por un IPC local tampoco reproduce ni valida por sí solo el modelo histórico.
La explicación de la definición histórica procede de Ohlson (1980), Financial Ratios and the Probabilistic Prediction of Bankruptcy.
Las 9 variables del modelo Ohlson explicadas
El modelo utiliza nueve variables. Algunas son razones financieras, otras son variables binarias y una mide el cambio de la utilidad entre dos periodos.
| Variable | Cálculo | Qué representa |
|---|---|---|
| SIZE | ln(activos totales / índice de precios del PNB) | Tamaño de la empresa |
| TLTA | pasivos totales / activos totales | Endeudamiento |
| WCTA | capital de trabajo / activos totales | Liquidez relativa |
| CLCA | pasivos corrientes / activos corrientes | Presión de corto plazo |
| OENEG | 1 si pasivos > activos; 0 en otro caso | Patrimonio contable negativo |
| NITA | utilidad neta / activos totales | Rentabilidad |
| FUTL | fondos de operación / pasivos totales | Capacidad operativa frente a obligaciones |
| INTWO | 1 si hubo pérdidas durante los últimos dos años; 0 si no | Persistencia de pérdidas |
| CHIN | (NIₜ − NIₜ₋₁) / (|NIₜ| + |NIₜ₋₁|) | Evolución de la utilidad neta |
SIZE: tamaño de la empresa
La definición del Modelo 1 es:
SIZE = ln(activos totales / índice de precios del PNB)
En esta expresión, ln significa logaritmo natural, no logaritmo decimal. Para reproducir la especificación original se utilizaron activos totales en dólares y el índice estadounidense del PNB con base 1968 = 100, correspondiente al año anterior al balance. Las unidades monetarias y la base deben conservarse de forma consistente.
Ohlson encontró que el tamaño contribuía a diferenciar empresas con distinto riesgo dentro de su muestra.
El coeficiente de SIZE en el modelo es negativo. Manteniendo las demás variables constantes, un mayor SIZE reduce el índice de riesgo estimado.
Eso no significa que una empresa grande sea automáticamente segura. El tamaño es solo uno de los componentes del modelo. Tampoco es correcto reemplazar SIZE por el logaritmo de activos actuales en moneda local, ni por el de activos expresados arbitrariamente en miles o millones. Si no dispones de datos metodológicamente comparables, identifica SIZE como una entrada no validada y evita presentar la probabilidad como una estimación calibrada.
TLTA: pasivos totales sobre activos totales
La fórmula es:
TLTA = pasivos totales / activos totales
En el ejemplo transversal que desarrollaremos después, los activos totales son 1.500 y los pasivos totales 900, en unidades monetarias homogéneas.
TLTA = 900 / 1.500 = 0,60
Los pasivos equivalen al 60 % de los activos.
TLTA tiene uno de los coeficientes positivos más fuertes de la ecuación original. Cuando esta relación aumenta, el O-Score tiende a aumentar, manteniendo constantes las demás variables.
WCTA: capital de trabajo sobre activos totales
Primero se calcula el capital de trabajo:
Capital de trabajo = activos corrientes − pasivos corrientes
Después:
WCTA = capital de trabajo / activos totales
En ese mismo ejemplo, los activos corrientes son 750, los pasivos corrientes 600 y los activos totales 1.500:
Capital de trabajo = 750 − 600 = 150
WCTA = 150 / 1.500 = 0,10
Una relación positiva indica que los activos corrientes superan los pasivos corrientes.
En la ecuación de Ohlson, WCTA tiene coeficiente negativo: una mejor posición relativa de capital de trabajo reduce el O-Score, manteniendo iguales las demás variables.
Si necesitas profundizar en las partidas que entran en este cálculo y qué significa un resultado positivo o negativo, consulta cómo calcular e interpretar el capital de trabajo.
CLCA: pasivos corrientes sobre activos corrientes
Se calcula así:
CLCA = pasivos corrientes / activos corrientes
Con pasivos corrientes de 600 y activos corrientes de 750 en el mismo ejemplo:
CLCA = 600 / 750 = 0,80
Esta variable permite observar cuánto representan las obligaciones corrientes frente a los recursos corrientes. Su coeficiente en el modelo es positivo.
OENEG: pasivos superiores a los activos
OENEG es una variable binaria.
- 1 si pasivos totales > activos totales.
- 0 si pasivos totales ≤ activos totales.
El coeficiente de OENEG es negativo, pero eso no significa que tener más pasivos que activos reduzca el riesgo.
Ohlson incluyó OENEG como una corrección de discontinuidad asociada a TLTA cuando los pasivos superan los activos. El coeficiente negativo no debe interpretarse aisladamente como un beneficio de tener patrimonio contable negativo: ambas variables y el resto de la ecuación determinan el resultado conjunto.
En nuestro ejemplo, 900 de pasivos son menores que 1.500 de activos; por tanto, OENEG = 0.
NITA: utilidad neta sobre activos totales
La fórmula es:
NITA = utilidad neta / activos totales
Si la utilidad neta actual es 30 y los activos totales suman 1.500:
NITA = 30 / 1.500 = 0,02
La empresa obtuvo una utilidad equivalente al 2 % de sus activos.
NITA tiene coeficiente negativo. Una mayor rentabilidad reduce el O-Score, manteniendo constantes las demás condiciones.
FUTL: fondos de operación sobre pasivos
La variable original relaciona los fondos proporcionados por operaciones (funds provided by operations) con los pasivos totales:
FUTL = fondos de operación / pasivos totales
Por ejemplo:
FUTL = 108 / 900 = 0,12
En el ejemplo, los fondos de operación se suponen iguales a 108 y los pasivos totales a 900. Una relación mayor indica más fondos operativos respecto de las obligaciones y su coeficiente en el modelo es negativo.
La expresión histórica funds from operations no es necesariamente equivalente a la línea moderna de flujo neto de efectivo de actividades operativas. Tampoco equivale automáticamente a EBITDA o flujo de caja libre. Para aplicar el modelo de manera rigurosa, identifica y documenta la conciliación contable de esa cifra, con la misma definición para todos los períodos y empresas comparadas.
Si solo dispones de una aproximación moderna, indícalo como adaptación metodológica: no afirmes que el resultado reproduce literalmente la medición original ni que su probabilidad está calibrada para tu empresa.
INTWO: pérdidas durante dos años consecutivos
INTWO también es una variable binaria.
- 1 si la utilidad neta fue negativa durante los dos últimos años.
- 0 en caso contrario.
Su coeficiente es positivo. Por tanto, la existencia de pérdidas consecutivas aumenta el índice de riesgo estimado por el modelo.
CHIN: cambio de la utilidad neta
CHIN mide cómo cambia la utilidad entre dos periodos.
CHIN = (NIₜ − NIₜ₋₁) / (|NIₜ| + |NIₜ₋₁|)
Donde NIₜ representa la utilidad neta del periodo actual y NIₜ₋₁ la del periodo anterior. Las barras verticales indican valor absoluto.
Supongamos una utilidad actual de 30 y una utilidad anterior de 20.
CHIN = (30 − 20) / (30 + 20) = 0,20
El resultado positivo representa una mejora de la utilidad neta respecto al periodo anterior.
Caso límite: si la utilidad neta actual y la anterior son ambas cero, el denominador |NIₜ| + |NIₜ₋₁| también es cero y CHIN queda indefinido (0/0). La fórmula original no proporciona, en las fuentes consultadas, una imputación universal verificable para este caso. No asignes cero de forma silenciosa mediante SI.ERROR: documenta el dato faltante y la regla adoptada antes de calcular un O-Score completo.
Fórmula del Ohlson O-Score
Para el Modelo 1, utilizado para analizar la quiebra dentro del año siguiente, la ecuación es:
O = −1,32 − 0,407(SIZE) + 6,03(TLTA) − 1,43(WCTA) + 0,0757(CLCA) − 1,72(OENEG) − 2,37(NITA) − 1,83(FUTL) + 0,285(INTWO) − 0,521(CHIN)
No necesitas memorizar los coeficientes. Lo importante es comprender que el resultado surge de combinar las nueve variables, no de observar una sola.
Del O-Score a la probabilidad estimada
El resultado de la ecuación anterior todavía es un índice logit.
Para convertirlo en una probabilidad se utiliza:
P = 1 / (1 + e−O)
También puede expresarse como:
P = eO / (1 + eO)
Ambas expresiones son equivalentes.
Cómo calcular el Ohlson O-Score paso a paso
Paso 1. Reúne los estados financieros
Necesitas información del periodo actual y, para determinadas variables, del periodo anterior.
Trabaja siempre con cifras comparables. No mezcles activos de diciembre con una utilidad acumulada únicamente hasta septiembre.
Paso 2. Calcula las nueve variables
Obtén SIZE, TLTA, WCTA, CLCA, OENEG, NITA, FUTL, INTWO y CHIN. Antes de continuar, valida que: los activos totales, pasivos totales y activos corrientes sean mayores que cero cuando aparezcan como denominadores; los datos de dos años sean comparables; SIZE utilice una escala documentada; FUTL corresponda a la definición escogida; y CHIN tenga un denominador válido. Si falta una entrada esencial, no presentes un resultado aparentemente completo.
Paso 3. Sustituye las variables en la ecuación
Multiplica cada variable por su coeficiente y suma todos los componentes junto con la constante de −1,32.
Paso 4. Convierte el O-Score en probabilidad
Utiliza la función logística:
P = 1 / (1 + e−O)
Paso 5. Interpreta el resultado con contexto
No utilices el porcentaje como una predicción exacta para cualquier empresa actual. Revisa el periodo de los datos, cómo calculaste SIZE y FUTL y si la metodología utilizada es adecuada para la empresa analizada.
Ejemplo de cálculo del Ohlson O-Score
Supongamos una distribuidora que desea entender cómo se realiza el cálculo.
Usaremos una distribuidora hipotética con cifras consistentes entre sus razones financieras. Las cantidades de esta tabla son unidades monetarias homogéneas del mismo ejercicio y no constituyen estados financieros reales:
| Dato contable | Valor ilustrativo |
|---|---|
| Activos totales | 1.500 |
| Pasivos totales | 900 |
| Activos corrientes | 750 |
| Pasivos corrientes | 600 |
| Utilidad neta actual | 30 |
| Utilidad neta anterior | 20 |
| Fondos de operación (definición asumida para el ejercicio) | 108 |
De estos datos se obtienen: TLTA = 900/1.500 = 0,60; WCTA = (750 − 600)/1.500 = 0,10; CLCA = 600/750 = 0,80; OENEG = 0; NITA = 30/1.500 = 0,02; FUTL = 108/900 = 0,12; INTWO = 0 y CHIN = (30 − 20)/(30 + 20) = 0,20.
SIZE = 12,00 es una entrada didáctica separada, supuesta como previamente preparada. No puede inferirse de los activos 1.500 sin conocer sus unidades originales, moneda, fecha e índice de precios. Este ejemplo demuestra la aritmética del modelo, pero no valida su calibración ni constituye una probabilidad real de quiebra de una empresa actual.
| Variable | Resultado |
|---|---|
| SIZE | 12,00 |
| TLTA | 0,60 |
| WCTA | 0,10 |
| CLCA | 0,80 |
| OENEG | 0 |
| NITA | 0,02 |
| FUTL | 0,12 |
| INTWO | 0 |
| CHIN | 0,20 |
Sustituimos los valores:
O = −1,32 − 0,407(12) + 6,03(0,60) − 1,43(0,10) + 0,0757(0,80) − 1,72(0) − 2,37(0,02) − 1,83(0,12) + 0,285(0) − 0,521(0,20)
Al realizar las operaciones:
O ≈ −3,04
Ahora aplicamos la función logística:
P = 1 / (1 + e3,04) ≈ 0,0457
Expresado como porcentaje:
Probabilidad estimada por el modelo ≈ 4,57 %
Según el punto de corte que minimizó la suma de determinados errores de clasificación en la muestra original de Ohlson, este resultado quedaría ligeramente por encima del 3,8 %.
Eso genera una señal dentro del modelo original, pero no significa que la empresa tenga exactamente 4,57 % de probabilidad real de quebrar.
Cómo interpretar el Ohlson O-Score
Una regla básica ayuda a evitar confusiones: cuanto mayor sea el O-Score, mayor será también la probabilidad producida por la función logística.
- Un O-Score muy negativo produce una probabilidad pequeña.
- Un O-Score cercano a cero produce una probabilidad cercana al 50 %.
- Un O-Score positivo produce una probabilidad superior al 50 %.
O-Score y probabilidad no son lo mismo
Si obtienes O = −3,04, ese número no representa −3,04 %.
Después de aplicar la función logística obtenemos:
P ≈ 0,0457 = 4,57 %
Antes de comparar un resultado con cualquier límite debes comprobar si estás trabajando con el O-Score bruto o con la probabilidad transformada.
Qué significa el punto de corte de 0,038
En el estudio original, Ohlson analizó diferentes puntos de corte para clasificar empresas.
Para el Modelo 1, el punto que minimizó la suma de los porcentajes de dos tipos de error fue P = 0,038, es decir, 3,8 % de probabilidad estimada por el modelo.
No es 38 %. Tampoco significa que toda empresa que supere 3,8 % vaya a quebrar. Fue un umbral calculado para equilibrar dos errores de clasificación dentro de la muestra original, no un límite universal ni una probabilidad individual validada para pymes actuales. Al trasladar el modelo a otro país, sector o época pueden cambiar su capacidad discriminatoria, su calibración y el umbral más apropiado.
Investigaciones posteriores sobre otras muestras, como las de Grice y Dugan (2003) y Singh y Mishra (2016), muestran por qué deben contrastarse los coeficientes originales antes de extrapolarlos.
Ohlson O-Score vs. Z-Score de Altman
Ohlson y Altman pertenecen al mismo campo: el análisis de dificultades financieras. Sin embargo, no son el mismo modelo ni producen resultados que puedan compararse directamente.
| Aspecto | Ohlson O-Score | Altman Z-Score |
|---|---|---|
| Metodología | Regresión logística | Análisis discriminante |
| Modelo original | 1980 | 1968 |
| Variables | 9 | 5 en la versión original |
| Resultado inicial | Índice logit | Puntuación Z |
| Transformación probabilística | Sí, mediante función logística | No en el modelo tradicional |
| Tamaño empresarial | Variable explícita | No de la misma forma |
| Variables binarias | Sí | No |
Si quieres conocer las fórmulas Z, Z′ y Z″ y saber cuál corresponde según el tipo de empresa, consulta cómo calcular el Z-Score de Altman.
Limitaciones del modelo Ohlson
Fue estimado con empresas estadounidenses de los años setenta
La estructura financiera, inflación, acceso al crédito, regulación y comportamiento empresarial han cambiado considerablemente desde entonces.
Una pyme latinoamericana tampoco necesariamente se comporta como una empresa industrial estadounidense incluida en la muestra original.
Los coeficientes no son necesariamente estables en el tiempo
Investigaciones posteriores han probado el modelo con otros períodos y muestras y muestran que su capacidad predictiva puede cambiar según la población analizada. Hillegeist y colaboradores (2004) encontraron ventajas de una medida basada en el mercado dentro de sus pruebas, y Wu, Gaunt y Gray (2010) documentaron información complementaria y resultados variables entre modelos. La comparación de Begley, Ming y Watts (1996) también advierte que una reestimación no necesariamente elimina los errores de clasificación en otras muestras.
SIZE dificulta una aplicación directa sin adaptación
La definición original utiliza activos ajustados mediante un índice de precios estadounidense.
Introducir directamente activos de una empresa colombiana, mexicana, peruana o argentina en moneda local cambia la escala de la variable y puede alterar el resultado.
El resultado depende de la calidad de la información contable
Si el balance general contiene errores, las obligaciones están incompletas o los resultados están desactualizados, el O-Score también será poco confiable.
No incorpora todos los riesgos de una empresa
Una empresa puede deteriorarse rápidamente por pérdida de clientes, vencimientos de deuda, problemas regulatorios, fraudes, interrupciones operativas o cambios bruscos de ventas que todavía no aparecen claramente en los estados financieros.
El O-Score debe complementar el análisis financiero, no reemplazarlo.
Cómo utilizar el O-Score dentro del análisis financiero
Estrategia: úsalo como señal de riesgo
Si el resultado se deteriora, una pregunta más útil que “¿va a quebrar la empresa?” es qué combinación de deuda, liquidez, rentabilidad y desempeño está aumentando la señal de riesgo.
Gestión: compara periodos con la misma metodología
Si decides utilizar el O-Score internamente, calcula siempre las variables con los mismos criterios y compara varios periodos.
| Periodo | O-Score | Probabilidad estimada | Tendencia |
|---|---|---|---|
| Año 1 | −4,10 | 1,63 % | Base |
| Año 2 | −3,50 | 2,93 % | Deterioro |
| Año 3 | −3,04 | 4,57 % | Deterioro adicional |
Operación: revisa las variables que explican el cambio
Si TLTA aumenta, revisa por qué están creciendo los pasivos. Si WCTA disminuye, revisa capital de trabajo, cartera, inventario y obligaciones corrientes. Si NITA cae, investiga margen, costos y gastos.
El modelo señala el cambio. La gestión debe encontrar la causa.
Para integrar esta señal con liquidez, deuda, rentabilidad, inventario, costos y caja, puedes continuar con una rutina para hacer un análisis financiero mensual.
Errores frecuentes al calcular o interpretar el O-Score
- Confundir 0,038 con 0,38: el punto citado corresponde a 3,8 %, no a 38 %.
- Comparar el O-Score bruto con el punto de corte probabilístico: primero debe aplicarse la función logística.
- Utilizar activos en moneda local directamente dentro de SIZE: cambia la escala utilizada por el modelo original.
- Cambiar la definición de FUTL sin documentarlo: los fondos de operación deben calcularse con un criterio claramente definido.
- Interpretar los coeficientes como relaciones causales: forman parte de una relación estadística estimada en una muestra.
- Tratar la probabilidad como una predicción exacta: el resultado es una señal producida por el modelo, no una certeza sobre el futuro de la empresa.
- Ocultar divisiones entre cero: comprueba denominadores, especialmente los de CLCA, FUTL, NITA, TLTA y CHIN, en vez de reemplazar errores por números arbitrarios.
Descarga la plantilla
La plantilla gratuita Excel del Ohlson O-Score permite organizar las nueve variables, utilizar la ecuación logística y comparar el resultado con el punto de corte histórico. Es útil para reproducir el ejercicio didáctico y documentar la interpretación, pero no sustituye la preparación y validación de SIZE y FUTL ni garantiza una probabilidad de quiebra calibrada.
Antes de usarla, comprueba la procedencia de los estados financieros, las unidades monetarias, el año de referencia, los denominadores de cada razón y las definiciones empleadas. Si alguno de estos datos no es comparable, deja constancia de la limitación; no fuerces un número para completar la plantilla.
Preguntas frecuentes sobre el Ohlson O-Score
¿El Ohlson O-Score predice con certeza que una empresa quebrará?
No. El modelo estima una probabilidad a partir de variables financieras y coeficientes obtenidos estadísticamente. Su capacidad predictiva depende de la población, periodo, sector, calidad de los datos y forma de aplicación. Debe utilizarse como herramienta complementaria y no como diagnóstico definitivo.
¿Cuál es la diferencia principal entre Ohlson y Altman?
Altman construye una puntuación mediante análisis discriminante y Ohlson utiliza regresión logística. El O-Score puede transformarse mediante una función logística para obtener una probabilidad estimada. Además, las variables y coeficientes utilizados por ambos modelos son diferentes.
¿Se puede utilizar el Ohlson O-Score en una pyme?
Puede utilizarse con fines educativos, comparativos o analíticos, pero aplicar literalmente el modelo original a una pyme actual requiere cautela. La muestra original correspondía a empresas industriales estadounidenses y la variable SIZE incluye un ajuste específico de precios.
Conclusión: usa el O-Score como señal, no como sentencia
El modelo Ohlson O-Score combina nueve variables para analizar conjuntamente tamaño, endeudamiento, liquidez, rentabilidad, generación operativa y evolución de los resultados.
Su principal diferencia frente a indicadores individuales es que integra esas señales mediante un modelo logit y permite obtener una probabilidad estadística.
Pero el número necesita contexto. Antes de utilizarlo para tomar una decisión debes comprobar la calidad de los estados financieros, la forma en que calculaste SIZE y FUTL, el periodo analizado y la pertinencia del modelo para el tipo de empresa.
En una pyme, el O-Score puede funcionar mejor como una alerta que lleva a hacer mejores preguntas que como una respuesta definitiva sobre el futuro del negocio.
Si quieres comparar este enfoque con otro modelo ampliamente utilizado, continúa con el Z-Score de Altman. Si el objetivo es pasar de una señal puntual a una revisión continua de liquidez, deuda, rentabilidad y operación, el siguiente paso es realizar un análisis financiero mensual.
Fuentes académicas
Singh, B. P. & Mishra, A. K. (2016). Re-estimation and comparisons of alternative accounting based bankruptcy prediction models for Indian companies. Financial Innovation, 2, artículo 6. Consultar DOI.
Ohlson, J. A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109-131. Consultar DOI.
Begley, J., Ming, J. & Watts, S. G. (1996). Bankruptcy classification errors in the 1980s: an empirical analysis of Altman’s and Ohlson’s models. Review of Accounting Studies, 1(4), 267-284. Consultar DOI.
Grice, J. S. & Dugan, M. T. (2003). Re-estimations of the Zmijewski and Ohlson Bankruptcy Prediction Models. Advances in Accounting, 20, 77-93. Consultar DOI.
Hillegeist, S. A., Keating, E. K., Cram, D. P. & Lundstedt, K. G. (2004). Assessing the Probability of Bankruptcy. Review of Accounting Studies, 9, 5-34. Consultar DOI.
Wu, Y., Gaunt, C. & Gray, S. (2010). A Comparison of Alternative Bankruptcy Prediction Models. Journal of Contemporary Accounting & Economics, 6(1), 34-45. Consultar DOI.
Discover more from
Subscribe to get the latest posts sent to your email.
