Cómo construir modelos financieros que ayuden en el proceso de toma de decisiones

En el capítulo anterior de este newsletter, “La información es valor: cómo interpretar el pasado para proyectar el futuro”, discutimos sobre cómo interpretar la información histórica para construir proyecciones financieras con mayor fundamento. Ese ejercicio suele ser el punto de partida de muchos análisis financieros.

En la práctica, ese análisis muchas veces termina tomando forma dentro de un modelo financiero.

En finanzas corporativas, los modelos financieros ocupan un lugar central en procesos de estimación del valor de activos y empresas, análisis de inversiones, estructuración de transacciones, negociación de precios y planificación financiera. En muchos casos, su resultado termina convirtiéndose en el principal punto de referencia para los diferentes stakeholders de la compañía.

Precisamente por eso, su elaboración exige especial cuidado. Un modelo vale por su capacidad para ordenar información, explicitar supuestos y representar de manera razonable la lógica económica del negocio. Cuando está bien construido, facilita una discusión productiva; cuando no lo está, puede transmitir una sensación de certeza que el negocio no tiene.

En este artículo compartimos algunas prácticas que suelen marcar la diferencia en la elaboración de modelos financieros: el diseño del modelo, la formulación de supuestos, el proceso de validación, el tratamiento de la incertidumbre y la forma en que se interpretan sensibilidades y escenarios.

1. Primero las preguntas, después el Excel

Un error habitual es empezar a modelar sin tener del todo claro qué se busca responder. El resultado suele ser un modelo demasiado detallado y que aporta poca claridad al momento de decidir.

Antes de construir el modelo, conviene definir con precisión el objetivo del ejercicio. No es lo mismo modelar para estimar el valor de un negocio, preparar el presupuesto de la empresa, evaluar la conveniencia de un proyecto, analizar la capacidad de repago de un préstamo, cuantificar impactos de una estrategia o discutir rangos de precio en una transacción. La pregunta inicial define qué variables deben modelarse con mayor profundidad, qué nivel de apertura tiene sentido y qué outputs son realmente útiles.

En otras palabras, no existe “el buen modelo” en abstracto. Existe el modelo adecuado para una decisión concreta. Un modelo de valuación no se estructura igual que uno de presupuesto o uno de project finance; la arquitectura y las salidas relevantes tienen que responder al uso que se le va a dar.

Sumado a esto, la disponibilidad de la información es un aspecto fundamental a tener en cuenta en las etapas iniciales. El alcance y la estructura del modelo deben ser consistentes con los datos que realmente estarán disponibles para alimentarlo. Diseñar un modelo que exige información que la empresa no puede producir de forma confiable y con la recurrencia que se necesita para alimentar el modelo, suele generar fricciones operativas, estimaciones poco defendibles o modelos que rápidamente quedan desactualizados.

En la práctica, esto implica encontrar un equilibrio entre profundidad analítica y factibilidad operativa. Un modelo útil es aquel que puede mantenerse actualizado con información razonablemente accesible y que permite sostener una discusión consistente a lo largo del tiempo.

Cuando el objetivo del modelo no está bien definido desde el inicio, es frecuente que el ejercicio termine desviándose hacia otros fines y no se logre el resultado esperado. En valuación de empresas, por ejemplo, es frecuente encontrar modelos diseñados para “llegar” a un valor determinado, en lugar de explicar un rango defendible y los supuestos que lo sostienen. Algo similar ocurre en evaluaciones de inversión, donde a veces el modelo se construye para demostrar que el proyecto es viable, más que para identificar con claridad bajo qué condiciones deja de hacerlo.

Un modelo bien planteado pone las hipótesis a prueba, en lugar de confirmarlas.

2. El diseño del modelo importa: claridad, trazabilidad y consistencia

Una vez definido el objetivo del modelo y su alcance, el siguiente desafío es su diseño.

Muchos problemas en modelización provienen de una arquitectura poco clara: inputs mezclados con cálculos (¡o incluso dentro de ellos!), supuestos difíciles de identificar, resultados que no pueden rastrearse con facilidad o estructuras que vuelven complejo revisar o actualizar el modelo.

La opacidad en un modelo financiero complica la revisión, desalienta la discusión y aumenta la probabilidad de que se filtren errores con impacto material.

Un diseño profesional, en general, se apoya en tres criterios.

• Claridad. Conviene separar inputs, cálculos y outputs, mantener una estructura intuitiva, evitar complejidad innecesaria y documentar lo esencial. Un buen modelo debería poder leerse sin requerir “interpretación”.
• Trazabilidad. Los resultados relevantes deben poder explicarse hacia atrás. Si cambia el valor, el EBITDA, el flujo de caja o el nivel de endeudamiento, el modelo tiene que permitir identificar con rapidez qué supuestos o mecanismos están detrás de ese movimiento.
• Consistencia. Las relaciones operativas y financieras deben cerrar entre sí. Proyectar crecimiento sin inversión, mejoras de margen sin sustento operativo o reducción de deuda sin generación de caja suficiente no suele ser un “error de Excel”; suele ser un problema en la forma en que el modelo representa la lógica económica del negocio.

3. El modelo debe reflejar la mecánica económica del negocio

En algunos ejercicios financieros (como presupuestos o modelos integrados), proyectar los estados financieros completos permite verificar la integridad de la proyección. Sin embargo, en otros casos (como en modelos de valuación), el foco está puesto directamente en la estimación de los flujos de caja del negocio.

Lo importante, en cualquier caso, es que el modelo capture adecuadamente cómo funciona el negocio y cada analista decida qué nivel de detalle y conceptos incluir en ese modelo.

Una buena modelización implica conectar, de forma coherente, al menos cinco dimensiones fundamentales del negocio: crecimiento, rentabilidad, reinversión, capital de trabajo y financiamiento.

No alcanza con proyectar ingresos o resultados. También es necesario modelar qué capital requiere el negocio para generar esos ingresos y cuánto flujo queda disponible después de sostener la operación y financiar el crecimiento.

Cuando estas relaciones no están bien representadas, los modelos pueden mostrar resultados atractivos pero esconder tensiones en liquidez, inversión o estructura financiera.

Un buen modelo financiero describe cómo se genera el valor económico del negocio y qué recursos requiere sostener esa dinámica en el tiempo.

4. Validación del modelo

Validar un modelo implica comprobar que su lógica interna sea consistente, que las relaciones financieras estén correctamente representadas y que los resultados respondan de forma razonable ante cambios en los supuestos. Esto supone incorporar controles como que el balance cierre, que los signos sean consistentes, que las fórmulas no se interrumpan, que no existan referencias erróneas y que los outputs respondan correctamente a cambios en los inputs.

Estos controles ayudan a identificar problemas de diseño o supuestos mal interpretados que pueden pasar inadvertidos cuando el foco está puesto únicamente en el resultado final. Además, permiten detectar rápidamente comportamientos anómalos.

En procesos relevantes, la revisión independiente también agrega valor. Un modelo puede estar bien estructurado y aun así contener errores, inconsistencias o supuestos discutibles. Contar con una segunda mirada permite reducir ese riesgo y mejora la robustez del análisis, especialmente cuando el modelo servirá de base para una decisión importante, una negociación o una instancia de revisión por terceros.

La validación, en definitiva, no reemplaza el juicio profesional, pero sí ayuda a evitar que errores evitables influyan en decisiones que pueden tener impacto significativo.

5. Supuestos y consistencia económica

Todo modelo está construido sobre supuestos. La diferencia es que algunos quedan explícitos y otros operan implícitamente dentro de la estructura del modelo.

Los supuestos explícitos suelen estar bien identificados y concentran buena parte de la discusión: tasas de crecimiento, márgenes, niveles de inversión, evolución del capital de trabajo, estructura de financiamiento o costo de capital.

Sin embargo, muchos de los supuestos más relevantes aparecen implícitos en la forma en que se construye el modelo. Por ejemplo, asumir que el crecimiento no exige cambios operativos relevantes, que los márgenes mejoran sin modificaciones competitivas, que el capital de trabajo evoluciona proporcionalmente a las ventas o que el negocio mantendrá una dinámica estable en contextos de alta volatilidad.

En la práctica, muchos desacuerdos en procesos de valuación, inversión o planificación financiera no se explican por diferencias técnicas, sino por supuestos implícitos que no están alineados entre quienes participan en la discusión.

Hacer visibles estos supuestos suele mejorar significativamente la calidad del análisis.

Al mismo tiempo, modelar implica reconocer la presencia inevitable de incertidumbre. El escenario plasmado rara vez se materializa exactamente como fue proyectado: cambian precios, costos, tasas de interés, condiciones competitivas o contextos regulatorios.

Por eso, construir un modelo robusto también implica:

• identificar las variables que realmente afectan el resultado,
• evitar extrapolaciones mecánicas del pasado cuando cambian las condiciones del negocio,
• anclar los supuestos en drivers operativos concretos,
• trabajar con rangos razonables para variables clave.

Finalmente, la consistencia económica también exige coherencia entre supuestos macroeconómicos, operativos y financieros. Flujos nominales descontados con tasas reales, tasas de crecimiento incompatibles con la inflación implícita o costos financieros que no dialogan con el escenario macroeconómico proyectado son errores frecuentes que pueden distorsionar significativamente las conclusiones.

6. Leer el modelo con sensibilidades y escenarios

Una vez construido el modelo, una parte esencial del análisis consiste en interpretar correctamente lo que el modelo está mostrando. Analizar los resultados en un escenario base, que estimamos el más probable, es muy importante. Sin embargo, la lectura del modelo también se debería apoyar en sensibilidades y escenarios.

Las sensibilidades permiten evaluar cuánto cambia un resultado cuando se modifica una variable específica, manteniendo el resto constante. Si pequeñas variaciones en margen, tasa de descuento, inversión o capital de trabajo alteran significativamente el resultado, la decisión depende en gran medida de ese supuesto.

Los escenarios nos ayudan a analizar cómo podría evolucionar el negocio bajo distintos contextos. Un escenario adverso puede implicar presión en márgenes, cambios en precios, mayor costo financiero o mayores necesidades operativas, además de “menor crecimiento”.

Trabajar con escenarios implica reconocer que el futuro rara vez sigue una única trayectoria y que distintas combinaciones de supuestos pueden producir resultados muy diferentes.

En ese sentido, el modelo deja de ser una herramienta para obtener un resultado puntual y pasa a ser un instrumento para entender riesgos, identificar variables críticas y evaluar bajo qué condiciones una decisión sigue siendo válida.

7. A veces menos es más

Existe una tentación frecuente de aumentar el nivel de detalle de un modelo con la idea de ganar precisión. Se agregan nuevos drivers, se abren más líneas de costos, se incorporan más supuestos y el modelo crece en tamaño y complejidad.

Sin embargo, más detalle no siempre implica más calidad.

Cada nuevo componente del modelo exige supuestos adicionales, y cada supuesto adicional introduce nuevas fuentes de incertidumbre. Cuando el nivel de apertura supera la capacidad real de estimar esos supuestos con cierto fundamento, el modelo puede terminar transmitiendo una precisión que en realidad no existe. Además, los modelos excesivamente complejos suelen volverse difíciles de revisar, explicar y mantener actualizados.

Un buen modelo es aquel que captura los drivers relevantes del negocio con el nivel de detalle necesario para analizar la decisión que se está evaluando.

En ese sentido, muchas veces la claridad y la simplicidad terminan siendo una gran ventaja.

Conclusión

Los modelos financieros cumplen un rol central en la toma de decisiones empresariales. Su aporte está en ayudar a estructurar la discusión, ordenar la información relevante, hacer visibles los supuestos y entender qué condiciones deben cumplirse para que una determinada decisión tenga sentido.

Un modelo bien definido trata de representar la lógica económica del negocio, mantener consistencia financiera, permitir identificar con claridad qué variables realmente mueven el resultado y evaluar los resultados bajo diferentes escenarios.

En EXANTE acompañamos a nuestros clientes en la construcción, revisión y utilización de modelos financieros como herramientas de análisis y decisión.

Para la elaboración de modelos financieros, nuestra propuesta se centra en diseñar modelos que se conviertan en una herramienta para la gestión del negocio y la toma de decisiones financieras, con foco en:

• Diseño a medida: desarrollado para capturar las variables relevantes del negocio y adaptarse a las necesidades específicas de cada cliente.
• Usabilidad y autonomía: construido con foco en la experiencia del usuario, con una estructura que facilite su utilización y actualización.
• Performance: optimizado para minimizar tiempos de cálculo y asegurar una navegación fluida, incluso ante mayores volúmenes de información o múltiples escenarios.
• Robustez y control: estructurado con una arquitectura modular (carga de datos, supuestos, cálculos y salidas), incorporando validaciones y controles para reducir errores y preservar la integridad del modelo ante modificaciones.
• Flexibilidad y adaptabilidad: preparado para acompañar el crecimiento del negocio sin necesidad de rediseñar el modelo.
• Salidas personalizadas: posibilidad de cambiar variables críticas del negocio para generar escenarios de sensibilidad, con resúmenes automáticos listos para presentar ante el Directorio, la Gerencia y otros stakeholders.