Estadística multivariada aplicada a la clasificación de empresas que cotizan en la Bolsa Mexicana de Valores

Abstract

El objetivo fue evidenciar la eficacia de la estadística multivariada para compactar, analizar y clasificar información obtenida de indicadores de desempeño financiero. Se aplicó un análisis de componentes principales (ACP), justificado por la prueba de medida Kaiser-Meyer-Olkin (KMO) y la prueba de esfericidad de Barlett, a 14 razones financieras de cada una de las 21 empresas seleccionadas por medio de un muestreo probabilístico, que cotizaron en la Bolsa Mexicana de Valores durante el año 2017, para finalmente aplicar un análisis cluster jerárquico y otro no jerárquico. En los resultados se obtuvieron 3 componentes principales capaces de resumir la variabilidad total en un 76% con lo que se logró hacer una clasificación de menor a mayor nivel de liquidez, rentabilidad y actividad, además de formar clusters de empresas en relación a la semejanza de su desempeño financiero. Sugerimos replicar esta investigación en empresas que cotizan en otros mercados, tales como el NYSE o el NASDAQ. Se concluye que la estadística multivariada es capaz de generar información financiera más compacta, optimizando la toma de decisiones por parte de inversionistas.