View
1
Download
0
Category
Preview:
Citation preview
Indagación de relación entre las decisiones de administración del capital de
trabajo y las ventas: evidencia en Estados Unidos
Universidad de los Andes
Memoria de Grado1
Ricardo Esteban Castro Arévalo
Sofía Giraldo Hincapié
Asesor: Rafael Bautista Mena
Resumen:
Este artículo de investigación pretende llenar un vacío existente en la literatura de organización
industrial sobre la relación entre las decisiones operacionales a corto plazo y los resultados en
el crecimiento de las ventas para industrias de carácter manufacturero. Con el fin de modelar
esta relación, se aplica una metodología de datos panel por efectos fijos a las industrias de
Bebidas, Preparaciones Farmacéuticas, Químicos Industriales Orgánicos, Refinería de Petróleo
y Productos Plásticos. De manera que los datos son proporcionados en los registros financieros
que provee la SEC (Securities Exchange Commission) de los Estados Unidos de América,
desde el primer trimestre del 2012 hasta el primer trimestre del 2017. En el presente trabajo se
encuentra evidencia de una relación negativa entre el KTNO (Capital de Trabajo Neto
Operacional) con el crecimiento de las ventas del siguiente periodo, de igual manera se
manifiesta cómo se compone esta relación por industrias y que componentes del indicador
financiero están teniendo más relevancia a la hora de determinar los resultados.
Palabras clave: Decisiones Operacionales, Ventas, Capital de Trabajo Neto Operacional,
Datos Panel, Efectos Fijos, Industrias Manufactureras.
Clasificación JEL: L65, L66, L71, M10, M21.
1Información de contacto: esteban3096@gmail.com; s.giraldo517@gmail.com. Un
agradecimiento especial para Rafael Bautista, el asesor de la memoria de grado, por su
dedicación oportuna y seguimiento durante el proyecto. Al igual que los conocimientos y
habilidades aportados para la exploración y profundidad en el documento. Así mismo,
agradecemos a Liliana Gómez y Fayber Acosta Pardo, economistas uniandinos por todas las
sugerencias econométricas y las aplicaciones en la metodología. Sin su apoyo este proyecto
no hubiera sido posible, cualquier error es por nuestra cuenta.
2
Introducción:
Dentro del ámbito de la administración de negocios no se ha llegado a una conclusión
precisa del verdadero efecto que tienen las operaciones de la empresa sobre su nivel de ventas.
Algunos autores, como Smith (1980) argumentan que la gestión adecuada del capital de trabajo
afecta directamente el riego y el valor de las compañías. Otros como Porter (1996), sostienen
que la efectividad operacional no determina el éxito de las firmas, esto debido a que las
estrategias de gestión y operacionales son susceptibles a ser copiadas o a volverse obsoletas.
Por lo tanto, según este autor, el nivel de ventas no depende de las capacidades operacionales
de la empresa, sino, que dependen de las capacidades que posea la firma de diferenciarse y
posicionarse en el mercado.
Por otra parte, existen limitados aportes dentro de la literatura que expliquen el efecto
del capital de trabajo sobre las ventas, la mayoría de los trabajos se enfocan únicamente en la
rentabilidad de las firmas. Uno de los factores que potencia esta falta de aportes es que todavía
se desconoce la verdadera relación de causalidad que existe entre las ventas y la gestión del
capital de trabajo. Una de las hipótesis existentes, apoyada en mayor medida por aquellos
autores que ven la organización desde la perspectiva de la organización industrial, establece
que el nivel de ventas depende de la gestión del capital de trabajo del periodo anterior, sin
embargo, algunos autores establecen que el nivel de ventas permite predecir el comportamiento
futuro de la organización, y, por lo tanto, cómo debe ser la gestión del capital de trabajo del
periodo posterior.
Gran parte de los estudios realizados sobre la relación entre las ventas y el capital de
trabajo se han enfocado en la importancia que tiene dentro de las compañías la capacidad de
generar efectivo, es decir, el ciclo de efectivo de las empresas. Este fenómeno, permite
evidenciar un dilema al que se enfrentan las organizaciones constantemente, tener altos niveles
de rentabilidad manteniendo a su vez altos niveles de liquidez. Debido a los periodos, en
ocasiones prolongados, que requieren las firmas para convertir sus activos de corto plazo en
efectivo, algunas de estas se ven obligadas a posponer o a no pagar en el tiempo oportuno sus
pasivos de corto plazo, específicamente, sus cuentas por cobrar a proveedores. Adicionalmente,
las firmas también se ven en la disyuntiva de determinar si aumentan su nivel de ventas
incrementando sus cuentas por cobrar, al igual que su riesgo de liquidez o, por otra parte,
mantienen altos niveles de inventario, un nivel de ventas bajo y poco dinero en caja. Es por lo
3
anterior, que según Eljelly (2004), la gestión del capital de trabajo es de suma importancia y,
esta debe procurar que no se invierta en activos innecesarios para prevenir el riesgo de que una
compañía sea incapaz de cubrir sus responsabilidades de corto plazo ya que, según este autor,
para la economía es más importante una empresa con alta capacidad de liquidez que una
empresa rentable.
Dadas las discusiones mencionadas anteriormente y la falta de literatura sobre el tema,
el presente estudio tiene como finalidad indagar: (1) cuál es el tipo de relación de causalidad
que existe entre la gestión del capital de trabajo y las ventas, e (2) determinar el grado de
importancia de la gestión de las operaciones dentro del nivel de ventas de la firma para que de
esta forma establecer si este depende de variables sistemáticas o de otro tipo de variables y por
lo tanto, si es necesario que los gerentes desarrollen estrategias enfocadas en el los
componentes del indicador o no. Por otra parte, este estudio es aún más relevante para las
empresas que pertenecen al sector manufacturero dado que según Mogaka y Jagongo (2013),
la gestión del capital de trabajo juega en estas un papel fundamental debido a que, para estas
los activos corrientes tienen un peso importante dentro del total de activos de las empresas y,
además, en la mayoría de estas, son estos activos los que determinan la rentabilidad potencial
de la firma. Por esta razón, para esta investigación se seleccionaron 8 empresas para cada una
de las siguientes industrias: Bebidas, Preparaciones Farmacéuticas, Químicos Industriales
Orgánicos, Refinería de Petróleo y Productos Plásticos. Las cuales se seleccionaron debido a
que las empresas que componen cada industria poseen características similares tanto en las
tecnologías de producción requeridas como en la variedad de productos industriales ofrecidos
y porque facilita la integración de componentes contables en los estados financieros.
Para este trabajo se siguió lo establecido por Kieschnick, LaPlante y Moussawi (2011),
se tomó como variable dependiente el nivel de ventas y como variable independiente el capital
de trabajo neto operativo (KTNO). Se utilizó la información financiera trimestral de las
empresas pertenecientes a los sectores manufactureros anteriormente mencionados provista por
la SEC desde el año 2012 hasta el 2017, ubicadas en Estados Unidos. Para la solución del
modelo se construyó un panel de datos en la que se utiliza una metodología de efectos fijos y
por la cual se llegó a las siguientes conclusiones: (1) al analizar todas las empresas sin tener en
cuenta la industria se puede evidenciar una relación negativa significativa entre el nivel de
ventas y la gestión del capital de trabajo neto operativo, (2) esta relación no se sostiene al
analizar cada una de las industrias individualmente, y (3) al analizar el efecto individual de las
4
variables que componen el capital de trabajo neto operativo sobre el nivel de ventas se puede
concluir que únicamente la variable cuentas por cobrar y cuentas por pagar son significativas.
Revisión de la literatura:
Gran parte de la literatura que existe sobre el papel de la gestión del capital de trabajo
dentro de las firmas se ha enfocado en el papel de esta variable sobre la rentabilidad. Sin
embargo, como se mencionó anteriormente, el papel de esta variable sobre las ventas ha sido
poco analizado, al igual que la relación de causalidad entre esta y la gestión del capital de
trabajo. Nace entonces la necesidad de investigar estos efectos para determinar con exactitud
si las ventas son el resultado de variables netamente operacionales de la firma u otro tipo de
variables que según algunos autores (Porter, 1996; Walker, Churchill & Ford, 1977; Verbeke
& Dietz) pueden ser el grado de posicionamiento de la firma en determinada industria, el grado
de motivación y el salario de los empleados, el conocimiento que estos posean en actividades
relacionadas con ventas, entre otras características del rol que cumple el empleado dentro de la
firma. Dada esta falta de literatura y la importancia del desarrollo de este tema para las firmas
este trabajo, a diferencia de los que existen actualmente dentro del campo académico el
documento se enfocará en el efecto que tiene la gestión adecuada del capital de trabajo sobre
el nivel de ventas del periodo siguiente.
Uno de los primeros y más importantes trabajos que se desarrollaron en este campo es
el trabajo de Shin y Soenen (1998), quienes buscaban encontrar el efecto de la gestión del
capital de trabajo sobre la capacidad de creación de valor para los stakeholders o agentes
involucrados para 58.985 firmas en el periodo comprendido entre 1975 y 1994. Los autores
utilizaron como proxy de la variable de capital de trabajo neto operativo al ciclo de conversión
de efectivo de cada firma, variable que mide el tiempo medio transcurrido entre el desembolso
y la recolección posterior de efectivo. Para el cálculo de esta variable, los autores utilizaron el
net – trade cycle (NTC) el cual, toma cada uno de los elementos que componen el ciclo de
efectivo (cuentas por pagar, cuentas por cobrar e inventario) y los representa como porcentaje
de las ventas. Para el análisis de los datos, los autores realizaron una prueba de correlaciones y
regresiones econométricas tanto para cada industria como para cada uno de los diferentes
niveles de intensidad de capital de trabajo. Los autores encontraron que existe una relación
negativa entre la duración del net – trade cycle y la rentabilidad. Es decir, para crear valor es
necesario que se reduzca la duración del ciclo de efectivo.
5
Deloof (2003), el cual, al observar la gran cantidad de dinero que es invertido en capital
de trabajo en las firmas belgas, decide establecer la relación entre esta variable y el nivel de
rentabilidad de la firma. Después de realizar pruebas de correlación y algunas regresiones llegó
a la conclusión de que existe una relación negativa significativa entre el ingreso operativo bruto
y el número de días requeridos para que la cartera sea recuperada, los inventarios sean rotados
y las cuentas por pagar a proveedores sean canceladas. Dados estos resultados, el autor
concluye que para crear valor a los accionistas de las firmas es necesario que se reduzca al
mínimo el número de días de las variables anteriormente mencionadas. La investigación de
este autor también corrobora que las firmas menos rentables son las que tienen el periodo más
prolongado en la variable de cuentas por pagar a proveedores.
Raheman y Nars (2007), en un estudio similar realizado para 94 firmas en Pakistán en
el periodo comprendido entre los años 1999 y 2004, llegan también a la conclusión que la
relación entre el capital de trabajo y la rentabilidad es significativa. Para este estudio, los
autores utilizan las diferentes variables que componen el capital de trabajo (el tiempo promedio
de cobro, volumen de ventas del inventario, tiempo promedio de pago y el ciclo de conversión
de efectivo); e incluyen algunas variables que permitieran establecer la estructura de deuda de
las empresas y el nivel de liquidez de estas. Las conclusiones más importantes a las que llegan
estos autores son que la relación entre las variables que componen el capital de trabajo y la
rentabilidad es negativa; e incrementos en el ciclo de efectivo lleva a disminuciones en la
rentabilidad de la firma. Por lo tanto, también proponen que las firmas deben procurar reducir
su ciclo de efectivo al mínimo posible para generar valor tanto para la firma como para los
stakeholders.
Lazaridis y Tryfonidis (2006) realizaron un estudio de corte transversal usando una
muestra de 131 firmas que estaban listadas en el Athens Stock Exchange para los años de 2001
a 2004. Al realizar pruebas de correlación y regresiones y utilizando información anual de las
firmas, llegaron a la conclusión que existe una relación negativa significativa entre la
rentabilidad y el ciclo de efectivo y sus componentes (cuentas por pagar, cuentas por cobrar e
inventario). Teniendo en cuenta estos resultados, los autores enfatizan que los gerentes deben
preocuparse por el manejo adecuado del ciclo de efectivo y deben mantener cada uno de los
componentes de este en el nivel óptimo.
6
Mathuva (2010), en un estudio realizado para 30 firmas de Nairobi en los periodos
comprendidos entre 1993 y 2008, estudia el efecto de las variables individuales que componen
el capital de trabajo sobre la rentabilidad. Para esto, utiliza el método de correlaciones de
Pearson and Spearman, luego procede a correr el modelo por el método de Pooled Ordinary
Least Squared (OLS) y, por último, utiliza la metodología de efectos fijos para el estudio
adecuado de los datos. Este mismo método es utilizado en este trabajo dadas las características
de la información recolectada. Las conclusiones a las que este autor llega son primero que
existe una relación negativa entre el tiempo de recuperación de cartera y la rentabilidad,
segundo, existe una relación positiva entre el tiempo en que los inventarios son convertidos en
ventas efectivas y la rentabilidad, y tercero, existe una relación positiva y significativa entre el
tiempo que las firmas toman para pagar a sus proveedores y la rentabilidad.
Mogaka y Jagongo (2013), realizan un estudio similar al anteriormente mencionado,
pero seleccionando únicamente aquellas firmas en Nairobi, Kenia, que pertenecen al sector
manufacturero y constructor. Ya que, según estos autores, en este tipo de firmas el activo
corriente representa gran parte del activo total y, por lo tanto, la gestión de estos activos juega
un papel muy importante. Para su estudio estos autores utilizaron el retorno de los activos como
variable dependiente y en lugar de utilizar la variable KTNO (capital de trabajo neto operativo)
como se realiza en el presente trabajo, también miraron el efecto independiente de cada uno de
sus componentes que son: los inventarios, las cuentas por cobrar y las cuentas por pagar.
Utilizando un panel de datos de corte transversal y series de tiempo, realizan una regresión
pooled y llegan a las siguientes conclusiones: existe una relación negativa entre la capacidad
de conversión de efectivo y el retorno de los activos para estas empresas, existe una relación
positiva entre el retorno de los activos y la inversión en inventarios y existe una relación
positiva entre el retorno de los activos y las cuentas por pagar.
García y Martínez (2007) en un estudio realizado para pequeñas y medianas empresas
en España, construyeron un panel de aproximadamente 8.872 firmas en el periodo
comprendido entre 1996 y 2002. Para este trabajo los autores buscaban determinar el efecto
independiente de las variables que componen el capital de trabajo sobre la rentabilidad de las
pequeñas y medianas empresas. Después de realizar las pruebas requeridas para el estudio de
datos panel y de comprobar la robustez de los resultados aun en presencia de endogeneidad los
autores encontraron lo siguiente: primero, para este tipo de empresas el capital de trabajo juega
un papel fundamental ya que, los activos corrientes representan la mayor parte del activo total
7
y las cuentas por pagar son su principal fuente de financiamiento y segundo, existe una relación
negativa significativa entre la rentabilidad y el número de días en que las cuentas son cobradas
y los inventarios son mantenidos. Por lo tanto, según estos autores, para crear valor en las
firmas es necesario que los gerentes reduzcan su nivel de inventario, el número de días
requeridos para la recuperación de la cartera y se acorte al máximo el ciclo de conversión de
efectivo.
Gill, Biger, Mathur (2010), realizan un estudio muy parecido al que se presenta en este
trabajo. Estos autores toman 88 firmas presentadas en el New York Stock Exchange por un
periodo de tres años comprendido entre el año 2005 hasta el 2007. Sin embargo, la
investigación de estos autores difiere con el objetivo de este proyecto ya que el de estos es
mirar el efecto del capital de trabajo sobre la rentabilidad y no sobre el nivel de ventas. Para su
análisis, los autores utilizan como variable dependiente el retorno de los activos y como
variables independientes utilizan el ciclo de conversión de efectivo y el número de días
requeridos para que se recupere la cartera, se roten los inventarios y se cancelen las cuentas a
proveedores. Para resolver el modelo los autores utilizan la metodología de Pearson de
correlaciones y luego estiman el modelo por Pooled Ordinary Least Squared (OLS). Los
autores concluyen que existe una relación negativa entre las cuentas por cobrar y el nivel de
rentabilidad de la firma, que no existe una relación significativa entre las cuentas por pagar y
la rentabilidad y los inventarios y esta variable. Finalmente, encuentran que existe una relación
positiva entre el ciclo de efectivo y la rentabilidad.
Por último, Kieschnick, LaPlante y Moussawi (2012), a diferencia de los autores
anteriormente mencionados, buscan establecer la relación que existe entre la gestión del capital
de trabajo y el nivel de riqueza de los accionistas. Para esto, examinan una serie de firmas
pertenecientes a los Estados Unidos en el periodo comprendido entre 1990 y 2006. Después de
analizar los datos los autores llegan a las siguientes conclusiones: primero, los dólares
invertidos en capital de trabajo neto tienen menor valor que los dólares que son tenidos en
efectivo y, por lo tanto, resaltan la importancia de la gestión adecuada del capital de trabajo.
Segundo, el valor del dólar invertido en capital de trabajo está influenciado por las expectativas
de ventas que se tengan a futuro. Tercero, el valor del dinero derivado de créditos a los
consumidores tiene mayor efecto sobre la riqueza de los accionistas que el dinero que es
invertido en inventarios.
8
En conclusión, aunque ninguno de los estudios anteriormente descritos busca establecer
la relación entre el capital de trabajo y las ventas, estos tienen una semejanza importante con
la presente investigación y permiten la creación de un marco de análisis de este fenómeno.
Dados los resultados de las anteriores investigaciones se espera que la relación entre el capital
de trabajo y nivel de ventas sea negativa debido a que, como mencionaron los autores, el nivel
de efectivo dentro de la firma juega un importante papel en su desempeño.
Marco Teórico:
Como ya se mencionó en la sección anterior, gran parte de los estudios realizados en la
gestión del capital de trabajo se han enfocado principalmente en sus efectos sobre la
rentabilidad. La mayoría de estos estudios, Mogaka y Jagongo (2013), Shin y Soenen (1998),
Raheman y Nars (2007), llegaron a la conclusión que una gestión adecuada del capital de
trabajo se traduce en aumentos en la rentabilidad de las firmas debido a que encontraron que la
relación entre el ciclo de efectivo y la rentabilidad es negativa. De acuerdo con Kieschnick y
LaPlante (2011), esto se puede evidenciar con mayor claridad cuando se observa el valor de un
proyecto siguiendo un modelo estándar de valuación del flujo de caja libre. Para mostrar eso,
los autores utilizaron el modelo de valuación propuesto por Brigham and Davies (2007) el cual
establece que el valor de un proyecto está dado por la siguiente ecuación (1):
𝑉𝑎𝑙𝑜𝑟𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 = ∑𝑁𝑂𝑃𝐴𝑇𝑡 − ∆𝐾𝑇𝑁𝑂𝑡 − ∆𝐴𝑐𝑡𝑖𝑣𝑜𝑠𝑓𝑖𝑗𝑜𝑠𝑡
(1 + 𝑊𝐴𝐶𝐶)𝑡
∞
𝑡=1
(1)
Donde el NOPAT hace referencia a la utilidad operativa después de impuestos, ΔKTNO
hace referencia a la inversión en capital de trabajo y el WACC hace referencia al costo
ponderado del capital. Como se puede evidenciar por la ecuación, las inversiones en capital de
trabajo afectan de forma negativa el valor determinado de un proyecto, así como las distintas
inversiones que deban hacerse en activos fijos. Este fenómeno se debe a que el KTNO desde
su definición se compone de distintos elementos que son la cuentas por cobrar (CXC), los
inventarios (INV), las cuentas por pagar (CXP) y los impuestos por pagar (IXP), de la siguiente
forma (2):
𝐾𝑇𝑁𝑂𝑡 = 𝐶𝑋𝐶𝑡 + 𝐼𝑁𝑉𝑡 − 𝐶𝑋𝑃𝑡 − 𝐼𝑋𝑃𝑡 (2)
9
Y, según Kieschnick y LaPlante (2011), cada uno de estos elementos poseen distintos
efectos sobre la rentabilidad y el nivel de ventas. Sin embargo, de acuerdo con Shift y Lieber
(1974), estas variables no deben ser vistas de forma independiente ya que, aunque todas afectan
el nivel de ventas, también existen relaciones estrechas entre ellas. Utilizando un modelo de
optimización dinámico, estos autores llegan a la conclusión de que existe una relación
significativa entre el nivel de inventario y las cuentas por cobrar. El modelo usado por ellos,
parte de la idea de que la demanda de un producto está determinada tanto por los términos de
crédito como por el nivel del inventario. Entre mayor sea el periodo de pago del crédito mayor
será la demanda, y entre mayor sea el nivel del inventario mantenido mejor será el servicio
prestado al consumidor y, por lo tanto, más unidades serán demandadas. Por ende, la demanda
se presenta de la siguiente manera (3):
𝐷𝑒𝑚𝑎𝑛𝑑𝑎(𝑞(𝑡), 𝑥(𝑡), 𝑡) = 𝑎1𝑞(𝑡) + 𝑎2𝑥(𝑡) + 𝑏(𝑡) (3)
Donde 𝑎1 y 𝑎2 son los efectos marginales de los inventarios y el crédito, q(t) representa
los términos de crédito, x(t) representa el nivel de inventario en el tiempo t y b(t) representa
una función arbitraria del tiempo, que recoge otros efectos que tiene el tiempo en la cantidad
demandada. Los autores modelan el costo de oportunidad de mantener un dólar en cuentas por
cobrar usando una tasa de interés r. Por lo tanto, si la demanda aumenta en D unidades, las
cuentas por cobrar aumentarán en PD unidades (donde P representa el precio de los bienes) y
el efecto final generado por esta transacción será de rqPD dado que r es la tasa de interés y q
representa el periodo de tiempo en que el dinero será cobrado. Por último, los autores proponen
que la función objetivo de la firma será:
𝑀𝑎𝑥 ∫ [𝑃𝐷(𝑞(𝑡), 𝑥(𝑡), 𝑡) − 𝐹(𝑣(𝑡)) − ℎ(𝑥(𝑡)) − 𝑟𝑞(𝑡)𝑃𝐷(𝑞(𝑡), 𝑥(𝑡), 𝑡)]𝑑𝑡𝑇
0
(4)
Donde F(v(t)) representa la función de costos de producción de la firma y h(x(t))
representa los costos asociados a mantener inventarios. La expresión 4, plantea entonces el
problema de maximización de utilidades de la firma. Al resolver este modelo mediante la
construcción de un Hamiltoniano, llegan a las siguientes conclusiones: (1) un aumento en q, es
decir, el plazo de pago del crédito por una venta realizada, ocasiona efectos ambiguos en la
ganancia de la empresa ya que, aumentan las ventas, pero genera un aumento en los costos del
10
crédito y una disminución del inventario; (2) los ajustes en las políticas de crédito y de
inventario afectan o suavizan las fluctuaciones en la demanda.
Teniendo en cuenta lo anterior, se debe considerar un modelo donde la variable
independiente sea el KTNO ya que resume conjuntamente las variables de cuentas por cobrar,
inventarios y cuentas por pagar. Para la construcción del modelo es importante también tener
en cuenta que cambios en las políticas de crédito y de inventarios se generan como respuesta a
fluctuaciones de la demanda, es decir, el nivel de ventas del periodo siguiente.
Marco Empírico:
Para los resultados principales el proyecto de investigación se utilizó los registros
Financieros proporcionados por la Security Exchange Commission, una agencia del Gobierno
de Estados Unidos que se encarga de mantener la regulación y el cumplimiento de las leyes en
la comisión de bolsa y valores. De esta fuente se construye un base de datos panel con empresas
provenientes de cinco industrias manufactureras: Bebidas, Preparaciones farmacéuticas,
Químicos Industriales Orgánicos, Refinería de Petróleo y Productos Plásticos con los códigos
SIC: 2080, 2834, 2860, 2911 y 3089 respectivos. Los datos son obtenidos a lo largo del tiempo
de los estados financieros que las empresas reportan a la entidad del primer trimestre del 2012
al primer trimestre del 2017. Para cada año, se obtiene información directa sobre el estado de
resultados, la hoja de balance y el flujo de caja consolidado por la SEC, que proporcionan
directamente los componentes del capital de trabajo neto operativo y las respectivas ventas de
los periodos. De manera que la muestra se compone por cuarenta empresas de los sectores
manufactureros, cada una con veintiuna observaciones trimestrales en el tiempo establecido.
Lo anterior, con el fin de construir un panel balanceado con datos que permitan estudiar en el
programa estadístico Stata, la relación del conglomerado de las empresas industriales, el efecto
individual de cada industria y cada componente del capital de trabajo neto operativo con las
ventas.
En la metodología realizada en este artículo se evaluará la hipótesis de los autores Shift
y Leiber (1974), en las que las variables corrientes no deben ser estudiadas de forma
independiente, sino que, en agregado todas afectan al nivel de ventas. Debido a esto, se utiliza
el capital de trabajo operativo neto como una aproximación del ciclo de efectivo que permite
medir conjuntamente las variables de cuentas por cobrar, inventarios y cuentas por pagar. Ya
11
que estas reflejan cambios en la política de créditos e inventarios que tendrán efectos en las
fluctuaciones de la demanda y los componentes del KTNO, como factores de las decisiones
operacionales, que se podrán ajustar en búsqueda de determinar las ventas futuras. En
consecuencia, el primer modelo a estimar toma en cuenta el KTNO del trimestre para
determinar las ventas del próximo periodo. Al utilizar la variable de KTNO rezagada un
periodo de las ventas, ayuda a resolver en parte un problema de doble simultaneidad, sin
embargo, es necesario resaltar que no soluciona todas las dificultades generadas por una posible
endogeneidad y por la cual, se debe probar la existencia de un efecto fijo.
Para la metodología de datos panel se utiliza el proceso de identificación del estimador
apropiado para un problema de datos longitudinales descrito por Ramón Rosales, et al. (2003)
dentro del libro de fundamentos de econometría intermedia, teoría y aplicaciones de la
universidad de los Andes (Anexo 2). En el cual, se determina el procedimiento para obtener el
estimador idóneo según un diagrama de flujo con pruebas econométricas que empiezan por
probar la veracidad, los problemas y los supuestos de los estimadores del modelo por mínimos
cuadrados agrupados (Pooled OLS). A parte de eso, se mide la presencia de heterogeneidad no
observada, la cual evidencia la existencia de un término constante en el tiempo o por industria
en el panel y la reducción de la endogeneidad generada por el término constante, por medio de
estimaciones econométricas de efectos fijos o efectos aleatorios. Es decir, resume un proceso
teórico y práctico para establecer la mejor forma de hallar los estimadores apropiados. Por
consiguiente, se debe empezar por un análisis descriptivo de los datos por medio de la
estimación del modelo por mínimos cuadrados agrupados, en el cual se busca una
inconsistencia en la estimación que permita sospechar un indicio de heterogeneidad no
observada.
12
Gráfico 1. Gráficos de dispersión por MCO. Fuente: elaboración propia a partir de la SEC
Por lo tanto, cuando se estudia la relación entre el KTNO del periodo y las ventas del
siguiente periodo como se ve en el Gráfico 1, en el conglomerado de las industrias se puede
observar una línea de ajuste con pendiente negativa. Esta hipótesis refleja la existencia de una
relación inversa descrita en la literatura principalmente por los autores Shin y Soenen (1998)
para el periodo de 1975 y 1994 en Estados Unidos. En el cual, se describe que la relación entre
el ciclo de conversión de efectivo y la rentabilidad corporativa tienen un coeficiente negativo
para las empresas estadounidenses en estos años. En este caso, representados por el capital de
trabajo operacional neto y las ventas, pero para los periodos trimestrales del 2012 y 2017
analizados en el documento.
Sin embargo, cuando se aplica mínimos cuadrados ordinarios, es decir sin tener en
cuenta el panel de datos temporales, se evidencia que la relación no es negativa para todas las
industrias, las industrias de preparaciones farmacéuticas, químicos orgánicos y productos
plásticos tienen una relación positiva dentro de la estimación, a diferencia de las industrias de
bebidas y refinadores de petróleo. Paralelamente, en el gráfico 2 se muestra una
descomposición de la relación de las ventas y el rezago del KTNO trimestral en el tiempo para
determinar si existen inconsistencias en la estimación. Cada círculo representa una muestra del
capital de trabajo operacional neto y el tamaño respectivo, la proporción de KTNO de las
13
empresas. En el gráfico 2, cuando se analiza el total de la muestra de las industrias
manufactureras se puede observar que el capital de trabajo operacional neto no depende del
tamaño de la empresa. No obstante, es de total importancia incluirlo como una variable de
control, ya que el tamaño de las empresas está correlacionado positivamente con el incremento
de las ventas. No obstante, cuando se analiza el indicador financiero de la muestra existen
empresas con una gran cantidad en el crecimiento de las ventas y con un KTNO bajo, como
también algunas que tienen unas ventas medias y cuentan con un KTNO muy alto.
Gráfico 2. Ventas en el tiempo por tamaño de KTNO. Fuente: Elaboración propia a partir de la SEC
Por otro lado, para estudiar el efecto encontrado en el gráfico 1, de la diferencia entre
industrias, se comparan las industrias que arrojan una relación positiva y una relación negativa
entre las variables estudiadas como se ve en el gráfico 3. En la parte A del gráfico 3, se puede
observar que las industrias de preparaciones farmacéuticas, químicos orgánicos y productos
plásticos tienen una distribución parecida ya que a medida que va aumentando el crecimiento
en sus ventas el KTNO va creciendo. Mientras que en la parte B, se puede ver una diferencia
sustancial entre las bebidas y petróleo principalmente porque existen relaciones inversas en la
predicción econométrica. Por ejemplo, se puede encontrar una estimación alta en el crecimiento
de las ventas con KTNO pequeño. Por esta razón, existen incoherencias para la estimación por
mínimos cuadrados agrupados y además puede que se presente heterogeneidad no observada,
la cual agrega un término constante que está absorbiendo el error a la hora de medir las
industrias.
14
Parte A Parte B
Gráfico 3. Ventas en el tiempo por tamaño de KTNO para industrias. Fuente: Elaboración propia a partir de la SEC
Por lo cual, se hace necesario realizar una prueba de Breusch-Pagan para determinar si
efectivamente existe un término constante en el tiempo dentro del error. Como se ve en el anexo
3, la prueba determina que existe un efecto fijo que no está siendo capturado a un cinco por
ciento de significancia y por lo tanto es necesario aplicar una metodología de datos panel para
que estime el modelo por efectos fijos o aleatorios. Debido a que se presenta un único panel de
datos para las empresas manufactureras compuestas por veintiún cortes transversales desde el
2012 al 2017, se debe realizar a su vez una prueba de Hausman para determinar y corregir otras
posibles causas de endogeneidad que se puedan presentar entre las ventas y el indicador
operacional de capital de trabajo neto. Por ende, la prueba determina los efectos constantes en
el tiempo que son producidos por cada empresa o industria y no son capturados por la regresión
original, produciendo problemas estadísticos dentro del modelo que son atrapados por el error.
Al aplicar la prueba de Hausman con un 5% de significancia, como se ve en el anexo
4, se concluye que se debe estimar a través de un método de estimación por efectos fijos y no
por efectos aleatorios, que capture el valor inobservable por empresa. Es decir, la utilización
del método permite corregir los problemas de endogeneidad que corresponde a cada industria
por separado cuando se agrupan por clúster. Para el desarrollo del ejercicio también se probó
un efecto fijo por empresa y en el tiempo, los cuales no eran estadísticamente significativos y
no representaban un efecto fijo directo que afectará la estimación.
En este sentido, es importante establecer la inclusión de controles para construir pruebas
de robustez que garanticen que el efecto observado es debido a la relación del KTNO con el
15
crecimiento de las ventas del siguiente periodo y no debido a otros efectos producidos por
efectos macroeconómicos. Estos efectos serán medidos por índices bursátiles como el S&P500
(Standard & Poor’s 500) y INDPRO (Industrial production index), tasas de interés emitidas
por la Reserva Federal estadounidense como 1YTM (1-Year Treasury Constant Maturity Rate)
y el tamaño de las empresas. Se consideraron estos controles ya que existe evidencia en la
literatura de que estos recogen gran parte de los efectos que no son producidos por el capital
de trabajo sobre el nivel de rentabilidad. El tamaño de las firmas se calculará siguiendo lo
establecido por Mathuva (2010) calculado como el logaritmo del total de activos, se utilizará
el índice S&P500 como proxy del PIB (producto interno bruto) dada la periodicidad de los
datos y que permite medir ciclos económicos. Esta variable se seleccionó dado que tanto
Mathuva (2010) como García y Martínez (2007) establecen que el producto interno bruto es
afectado y afecta la rentabilidad de las firmas y, por lo tanto, también afecta su nivel de ventas.
Se seleccionó la tasa de interés emitida por la Reserva Federal estadounidense dado que esta
permite establecer las fluctuaciones de las tasas de interés comerciales y, por lo tanto, permite
identificar las tendencias de consumo de los hogares o agentes. Por último, se seleccionó el
índice de producción industrial dado que este refleja el desarrollo productivo y empresarial de
las industrias estudiadas a través del tiempo.
Los datos de los controles son obtenidos directamente de los datos de la FRED (Federal
Reserve Economic Data) a excepción de los tamaños de las empresas, los cuales son obtenidos
de los informes de la SEC, como el logaritmo del tamaño de los activos corrientes totales de
las empresas. Por otro lado, FRED es una base de datos de la división de investigación del
Banco de la Reserva Federal de St. Louis, parte del Banco Central de los Estados Unidos. En
primer lugar, la base brinda el índice de producción industrial por trimestre INDPRO, el cual
representa un indicador que “mide la producción real de todas las instalaciones ubicadas en los
servicios de manufactura, minería, electricidad, y gas de los Estados Unidos” (FRED DATA,
2018). En segundo lugar, se encuentra el 1YTM una tasa utilizada por la Reserva Federal, para
calcular un índice basado en el promedio de títulos del tesoro con vencimiento en un año. En
tercer lugar, el S&P500 el cual es considerado como “un indicador del mercado de acciones de
gran capitalización que incluye 500 empresas líderes en las principales industrias de la
economía de los EE. UU.” (FRED DATA, 2018).
De igual manera, es importante resaltar las correlaciones de Pearson tanto en las
variables estudiadas, como también con los controles pertinentes de la regresión. Como se ve
16
en el anexo 5 en la matriz de correlaciones, es primordial destacar que en el efecto del
conglomerado de industrias manufactureras se ve reflejado un coeficiente negativo y
significativo descrito entre el KTNO y el crecimiento de las ventas del periodo siguiente, con
un valor de -0.15. Entre otras relaciones importantes se encuentra que el crecimiento en las
ventas está muy correlacionado con el tamaño de la empresa con un valor de 0.9728, como se
sospechaba anteriormente. Al igual que poco correlacionado con el KTNO con un valor de
0.027 y estadísticamente significativo con un nivel del 95% de confianza.
Por lo tanto, después de determinar los controles y realizar la prueba de Hausman, al
ser un método por efectos fijos de datos panel en modelo debe existir una variable 𝑎𝑡 que
capture todos los factores inobservables de las diferentes industrias que son contantes y que
afectan directamente a las ventas del periodo siguiente, reduciendo la endogeneidad capturada
por el error. Al mismo tiempo, en el modelo debe existir una normalización de las variables
estudiadas, con el fin de poder interpretar la estructura de capital operacional de las empresas
que cotizan en NASDAQ y que son analizadas en el panel. Ya que algunas reportan sus ventas
de operaciones, sus cuentas por cobrar, sus cuentas por pagar y sus inventarios tanto del
territorio estadounidense como de su actividad internacional. Por ende, es necesario normalizar
las dos variables para que la dispersión de los datos no sea muy diferente entre las industrias.
Por un lado, es importante resaltar la utilización de las ventas del periodo siguiente,
como una transformación logarítmica de las ventas futuras. Que permite estudiar
principalmente el cambio porcentual en el valor de la variable, reduce las dispersiones de los
datos entre empresas que tienen un volumen de ventas alto y empresas con uno bajo. Sin
embargo, la utilización de este método convierte a la estimación en un modelo log-lineal de
independencia, que hace que los estimadores deban ser interpretados como un incremento
porcentual en las ventas cuando aumenta una unidad del KTNO o de una variable de control.
Mientras que, para el capital de trabajo neto operativo, se mantuvo una estimación en dólares
provenientes de la hoja de balance determinados por la SEC. Ya que no se encontró un método
de normalización estándar, debido a la endogeneidad que se podía generar al dividirlo por las
ventas del periodo en este modelo. De igual manera, es importante resaltar que, si el indicador
se normalizaba por medio de los activos corrientes totales, este cambiaba la relación descrita
en el documento. A pesar de que no normalizar el indicador podría generar un problema de raíz
unitaria, ya sea por inflación no capturada, se comprobó por la prueba de Levin Lin Chu para
datos panel, una estacionalidad en las series de tiempo. Como se puede ver en el anexo 6, la
17
prueba determina que los paneles son estacionarios y por lo tanto no está generando un
problema de raíz unitaria al no normalizar el capital de trabajo neto operacional para la
estimación.
• Estimación por efectos fijos:
De acuerdo a lo anteriormente establecido el modelo queda expresado de la siguiente forma:
𝐿𝑆1𝑖,𝑡+1 = 𝛽0 + 𝛽1 KTNO𝑖𝑡+𝛽2 𝐿𝑍𝑖𝑡 + 𝛽3 𝑆&𝑃500𝑖𝑡+𝛽4 𝐼𝑁𝐷𝑃𝑅𝑂𝑖𝑡 + 𝛽5 1𝑌𝑇𝑀𝑖𝑡 + 𝑎𝑖 + 𝑈𝑖𝑡 (5)
En la ecuación 5, el término 𝐿𝑆1𝑡+1 representa el logaritmo de las ventas del periodo
siguiente t+1, es decir es interpretado como una variación en el crecimiento porcentual de un
periodo t a otro. La variable KTNO𝑡 mide el capital de trabajo operativo del periodo t. Para los
controles el término 𝐿𝑍𝑖𝑡 representa el logaritmo del total de los activos como principal control
del tamaño, las variables 𝑆&𝑃500𝑖𝑡 y 𝐼𝑁𝐷𝑃𝑅𝑂𝑖𝑡 representan los controles por índices
macroeconómicos representantes de la economía, y la variable 1𝑌𝑇𝑀𝑖𝑡 representa la tasa de
interés sobre los bonos a corto plazo puesta por el gobierno. Finalmente, el término 𝑎𝑡 es el
efecto fijo por industrias y 𝑈𝑖𝑡 el término de error para la regresión.
Análisis de resultados:
En primer lugar, se realizó la regresión de la ecuación (5) por medio de efectos fijos al
conglomerado de empresas. En la tabla 1, se observa una relación negativa entre el rezago del
KTNO y el crecimiento de las ventas tanto sin controles en la columna 1, como cuando se
introducen los controles en la columna 2. Esto comprueba una relación existente entre las dos
variables a un 95% de confianza y por lo tanto una consistencia en la estimación. No obstante,
cuando se introducen los controles se pasa de tener un 𝑅2de 0.027 a un 𝑅2 de 0.347, lo cual
quiere decir que las variables macroeconómicas, las tasas de interés del mercado y el tamaño
tienen total importancia en la estimación de las ventas futuras. Sin embargo, las variables que
componen directamente el capital de trabajo son las únicas variables sobre las cuales los
directores ejecutivos pueden tomar decisiones directamente, las que se pueden observar en el
periodo y las variables que se pueden manipular en búsqueda de unas mayores ventas.
18
En la estimación presentada en la columna 2 se presenta evidencia estadística con un
95% de confianza para comprobar una relación del KTNO, el tamaño de las empresas, el índice
de producción industrial y la tasa de interés de vencimiento de los bonos a un año con el
crecimiento de las ventas de las industrias analizadas en el documento. Primero, el capital de
trabajo neto operativo se relaciona negativamente con el crecimiento de las ventas en el
siguiente periodo, se resalta el cumplimiento de la hipótesis descrita por Shin y Soenen (1998)
para el periodo de 1975 y 1994, pero en el periodo de 2012 al 2017 en los Estados Unidos.
Segundo, el tamaño de las empresas refleja el coeficiente positivo más alto de la estimación,
es importante establecer que el nivel de ventas está muy correlacionado con el tamaño. Es de
esperarse que una empresa con un mayor potencial de producción y un mayor número de
activos dedicados a la operación produzca más, y así mismo tenga la capacidad de vender más.
Esto se puede ver reflejado las empresas de la muestra, ya establecidas en la bolsa de New York,
que realizan su operación constante durante los cinco años analizados, ya que tienen
estimaciones de ventas similares durante los periodos analizados.
Tercero, el índice de producción industrial está muy ligado a la capacidad de producción
de las industrias manufactureras. Este índice, está reflejando un crecimiento en la producción
real de todas las instalaciones estadounidenses en servicios de manufactura. Al tener cinco
industrias manufactureras, el crecimiento en sus ventas se va ver asociado con el índice y va a
ser estadísticamente significativo como se ve en la estimación. En cuarto lugar, el ser 1YTM
una tasa de interés estimada por la Reserva Federal sobre los bonos esta influye directamente
sobre el consumo. Su relación esperada es negativa como se ve en la tabla 1, ya que afecta las
tasas de interés del mercado, si la tasa sube afecta directamente el consumo de los hogares y
esto hace que se vea reflejado en una disminución del crecimiento de las ventas del periodo
siguiente. Finalmente es importante resaltar que el único control que no es estadísticamente
concluyente es el S&P500, es decir que el crecimiento en las ventas de las empresas no se está
viendo reflejado estadísticamente por las 500 empresas líderes en las principales industrias. A
pesar de que en la muestra se encuentran empresas que pertenecen a este índice, como Coca-
Cola y Pepsi y que el coeficiente calculado es positivo.
19
Tabla 1. Regresión de industrias manufactureras
Errores estándar robustos con clúster a nivel industria, reportados en los paréntesis
Todos los resultados se reportan en términos de coeficientes beta.
*** p<0.01, ** p<0.05, * p<0.1
En segundo lugar, se estimó la ecuación (5) por medio de efectos fijos por cada industria
y sus respectivos controles. En la tabla 2, se observa que para cada industria existe un efecto
diferente de la relación descrita. Esto se puede dar debido a que el manejo de las cuentas por
cobrar, las cuentas por pagar y los inventarios no es el mismo en el desarrollo de las actividades
industriales manufactureras. Cuando se examina el resultado, el KTNO es significativo para la
industria de bebidas y químicos, con las que mantiene una relación positiva. Por otro lado, con
los productos fármacos, los refinadores de petróleo y los plásticos no es significativo. Es
importante resaltar que con las industrias de fármacos y refinadores mantiene una relación
negativa, mientras que, para plásticos, Bebidas y Químicos la relación en positiva. En principio
se reporta que para la industria de bebidas es importante el KTNO, el tamaño de las empresas
y el índice bursátil S&P50. Mientras que para las productoras de fármacos la relación la
relación con el capital de trabajo neto operativo pasa a tener menor importancia, para esta
industria el tamaño de las empresas y el índice S&P500 en menor medida, están reflejando la
explicación de la relación. Para los químicos orgánicos industriales, la relación del KTNO y
1YTM, son determinantes para establecer los resultados, mientras que el índice INDPRO, lo es
en menor medida. Es importante resaltar, que solamente para la industria de químicos el
Industrias Inds. con controles
VARIABLES LogS1 LogS1
k -0.0431*** -0.0425***
(0.0150) (0.0106)
LogTamaño 0.612***
(0.123)
S&P500 0.000155
(0.000128)
INDPRO -0.0230**
(0.00955)
1YTM -0.363***
(0.0728)
Constante 19.70*** 13.08***
(0.000689) (2.316)
Controles No Sí
Efectos Fijos Sí Sí
Observaciones 800 800
Número de ID 40 40
R- cuadrado 0.027 0.347
20
INDPRO es determinante para determinar la relación. Por otro lado, en los refinadores de
petróleo el logaritmo del tamaño, el S&P500 y el 1YTM son determinantes para el resultado
en la industria. Asimismo, la industria de plásticos es determinada por el tamaño de sus
empresas, y en una menor medida del 1YTM. Finalmente, el 𝑅2 más alto con 0.611, lo presenta
la industria de refinadores, seguida por la de plásticos con 0.604, bebidas con 0.571, productos
fármacos con 0.533 y finalmente químicos industriales orgánicos con 0.338. Es primordial
resaltar que son 𝑅2 altos, ya que en su mayoría son mayores al 50%. Es decir, logran capturar
de una manera precisa parte del efecto que se está generando.
Tabla 2. Regresión por cada industria manufacturera
Bebidas P. Fármacos Químicos O Refinadores Plásticos
VARIABLE LogS1 LogS1 LogS1 LogS1 LogS1
K 0.0774** -0.0519 1.338** -0.00992 0.00190
(0.0229) (0.0540) (0.440) (0.00609) (0.110)
LogTamaño 0.762*** 0.503** 0.324 0.582*** 0.628***
(0.126) (0.168) (0.189) (0.103) (0.162)
S&P500 0.000241** 0.000744* 0.000134 -0.000631*** 5.18e-05
(8.50e-05) (0.000372) (0.000285) (0.000153) (0.000128)
INDPRO -0.0123 -0.0379 -0.0484* 0.0150 -0.0154
(0.00894) (0.0329) (0.0232) (0.0181) (0.0104)
1YTM -0.125 -0.357 -0.521** -0.505*** -0.239*
(0.108) (0.231) (0.180) (0.132) (0.122)
Constante 9.592*** 14.85** 18.88*** 11.88*** 12.24***
(2.124) (5.086) (3.525) (2.129) (1.847)
Controles Sí Sí Sí Sí Sí
Efectos Fijos Sí Sí Sí Sí Sí
Observaciones 160 160 160 160 160
R-cuadrado 0.571 0.533 0.338 0.611 0.604
Número de ID 8 8 8 8 8 Errores estándar robustos reportados en los paréntesis
*** p<0.01, ** p<0.05, * p<0.1
En tercer lugar, se observa en la tabla 3, el efecto diferenciado por el conglomerado de
las industrias y el mismo efecto cuando se aplican los respectivos controles por medio de
efectos fijos. En esta tabla se puede observar que tanto con controles o sin estos, toma vital
importancia el manejo de las cuentas por cobrar y las cuentas por pagar, mientras que los
inventarios no toman una alta relevancia para determinar la relación. A pesar de que se están
analizando industrias manufactureras, las cuales tienen una gran cantidad de inventarios, este
no está siendo estadísticamente significativo para la relación entre el indicador financiero y el
21
crecimiento de las ventas cuando se analiza el conglomerado de industrias, ni siquiera con el
90% de confianza. Es decir, que el volumen en dólares por inventarios, no está determinando
si se va a da un crecimiento de las ventas futuras.
Por otro lado, los principales determinantes de la relación entre las variables son las
cuentas por cobrar y las cuentas por pagar. En términos de las cuentas por pagar, se puede
establecer que es el componente principal que explica porque se está generando una relación
entre el capital de trabajo neto operacional y el crecimiento de las ventas en el siguiente
periodo. Como se ve en el anexo 5, la variable que tiene un coeficiente más alto de Pearson,
esta positivamente relacionada y es estadísticamente significativa para explicar el crecimiento
de ventas del periodo siguiente son el crecimiento de ventas del periodo anterior. Al ser el
mejor determinante del pronóstico de cuánto van a crecer las ventas del siguiente periodo, las
cuentas por cobrar, como un representante del porcentaje de las ventas van ser el componente
del KTNO que más explique la relación. Las políticas de crédito sobre los clientes son un
componente muy sensible para la explicación de la relación y de total importancia para los
ejecutivos. Como se explicó anteriormente, el primer indicador que van a ver los
administradores para determinar qué tanto va a generar su negocio en términos de crecimientos
en las ventas son las ventas de este año.
De igual manera, el manejo las cuentas por pagar también tienen un papel importante
en la relación, como se ve en la tabla 3, estas son esenciales porque determinan las cantidades
de deuda con los acreedores o proveedores. Según los resultados, estas son estadísticamente
significativas y tienen estimadores más bajos que las cuentas por cobrar. Las cuentas por pagar
reflejan principalmente el nivel de negociación con los proveedores, ya que son adelantos de
los insumos necesarios u otros elementos, que permiten la operación y por lo tanto en este caso
una mayor planeación sobre el nivel de ventas. Finalmente, es importante resaltar que los
controles explican gran parte de la relación que se tiene con los componentes del capital de
trabajo neto operacional. Es decir, se pasa de un 𝑅2 de 0.145 a uno de 0.382, sin embargo, la
relación con los componentes se mantiene estadísticamente significativa, reduciendo
endogeneidad no observada atrapada por el error al tener variables omitidas.
22
Tabla 3. Regresión por industria manufactureras conglomeradas y componentes del KTNO
Errores estándar robustos reportados en los paréntesis *** p<0.01, ** p<0.05, * p<0.1
En cuarto lugar, se observa en la tabla 4, el efecto diferenciado por cada industria
manufacturera para cada componente del KTNO con sus respectivos controles por medio de
efectos fijos. Se puede observar que tanto para el conglomerado de industrias, como para las
industrias individuales las cuentas por cobrar toman total importancia para establecer las
relaciones operacionales. En todas las estimaciones es significativa con un 95% de confianza,
sin embargo, para la industria de plásticos es la única que toma un coeficiente negativo. Por
otro lado, las cuentas por pagar dejan de ser estadísticamente significativas en las industrias de
fármacos y químicos orgánicos industriales, a diferencia de las industrias de bebidas,
refinadores y plásticos. Del mismo modo que cuando se analiza el conglomerado de industrias,
los inventarios no son representativos en la relación del KTNO con el crecimiento de las ventas
del periodo siguiente. En términos de los 𝑅2, refinadores de petróleo toma el coeficiente más
alto con 0.633, seguido por plásticos con 0.620, bebidas con 0.607, productos fármacos con
0.562 y por último químicos industriales orgánicos con 0.339.
Industrias Inds. con controles
VARIABLES LogS1 LogS1
CXC 0.121*** 0.0894***
(0.0189) (0.0210)
CXP -0.0333*** -0.0190**
(0.00906) (0.00795)
INV 0.138 0.0112
(0.0896) (0.0471)
Constante 19.37*** 13.02***
(0.105) (2.274)
Controles No Sí
Efectos Fijos Sí Sí
Observaciones 800 800
R-cuadrado 0.145 0.382
Número de ID 40 40
23
Tabla 4. Regresión por cada industria manufacturera y componentes del KTNO
Bebidas P. Fármacos Químicos O Refinadores Plásticos
VARIABLE LogS1 LogS1 LogS1 LogS1 LogS1
CXC 0.286** 0.132** 1.231** 0.0795*** -0.462**
(0.0919) (0.0558) (0.485) (0.0169) (0.167)
CXP -0.109** 0.0360 -2.769 -0.0330*** 0.470***
(0.0368) (0.0496) (2.639) (0.00901) (0.134)
INV -0.147 -0.217 2.458 -0.0180 0.240 (0.150) (0.226) (2.051) (0.0155) (0.202) Constante 8.953*** 14.89** 18.98*** 12.61*** 12.47***
(2.408) (4.744) (3.497) (1.228) (1.741)
Controles Sí Sí Sí Sí Sí
Efectos Fijos Sí Sí Sí Sí Sí
Observaciones 160 160 160 160 160
R-cuadrado 0.607 0.562 0.339 0.633 0.620
Número de ID 8 8 8 8 8 Errores estándar robustos reportados en los paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Conclusiones y limitaciones:
En esta memoria de grado se evidencia una relación negativa entre el capital de trabajo
neto operacional y el crecimiento de las ventas del siguiente periodo para el primer trimestre
2012 hasta el primer trimestre del 2017, en los estados unidos para las industrias
manufactureras. De igual manera, se establece que esta relación no se cumple para todas las
industrias ya que cuando se analizan las industrias por individual se evidencia una relación
positiva en bebidas, químicos industriales orgánicos y productos plásticos, mientras que una
negativa en refinadores de petróleo y productos farmacéuticos.
De modo similar, se resalta la importancia que están teniendo los componentes de
cuentas por pagar y cuentas por cobrar en la relación, por encima de los inventarios. Las
políticas de crédito juegan un papel fundamental para determinar las facilidades de pago de los
clientes, y su buen manejo se está viendo reflejado en un mayor crecimiento de las ventas
futuras. Al igual que la gestión de las obligaciones corrientes con los proveedores y con los
acreedores. Es decir, si los gerentes tienen un estricto control de las políticas en el manejo de
estas dos variables sobre las cuales pueden tomar decisiones, observarlas en el periodo y
manipularlas esto puede influir en la obtención de un mayor crecimiento en las ventas.
24
No obstante, es esencial establecer que existen otras variables que determinan el
crecimiento en las ventas de las empresas y son determinadas por el mercado, sin embargo, no
cambian la relación del capital de trabajo neto operacional. El entorno económico reflejado en
este documento con los índices bursátiles de S&P500 y INDPRO, y la tasa de interés 1YTM
aumentan la explicación del crecimiento de las ventas futuras. No obstante, son variables que
los administradores de una empresa no pueden controlar y, por lo tanto, es esencial focalizar
los esfuerzos en los componentes de los índices financieros sobre los cuales pueden tomar
decisiones como las cuentas por pagar, las cuenta por cobrar y los inventarios del periodo.
Dados los resultados obtenidos se puede concluir que el nivel de ventas en el sector
industrial depende significativamente del manejo adecuado de las variables operacionales de
la firma y no únicamente de variables externas. Adicionalmente, dado lo establecido por Shift
y Lieber (1974) se puede concluir que la relación de causalidad que existe entre la gestión del
capital de trabajo y las ventas es de la siguiente forma: el nivel de ventas del periodo futuro
está determinado por las decisiones de gestión del capital de trabajo de periodo actual. Por
último, este trabajo corrobora los resultados obtenidos por la gran mayoría de los autores que
han realizado aportes en este campo. La relación que existe entre el capital de trabajo y el nivel
de ventas es negativa cuando las firmas son estudiadas de forma agrupada.
Al tener una muestra de 8 empresas por industria limita el análisis individual, ya que
no es mayor a 30 observaciones. Sin embargo, cuando se realiza por conglomerados esta tiene
40. Sería esencial complementar el panel de datos en una futura investigación que incluya un
mayor número de industrias y un mayor número de empresas para cada industria. Por otro lado,
al existir tantas variables que se pueden afectar en el crecimiento de las ventas, la muestra
puede presentar posibles problemas de endogeneidad generada por variables omitidas. Es
esencial la aplicación de más controles estudiados en la literatura, como el índice de producción
industrial, pero para cada industria estudiada. De todas formas, para reducir la posible
endogeneidad generada se aplicó el rezago del KTNO, la aplicación de controles y el método
de efectos fijos, al igual que la aplicación de errores robustos para reducir la heterocedasticidad
y la autocorrelación y así, encontrar el estimador idóneo para problemas de datos
longitudinales.
25
Por último, con el desarrollo de este trabajo se logra proporcionar un punto de partida
para llenar el vacío existente en la literatura de la organización industrial sobre la relación entre
las decisiones operacionales a corto plazo y los resultados en el crecimiento de las ventas. Este
documento se toma como una base para una futura investigación en la cual se pueda explorar
las diferencias de la relación entre cada industria, sus similitudes y sus diferencias. Además, de
la importancia de los componentes del capital de trabajo neto operacional para cada una de
estas.
Anexos:
Anexo 1: Lista de acrónimos:
● SIC = Clasificación industrial estándar internacional.
● CXC = Cuentas por cobrar corrientes.
● CXP = Cuentas por pagar corrientes.
● TXP = Impuestos por cobrar corrientes.
● INV = Inventario.
● LS1 = Logaritmo de las ventas del siguiente periodo.
● KTNO = Capital de Trabajo Neto Operativo.
● LZ = Logaritmo de los activos corrientes totales
● S&P500 = Índice bursátil Standard and Poor’s
● INDPRO = Índice de producción industrial estadounidense.
● 1YTM = Tasa de vencimiento constante de bonos del tesoro a 1 año
Anexo 2: Esquema de identificación el estimador idóneo para un problema de datos
longitudinales
26
Gráfico 4. Diagrama de flujo de estimador idóneo Fuente: Fundamentos de econometría intermedia
Anexo 3: Prueba de Breusch-Pagan con multiplicador Lagrangiano: Efecto fijo no capturado.
Anexo 4: Prueba de Hausman: Efectos fijos – Efectos Aleatorios.
27
Anexo 5: Matriz de correlación de Pearson entre variables y controles.
Correlación LogS t+1 KTNO Tamaño S&P500 INDPRO 1YTM LogS
LogS t+1 1.0000
KTNO
-0.1500* 0.0000
1.0000
Tamaño
0.9728* 0.0000
-0.1034* 0.0027
1.0000
S&P500
-0.0024 0.9469
0.1034* 0.0027
0.0217 0.5304
1.0000
INDPRO
0.0050 0.8885
0.0269 0.4361
0.0118 0.7324
0.5798* 0.0000
1.0000
1YTM
-0.0103 0.7716
0.0933* 0.0068
0.0163 0.6367
0.6879* 0.0000
-0.1283* 0.0002
1.0000
LogS
0.9965* 0.000
-0.1382* 0.001
0.9724* 0.000
-0.0031 0.9288
0.0066 0.8489
-0.0097 0.7792
1.0000
Anexo 6: Raíz Unitaria para datos panel, Levin-Lin-Chu Unit-root test for KTNO
Bibliografía:
Álvarez, R. R., Calvo, J. P., Torrado, C. M., & Mondragón, J. U. (2013). Fundamentos de
Econometría intermedia: Teoría y aplicaciones. Bogotá D.C.: Ediciones Uniandes
Board of Governors of the Federal Reserve System (US), 1-Year Treasury Constant Maturity
Rate [DGS1], retrieved from FRED, Federal Reserve Bank of St. Louis;
https://fred.stlouisfed.org/series/DGS1, November 12, 2018.
Board of Governors of the Federal Reserve System (US), Industrial Production Index
[INDPRO], retrieved from FRED, Federal Reserve Bank of St. Louis;
https://fred.stlouisfed.org/series/INDPRO, November 12, 2018.
28
Brigham, E. and Daves, P. (2007), Intermediate Financial Management, 9th edition, Mason,
OH: Thomson Learning.
Deloof M. (2003), ‘Does Working Capital Management Affect Profitability of Belgian
Firms?’, ‘Journal of Business Finance & Accounting’, 30 (3) & (4), p.585 Blackwell
Publishing.
Eljelly, A. (2004). “Liquidity-Profitability Trade off: An empirical Investigation in an
Emerging Market”, International Journal of Commerce & Management, Vol 14 No 2 pp.48 –
61.
García, Juan P and Martínez Pedro. (2007). Effects of working capital management on SME
profitability, International Journal of Managerial Finance, Vol. 3 Issue: 2, pp.164-177,
https://doi.org/10.1108/17439130710738718
Kieschnick, Robert L. and Laplante, Mark and Moussawi, Rabih (2012). “Working Capital
Management and Shareholder Wealth”. Available at SSRN: https://ssrn.com/abstract=1431165
or http://dx.doi.org/10.2139/ssrn.1431165
Mathuva, D. (2010). The influence of working capital management components on corporate
profitability: A survey on Kenya listed firms. Research Journal of Business Management, 1-
11.
Mogaka, D., & Jagongo, A. (2013). Working Capital Management and Firm Profitability:
Empirical Evidence from Manufacturing and Construction Firms Listed on Nairobi Securities
Exchange, Kenya. International Journal of Accounting and Taxation.
Lazaridis, Ioannis and Tryfonidis, Dimitrios, Relationship between Working Capital
Management and Profitability of Listed Companies in the Athens Stock Exchange. Journal of
Financial Management and Analysis, Vol. 19, No. 1, January-June 2006. Available at
SSRN: https://ssrn.com/abstract=931591
Porter, Michael E. (1996). What is strategy? Harvard Business Review, 74(6), 61‐78.
Raheman, A., & Nars, M. (2007). Working Capital Management And Profitability – Case Of
Pakistani Firms. International Review of Business Research Papers, 279-300.
Schiff, M. and Lieber, Z. (1974), A Model for the Integration of Credit and Inventory
Management, Journal of Finance 29, 133-140.
Shin, H. and Soenen, L. (1998), Efficiency of Working Capital Management and Corporate
Profitability, Financial Practice and Education 8, 37-45.
Smith K. (1980). “Profitability Versus Liquidity Tradeoffs in Working Capital Management”,
in Readings on the Management of Working Capital. Ed. K. V. Smith, St. Paul, West Publishing
Company, pp. 549-562.
S&P Dow Jones Indices LLC, S&P 500 [SP500], retrieved from FRED, Federal Reserve Bank
of St. Louis; https://fred.stlouisfed.org/series/SP500, November 12, 2018.
29
Verbeke, W., Dietz, B. & Verwaal, E. J. of the Acad. Mark. Sci. (2011) 39: 407.
https://doi.org/10.1007/s11747-010-0211-8
Walker, O., Churchill, G., & Ford, N. (1977). Motivation and Performance in Industrial
Selling: Present Knowledge and Needed Research. Journal of Marketing Research, 14(2),
156-168. doi:10.2307/3150465
Recommended