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