"Donde hay una empresa de éxito, alguien tomó alguna vez una decisión valiente."

Peter Drucker

miércoles, 18 de julio de 2012

¿Existe relación entre la información contable y el riesgo sistemático de las empresas? estimación con datos de panel



Academia, Revista Latinoamericana de Administración, 49, 2012, 1-16
Copyright 2012 de Cladea, http://revistaacademia.cladea.org




Carlota Menéndez-Plans
Universidad Autónoma de Barcelona
Barcelona, España
Carlota.Menendez@uab.es

Neus Orgaz
Universidad Autónoma de Barcelona
Barcelona, España
Neus.Orgaz@uab.es

Diego Prior
Universidad Autónoma de Barcelona
Barcelona, España
Diego.Prior@uab.cat
¿Existe relación entre la información contable y el riesgo sistemático de las empresas? estimación con datos de panel
Does stock market beta correlate with disclosed accounting information? A panel data estimation

Resumen

Este trabajo analiza hasta qué punto diferentes indicadores basados en: a) la información contable, b) los niveles de eficiencia y productividad y c) la evolución del entorno macroeconómico— explican el riesgo de mercado de las empresas españolas. El objetivo final es determinar si existe una relación significativa entre el riesgo sistemático, medido a través de la beta de mercado, y los anteriores indicadores. Con la finalidad de dar una oportuna respuesta al objetivo planteado, utilizamos un panel de datos de 69 empresas cotizadas que contiene datos semestrales correspondientes al período 1992-2004. Los resultados confirman la conexión entre las variables independientes y la beta de mercado, pero la significación de las variables depende del tipo de empresa y según la referencia tomada como cartera de mercado (el índice general de la Bolsa de Madrid o el IBEX-35). Los resultados muestran que la productividad y las variables del entorno macroeconómico desempeñan un papel importante a la hora de explicar el riesgo de las empresas no financieras.


Palabras clave: riesgo de mercado, relevancia de la información contable, indicadores de eficiencia y productividad, indicadores de entorno macroeconómico.

Abstract

An empirical study has been undertaken to analyze the existing relationship between stock market beta and all of the published accounting information, incorporating productivity indices and macroeconomic information. Regression analysis with panel data estimations is applied to a sample of 69 Spanish capital market firms between 1992 and 2004. The results show that there is a connection between the independent variables and risk, but that this differs according to the market portfolio used and the sample analyzed. For the overall sample, the best model was obtained when the market beta was estimated from the index that contains the greatest number of shares, the IGBM (Madrid Stock Exchange General Index). Macroeconomic indicators and indicators of productivity are also significant variables of the systematic risk of the Spanish market.
Key words: Market risk, accounting information, value relevance, efficiency and productivity, macroeconomic indicators.


1. Introducción
La gestión financiera y el riesgo empresarial son conceptos que van siempre de la mano. Así, para tomar decisiones eficientes en el ámbito financiero, siempre es necesario contemplar las implicaciones derivadas del riesgo. Como es bien sabido, el riesgo afecta al coste de capital y, por ende, a la estimación de la renta y de la riqueza de las empresas.
En el mercado de capitales, el modelo Capital Asset Pricing Model (CAPM) (Lintner, 1965; Sharpe, 1964) propone que el riesgo de las acciones se mida a través del riesgo de mercado o riesgo sistemático (o sea, aquel que no puede eliminarse mediante la diversificación). Dicho riesgo se estima relacionando los movimientos en la rentabilidad de una acción con los movimientos en la rentabilidad de la cartera de referencia, lo que da lugar a la denominada beta de mercado. Aunque no está exento de severas críticas1, existen trabajos que avalan su utilidad. Así, Kothari y Shanken (1998), con datos anuales para el período 1927-1990, demuestran que las betas de las empresas norteamericanas son muy significativas al explicar el rendimiento de las acciones. Por su parte, Damodaran (2010) afirma que el modelo CAPM continúa siendo muy utilizado en el ámbito profesional y Broedel y Carvalho (2010) encuentran que la beta es una variable que explica el costo de capital de las acciones del mercado de capitales de Brasil.
Como se ha indicado, estimar la beta de mercado requiere conocer las series temporales de los precios de las acciones, lo que imposibilita su estimación en las empresas no cotizadas. Llegados a este punto, aparece la duda de si existe alguna forma de superar esta dificultad y así poder estimar el riesgo de cualquier empresa. Justamente, este es el objetivo del presente trabajo: averiguar si la información financiera existente, junto a la divulgada por las empresas, permite realizar estimaciones aceptables del riesgo de mercado. Así, si encontramos las variables que son relevantes para explicar el riesgo sistemático de las empresas cotizadas, cualquier usuario podrá utilizarlas para realizar estimaciones más ajustadas del riesgo de cualquier otra empresa.
Esta pregunta de investigación no es nueva. El artículo seminal de Beaver, Kettler y Scholes (1970) ha dado lugar a diversos trabajos que estudian la relación entre la beta de mercado y diferentes indicadores (entre los más recientes cabe citar a Agusman, Monroe, Gasbarro y Zumwalt, 2008; Brimble y Hodgson, 2007; Chen y Zhang, 2007; Elmoatasem, 2005 y Naceur y Goaied, 2004), aunque los resultados obtenidos no son concluyentes.
Con el fin de conseguir este objetivo, nuestra investigación analiza la relación entre la beta de mercado de las acciones de empresas españolas cotizadas y un conjunto de información que contiene: a) variables contables, b) indicadores de eficiencia y productividad y c) indicadores del entorno macroeconómico. El objetivo final es determinar la relación de dichas variables con el nivel de riesgo sistemático y, por tanto, con el valor de mercado de las acciones. Este conocimiento determinará cuál es el nivel de confianza que un inversor puede depositar en la información financiera y contable disponible, que indicará la relevancia de dicha información para valorar empresas.
Estudiamos el mercado español pues es un mercado en crecimiento y necesitado de estabilización, con un riesgo de mercado y normas contables propias, lo cual puede generar una relación específica entre el riesgo sistemático y las variables independientes. En esta línea, Prakash, Chang y Pactwa (2003) demuestran que las carteras de diferentes mercados —Estados Unidos, Europa y Latinoamérica— tienen características propias. Por su parte, Sandoval y Saens (2004) encuentran que la prima de riesgo del mercado es diferente según el mercado esté a la alza o a la baja. Cuando el mercado es bajista, no se observan diferencias estadísticamente significativas en la prima de riesgo de mercado entre los diferentes países latinoamericanos.
Para tratar los objetivos indicados, el trabajo se estructura en cinco apartados. Concluida esta introducción, el apartado segundo presenta el diseño de la investigación. A continuación, el apartado tercero detalla las características de la información analizada, el cuarto precisa los resultados obtenidos y el quinto destaca las conclusiones e implicaciones más relevantes. Key words: Market risk, accounting information, value relevance, efficiency and productivity, macroeconomic indicators.



2. Diseño de la investigación

El objetivo de esta investigación es comprobar la relación entre la beta de mercado de las acciones y un conjunto de información económica y financiera. Conviene, pues, que primero estimemos la beta de mercado a partir del siguiente modelo de regresión:

missing image file
 
donde:
i se refiere a las empresas incluidas en la muestra (en total, 69).
t recoge el número de días activos de los mercados de acciones durante el semestre S (el número máximo de días activos es de 120).
S representa el número de semestre para los cuales se dispone de información (tenemos datos para un total de 26 semestres).
missing image file simboliza la rentabilidad de la empresa i en el momento t.


es la intersección de la recta de regresión con el eje de coordenadas (en el marco del modelo CAPM adaptado a la evaluación de carteras, este coeficiente recibe el nombre de Alfa de Jensen).
βis corresponde al coeficiente beta de la acción i en el semestre S.



expresa la rentabilidad de la cartera del mercado M en el momento t.
it recoge el residuo aleatorio de la regresión, con E(μit) = 0 y varianza constante.


Como hemos indicado, las betas estimadas son semestrales, pues ese es el período para el cual disponemos de información contable. Sin embargo, la rentabilidad de las acciones Rit es diaria, calculada teniendo en cuenta el pago de dividendos y el valor de los derechos preferentes de suscripción. Es decir:

missing image file

donde:

Pit es el precio final de la acción i en el momento t.
DIVit es el dividendo pagado por la acción i en el momento t.
DPSit es el valor teórico del derecho de suscripción de la acción i en el momento t.
P’it – 1 es el precio final de la acción i en el período t – 1 ajustado por los splits que se hayan realizado en el período t.

Por su parte, la rentabilidad de la cartera de mercado, también diaria, se calcula a partir de la siguiente expresión:

missing image file

donde:

It es el índice bursátil de la cartera de mercado al final del período t.
It – 1 es el índice bursátil de la cartera de mercado al final del período t – 1.

Siguiendo a Elgers y Murray (1982), utilizamos dos índices de mercado diferentes como medida de la cartera de mercado, el IBEX-35, constituido por las 35 acciones del mercado continuo más líquidas durante los últimos seis meses, y el índice general de la Bolsa de Madrid (IGBM), constituido por un número variable de acciones. Forman parte del mismo aquellas acciones del mercado que cumplen tres requisitos: a) volumen de contratación superior a tres millones de euros, b) considerando únicamente el capital flotante, rotación superior al 10% de su capitalización y c) frecuencia de contratación superior al 50%. Por tanto, disponemos de dos betas de mercado (βIGBM y βIBEX-35) para cada empresa y semestre. Roll (1977 y 1978) muestra la influencia en los resultados del índice utilizado como proxy de la cartera de mercado y demuestra que esta potencial ambigüedad queda aminorada en la medida que los mercados se comportan de forma eficiente.
Además de la beta del mercado, estimamos medidas adicionales de riesgo: a) el riesgo total de la acción, es decir, la desviación típica semestral de la rentabilidad diaria de las acciones, b) el riesgo específico de la acción, resultado de calcular la desviación típica semestral de los residuos aleatorios de la ecuación (1) y, finalmente, c) la beta del activo o del proyecto de inversión, βA,iS´ determinada a partir de la siguiente ecuación:
missing image file

donde:

βFPiS es la beta de mercado de las acciones de la empresa i en el semestre S, procedente de la ecuación (1).
FPiS es el valor contable de los fondos propios de la empresa i en el semestre S.
PiS es el valor contable de todo el pasivo de la empresa i en el semestre S.

Una vez determinados los indicadores de riesgo, nuestra propuesta consiste en ajustar la siguiente ecuación:

missing image file

en la que:

RiS identifica la variable dependiente (cada una de las medidas de riesgo que se han definido: la beta de mercado, el riesgo específico, el riesgo total y el riesgo de activo para la empresa i en el semestre S). Por su parte, de acuerdo con la literatura revisada, se toman como variables independientes VBjiS, VCFifS, VPRipS y VMmS, que representan, respectivamente, variables de balance, de tesorería, de productividad global de los factores e indicadores del ciclo económico.
Desde el trabajo seminal de Beaver et al. (1970), distintas propuestas han tratado de encontrar la mejor forma de explicar el riesgo empresarial. En este sentido, se encuentran trabajos que analizan el papel de los indicadores de tesorería como variables explicativas del riesgo (Brimble y Hodgson, 2007; Ismail y Kim, 1989; Sloan, 1996) junto a otros que combinan las tradicionales medidas contables del riesgo con otros indicadores: Melicher (1974) incluye el volumen de actividad del mercado, Bildersee (1975) introduce variables de decisión y Lev y Thiagarajan (1993) muestran que la relación entre la rentabilidad y la contabilidad mejora cuando se introduce en el modelo información macroeconómica. Como ya se comentó, nuestro objetivo es comprobar, para un mercado de capitales no anglosajón y desde una perspectiva de largo plazo, la significación de todas ellas.

3. Definición de variables

Después de realizada la correspondiente revisión de la bibliografía, las variables independientes analizadas en este trabajo son en total 26 (11 indicadores contables, 3 de tesorería, 5 de eficiencia y productividad, y 7 variables de entorno macroeconómico). Sin embargo, los modelos de estimación utilizan un total de 41 al tener en cuenta que: a) se toman cuatro denominadores diferentes para definir los indicadores (el valor contable de los fondos propios (VCFP), las ventas (V), el activo total (AT) y los gastos financieros (GF)), y b) utilizamos tres definiciones diferentes de la relación de endeudamiento.
Los indicadores contruidos con variables de balance (VB) son los siguientes:
 
3.1. Solvencia (SO)
Calculado como la relación activo circulante/pasivo circulante. Esta razón aparece no significativa en el trabajo de Beaver et al. (1970) y en Thompson (1976). No obstante, Farrelly, Ferris y Reichenstein (1985) y Elmoatasem (2005) la encuentran significativa con signo positivo.
 
3.2. Endeudamiento (END)
Se utilizan tres definiciones: a) END1 (deuda total/activo total), b) END2 (deuda a largo plazo/financiación a largo plazo) y c) END3 (deuda a largo plazo/fondos propios).
Ryan (1997) menciona que la relación de endeudamiento calculada con valores de mercado tiene una relación más estrecha con el riesgo de mercado. Sin embargo, nosotros utilizamos valores contables porque este es nuestro objetivo: analizar la relevancia de la información contable para determinar el riesgo sistemático. Por otra parte, determinar la relación de endeudamiento con valores de mercado es contradictorio con el objetivo de la estimación de riesgo en las pequeñas y medianas empresas6.
3.3. Tamaño (TAM)
Se ha calculado el logaritmo neperiano del activo total. El tamaño aparece con signo negativo en el trabajo de Breen y Lerner (1973), y no es significativo en el estudio de Reeb, Kwok y Baek (1998). Empero, en Melicher (1974) y en Brimble y Hodgson (2007)7 su signo es positivo.
 
3.4. Payout (PA)
Corresponde a la relación entre el dividendo pagado y el beneficio del accionista. Aparece como variable explicativa del riesgo sistemático, con signo negativo, en los trabajos de Beaver et al. (1970), Breen y Lerner (1973), Farrelly et al. (1985) y Elmoatasem (2005). Sin embargo, no es significativa en Thompson (1976).
 
3.5. Crecimiento (CR)
Es el logaritmo neperiano de la relación entre el activo total al final del ejercicio y el activo total al inicio del mismo ejercicio económico. Thompson (1976) y Brimble y Hodgson (2007) encuentran que el crecimiento es una variable explicativa y significativa con signo positivo.

3.6. Valor añadido bruto (VAB)
Es el resultado de restar los consumos intermedios a los ingresos. El valor añadido bruto es una variable explicativa de la beta del mercado, aunque no en todos los modelos presenta el mismo signo. Por ejemplo, en Karpik y Belkaoui (1990) se demuestra que la incorporación del valor añadido mejora el poder explicativo del modelo.

3.7. Valor añadido neto (VAN)
Es el valor añadido bruto deducidas las dotaciones a la amortización. En Karpik y Belkaoui (1990) aparece como variable explicativa y significativa de la beta del mercado, con signo positivo.

3.8. Apalancamiento operativo (AO)
Corresponde a la relación entre el beneficio antes de intereses e impuestos (BAIT) y las ventas. Desde una perspectiva teórica, Callahan y Mohr (1989) confirman una relación positiva entre la beta del mercado y el apalancamiento operativo. Lord (1996) y Brimble y Hodgson (2007) también obtienen un signo positivo. Sin embargo, Huffman (1989) encuentra una relación negativa con esta variable.

3.9. Apalancamiento financiero (AF)
Se define como la relación entre el beneficio neto o beneficio del accionista (BACC) y el beneficio de la explotación (BAIT). Huffman (1989) evidencia una relación positiva y significativa con la beta del mercado mientras que en Lord (1996) la relación es no significativa.

3.10. Beneficio del accionista (BACC)
Es el beneficio neto final de la cuenta de resultados.

3.11. Beneficio de la explotación (BAIT)
Es el beneficio resultante de restar a los ingresos los gastos de explotación y las dotaciones a la amortización.
Las variables de tesorería (VCF)8 son:

(CF1). Es el flujo de tesorería operativo y se corresponde con el flujo de efectivo de las actividades de explotación del estado de flujos de efectivo, de acuerdo con las normas internacionales de información financiera (NIIF).
(CF2). Corresponde al CF1 más las variaciones, positivas o negativas, del flujo de tesorería por las actividades de inversión.
(CF3). Se obtiene restando del CF1 las dotaciones a la amortización económica.

Las variables de productividad (VPR) miden la productividad global de los factores, estimadas en el entorno de los métodos de evaluación frontera no paramétrica (véase en el apéndice una exposición del método utilizado para estimar los indicadores de eficiencia). En total, las medidas de productividad analizadas son cinco:

(PR1). Es el resultado de relacionar los ingresos con varios costos: el consumo de materiales, el costo de los empleados y la dotación a la amortización. El valor de PR1 es igual o mayor a la unidad, de forma que a mayor valor del coeficiente más ineficiente será la empresa.
(PR2). Es el mismo indicador de productividad, pero calculado para el período t + 1. Permite comprobar si la beta de las acciones recoge las expectativas futuras sobre el nivel de eficiencia.
(PR3) es un indicador dinámico de la eficiencia. Analiza la evolución de la eficiencia empresarial entre dos momentos del tiempo t y t + 1. La productividad 3 muestra cómo evoluciona la productividad total. Si el valor del indicador es mayor que la unidad quiere decir que la eficiencia mejora entre t y t + 1.
(PR4). Es también un indicador dinámico de la eficiencia, indica cómo las innovaciones afectan a la eficiencia empresarial.
(PR5). Es un indicador dinámico de la eficiencia, evalúa cómo se diseminan entre las empresas menos eficientes las innovaciones.

Finalmente, las variables de entorno macroeconómico (VM) utilizadas en el estudio son: el euribor (EU), el tipo de interés legal (INTL), la variación del índice de precios al consumo (IPC), la variación de la tasa de paro (TP) y la variación del producto interior bruto (PIB).
4. Resultados

Nuestro estudio comprende un panel de datos de 26 semestres (desde 1992 a 2004) con 69 empresas, de las cuales 14 son financieras y el resto corresponden a diferentes sectores industriales y de servicios. No se incluyen las empresas aseguradoras ni las de inversión debido a la heterogeneidad de su estructura de negocio. Para las empresas incluidas en la muestra se dispone de toda la información necesaria y de los precios diarios de las acciones para el período 1992-2004, de forma que configuran un panel de datos completo.
Una vez definidas las variables de la ecuación [5], se aplicaron técnicas de panel de datos que captan los movimientos transversales y longitudinales de las variables. Realizamos el estudio para tres muestras diferentes, la muestra total (69 empresas), la muestra de empresas no financieras (55) y la muestra de empresas financieras (14). Los modelos que aparecen en las tablas corresponden a las mejores estimaciones, después de controlar y corregir los problemas de muticolinealidad heterocedasticidad y autocorrelación.
Para decidir las variables independientes que forman el modelo inicial, se definieron dos puntos de partida: a) tomar el indicador de mayor peso dentro de cada factor después de realizar un análisis de componentes principales, y b) seleccionar las variables independientes significativas a partir de modelos de regresión lineal simple. A continuación se tomó la estimación con mejores resultados, que en su inmensa mayoría provenían de la segunda opción. Por otra parte, en los modelos de panel de datos el test de Hausman mostró una clara superioridad de la estimación mediante efectos fijos respecto a la de efectos aleatorios.

4.1. Estadísticas descriptivas de las variables
Presentamos aquí las estadísticas descriptivas de las variables independientes para la muestra total (los valores representativos de las submuestras de empresas financieras y no financieras no se apartan en exceso de los valores representativos para la muestra total).
En los datos del cuadro 1 cabe destacar: a) los valores mínimos de la relación de endeudamiento 1 y 2, que reflejan la existencia de empresas no endeudadas, lo cual indicaría que el comportamiento financiero de algunas empresas españolas se aleja de los postulados de la teoría financiera, b) los valores descriptivos del indicador BACC/AT, que evidencia unos valores muy reducidos y con poca dispersión, c) la elevada desviación típica del apalancamiento financiero y de las relaciones entre los diferentes indicadores de tesorería con los gastos financieros y d) la media negativa del indicador CF2/VENT.
4.2. Resultados del análisis de la muestra total
En el cuadro 2 encontramos el mejor modelo para cada una de las variables dependientes. Aparece una única columna para el riesgo específico (modelo 3) debido a la alta correlación existente (del 0,998) entre el riesgo específico estimado a partir del IBEX-35 y el estimado a partir del IGBM.
La mejor relación entre el riesgo de mercado y las variables independientes se obtiene cuando la beta de las acciones se estima mediante el modelo 1 (que utiliza como cartera de mercado el IGBM. Aquí tres indicadores contables, uno de productividad y tres variables del entorno macroeconómico explican el riesgo sistemático de las acciones, aunque el signo de la relación no siempre coincide con el esperado. Así, la razón BAIT/VCFP muestra un signo positivo (contrario al esperado), pero susceptible de interpretación. En este sentido, teniendo en cuenta que un elevado BAIT por unidad monetaria de fondos propios invertida no tiene por qué traducirse automáticamente en un elevado beneficio neto, ya que entre ambos beneficios se deducen los gastos derivados de la financiación ajena, parece lógico considerar que las empresas de la muestra con un elevado BAIT también mantienen un nivel elevado de deudas, lo que hace que una mayor razón BAIT/VCFP pueda interpretarse como un mayor riesgo.
Otro indicador que muestra un signo contrario al esperado es la relación CF1/V. Aparece un signo positivo, de forma que a mayor flujo de tesorería por unidad vendida mayor riesgo. El resultado puede deberse a una posible asociación entre el nivel de facturación y el riesgo del accionista, de forma que a mayor facturación mayor riesgo para el inversor. No obstante, las investigaciones anteriores, en las que se analiza el papel del flujo de tesorería, los signos obtenidos de la relación tampoco son concluyentes.
El índice de precios al consumo (IPC) muestra un signo negativo, señalando que un aumento del IPC conlleva un efecto positivo en la cuenta de resultados, pues un cierto nivel de inflación denota una economía en crecimiento. Así, la combinación de un aumento del IPC con un tipo de interés bajo, que incentiva el endeudamiento doméstico destinado al consumo, se traduce en una mejora de los resultados empresariales.
5. Resumen y conclusiones
Este trabajo estudia la conexión que existe entre diversos indicadores de riesgo, con especial énfasis en el riesgo de mercado de las acciones, y un conjunto de información procedente de la información contable de la empresa, del análisis de la eficiencia y la productividad y del entorno macroeconómico. El propósito del trabajo es doble: a) observar qué información explica el riesgo, para poder extraer una pauta de comportamiento útil para las empresas pequeñas y medianas que no forman parte del mercado de capitales y b) analizar en qué medida la información contable que publican las empresas se recoge en la evolución del precio de mercado de las acciones.
Se analiza un largo espacio temporal con datos semestrales de 69 empresas del mercado de capitales para los años 1992 a 2004, para conseguir estimaciones robustas que presenten fenómenos estables en el tiempo, se estiman regresiones con datos de panel. Los resultados obtenidos se aproximan a los ya adquiridos en investigaciones previas, pues existe una relación significativa entre el riesgo y las variables independientes. Es curioso, las tradicionales variables contables que supuestamente informan sobre los niveles de riesgo no tienen significación estadística. El estudio del mercado de capitales español, que tiene sus propias normas respecto a la publicación de información por parte de las empresas, revela que la productividad y la información macroeconómica cumple un papel importante en la explicación del riesgo de las acciones para las empresas no financieras.
El resumen de las conclusiones más importantes del trabajo se presenta a continuación:
  1. La separación de las empresas financieras de la muestra total, debido al potencial efecto de su regulación específica y tecnología propia, muestra que la información que explica el riesgo de las acciones es diferente para dichas empresas. Las variables que explican el riesgo de mercado son, para la muestra total y para la muestra de empresas no financieras, una combinación de información procedente de la contabilidad, del análisis de la eficiencia empresarial y del entorno macroeconómico.
  2. Para la muestra de empresas no financieras, siete variables independientes explican el riesgo: cuatro contables, tres macroeconómicas y una de productividad. El indicador con mayor poder explicativo es el índice bursátil Standard & Poor’s 500. Queda, pues, confirmada la transmisión de volatilidad entre los mercados, tal y como establecen Kofman y Martens (1997) y Christofi y Pericli (1999) para los países latinoamericanos.
  3. El índice bursátil utilizado como proxy de la cartera de mercado influye en los resultados obtenidos. Así, el estudio de la muestra total y de las empresas no financieras refleja que las betas mejor conectadas con las variables independientes son las estimadas a partir del IGBM. Para la muestra de empresas financieras, la mejor conexión se consigue cuando las betas se estiman a partir del IBEX-35.
  4. La productividad es, en las tres muestras, una variable explicativa del riesgo aunque el cálculo de la productividad empresarial de las empresas financieras requiere una definición más específica de las variables, que son difíciles de conseguir en las cuentas anuales de las empresas.
  5. Las tradicionales medidas contables del riesgo no mantienen significación estadística.
Los resultados obtenidos suponen un avance para relacionar la información contable y financiera y el riesgo de las acciones, pues evidencia que esta es diferente según el tipo de empresa y depende de la cartera de mercado que se tome. Avanzamos respecto a los estudios anteriores, pues sabemos que no solo la información contable tiene un papel importante en la explicación del riesgo, dado que las variables de entorno macroeconómico y la productividad son muy influyentes.
El trabajo permite conocer qué información utilizar para encontrar una medida aproximada del riesgo de las acciones de las empresas no cotizadas. Empresas que, para mejorar la toma de decisiones, también precisan disponer de indicadores sobre su nivel de riesgo para determinar la tasa de actualización o el costo de capital. Una implicación directa es que los profesionales dispondrán de una pauta para realizar estimaciones sobre el riesgo empresarial. Los resultados también son de utilidad para las autoridades encargadas de velar por la eficiencia del mercado. Como el español es un mercado en desarrollo, se debe actuar para garantizar su eficiencia y, consiguientemente, es vital saber si la información que publican las empresas es considerada por los inversores como una información útil.
Convencidos de que los profesionales necesitan instrumentos para medir el riesgo de las empresas no cotizadas, pensamos que las futuras extensiones del trabajo pasan por ampliar la base de datos (tanto en el número de empresas como en los años), con el fin de analizar si la aplicación de las NIIF en el mercado español, mejora la conexión entre la beta y la información publicada por las empresas



MÉTODO DE ANÁLISIS POR INDICADORES PARA EVALUAR LA GESTIÓN DEL CONOCIMIENTO EN EMPRESAS MANUFACTURERAS

Revista de Ciencias Sociales (RCS)
Vol. XVI, No. 2, Abril - Junio 2010, pp. 304 - 316
FCES - LUZ ISSN 1315-9518
Gómez, Marian *
Rodríguez Monroy, Carlos **
Guaita,Wilfredo ***
 
MÉTODO DE ANÁLISIS POR INDICADORES PARA EVALUAR LA GESTIÓN DEL CONOCIMIENTO EN EMPRESAS MANUFACTURERAS
Resumen
La presente investigación tiene como propósito desarrollar un método de análisis por indicadores para evaluar la gestión del conocimiento (GC) en empresas manufactureras, constituido por cuatro etapas: crecimiento del conocimiento, desarrollo de los procesos del conocimiento, aporte de la GC al cliente e impacto de la GC en la rentabilidad. Su objetivo es medir las variables asociadas al conocimiento organizacional, con la finalidad de explicar su contribución en la organización. Metodológicamente se inscribe en la modalidad de investigación empírica de tipo descriptivo-cuantitativo. La población objeto de estudio fueron las empresas manufactureras productoras de aluminio primario, CVG Alcasa y CVG Venalum. Los resultados del análisis estadístico permitieron identificar que la GC está conformada por cuatro factores, que se pueden construir en cuatro dimensiones para explicar las variables con base al 63,93% de la varianza total. El primer factor se refiere a la formación, el segundo a las TIC, el tercero a las mejoras continuas, estando el cuarto y el último factor asociado a la toma de decisiones. El método desarrollado en esta investigación permite medir el impacto de la GC en la rentabilidad de las empresas del sector aluminio, contribuyendo así a mejorar la competitividad, a través de la valoración de su activo más importante: el conocimiento.
Palabras clave: Gestión del conocimiento, método de análisis, indicadores de conocimiento, mejora de las organizaciones.
* Profesora Ing. Industrial, MSc. en Educación. Adscrita al Departamento de Ciencia y Tecnología de la Universidad de Guayana, Puerto Ordaz, Venezuela. E-mail: marian.gomez.hernandez@alumnos. upm.es
** Profesor Titular. Ing., Doctor en Ing. Industrial, adscrito al Dpto. de ingeniería de Organización de la Escuela Técnica Superior de Ingenieros Industriales, Universidad Politécnica de Madrid. E-mail: crmonroy@etsii.upm.es

*** Profesor Ing. Industrial, MSc. en Administración de la Producción, Doctor en Administración de Empresas. Adscrito al Departamento de Ciencia y Tecnología de la Universidad de Guayana, Puerto Ordaz,Venezuela. E-mail: wguaita@uneg.edu.ve
 
ANALYSIS METHOD BY INDICATORS TO ASSESS KNOWLEDGE MANAGEMENT IN MANUFACTURING COMPANIES
Abstract
This research intends to develop an Analysis Method by Indicators to Evaluate Knowledge Management (KM) in manufacturing companies. It consists of four stages: growth of knowledge, development of knowledge processes, the contribution of KM to the client and the impact of KM on profitability. Its aim is to measure the variables associated with organizational knowledge in order to explain their contribution within the organization. Methodologically, it adopts the form of empirical research of the descriptive-quantitative type.
The population under study consisted of manufacturing firms producing primary aluminum, CVG Alcasa and CVG Venalum. Results of the statistical analysis identified that KM consists of four factors, which can be constructed in four dimensions to explain the variables based on 63.93% of the total variance. The first factor relatesto training, the second to ICT, the third to continuous improvement, and the fourth and last factor to decision making. The method developed in this research measures the impact of KM on the profitability of companies in the aluminum sector, thereby contributing to improved competitiveness through valuation of its most important asset: knowledge. Key words: Knowledge management (KM), analysis method, knowledge indicators, improvement of organizations
 
Introducción
La creciente velocidad de cambio, la irrupción acelerada de las tecnologías de información y comunicaciones (TIC), la competitividad de las organizaciones basada en los activos intangibles y las nuevas estructuras en red de las empresas, son factores clave en el nacimiento y construcción de la “Economía del Conocimiento”. Por consiguiente, el reto de la Gestión del Conocimiento (GC), consiste en saber qué hacer con ese conocimiento y cómo ponerlo en práctica, cómo implantarlo y cómo gestionarlo para lograr una mejora efectiva en el comportamiento de la organización.
La GC se presenta como una disciplina cuyo objetivo se centra en desarrollar el conocimiento en las fases siguientes: adquisición, almacenamiento, transformación, distribución y utilización, con la finalidad de lograr ventajas competitivas (Riesco, 2006). En el estudio realizado por Picker, Ruhnke,&Leker (2009) se demostró que la evaluación de la GC es un factor crítico de éxito, mientras Elgar (2007), Collinson et al. (2007) demostraron la importancia de las TIC para extraer o comunicar conocimientos en las organizaciones.
La investigación tiene como propósito desarrollar un método de análisis por indicadores de la GC en empresas de manufactura, para medir las variables asociadas al conocimiento organizacional, con la finalidad de explicar su contribución en la organización, tenga o no explícitamente implantado un modelo de GC.
La investigación se inscribe en la modalidad de investigación empírica, de carácter descriptivo-cuantitativo: El protocolo consistió en los siguientes pasos: a) Formular el problema, b) Delimitar el alcance, c) Diagnosticar la situación actual, d) Definir las características y las dimensiones de las variables que serán incluidas en el método de análisis, e) Diseñar el método conceptual de análisis por indicadores para evaluar la GC en empresas manufactureras y por último, f) Validar el método propuesto en las empresas manufactureras del sector aluminio objeto de esta investigación, haciendo uso del software de simulación Bitam-Stratego para demostrar la relación entre las variables GC y la rentabilidad.
Para el diseño del método de análisis por indicadores, se tomaron como referencia los estudios de Nonaka & Takeuchi (1995), Andersen (1999), KPMG (1999), Carrión (2002), López &Pérez (2003), Kaplan& Norton (2001), Pérez & Dressler (2007) y se seleccionaron las variables de conocimiento organizacional. En cuanto a la elección de las variables tangibles se consideraron los estudios de Palacios, (2008); López & Nevado, (2006); Martínez & Milla, (2005); Salgueiro, (2001) y los informes de gestión de empresas manufactureras.
Los datos para la investigación provienen de una encuesta dirigida y de los informe de gestión de las empresas manufactureras productoras de aluminio primario: CVG Alcasa y CVG Venalum. En la Tabla I se muestra la ficha técnica de la investigación empírica.
El cuestionario está constituido por treinta y seis (36) preguntas cerradas utilizando una escala Likert. Se estructuró en cinco partes:
(1) Cultura y liderazgo, (2) Fluidez y desarrollo del conocimiento, (3) Uso de las TIC, (4) Desarrollo de trabajo en equipo y participación en las decisiones y (5) Políticas y desempeño de la empresa. Su objetivo es valorar la percepción de los trabajadores con respecto al uso de las prácticas empleadas para la GC.
En el proceso de construcción del cuestionario se aplicó el método Delphi, con expertos del área de GC para seleccionar las variables.
Posteriormente, se determinó la fiabilidad de dichas variables con el coeficiente Alfa de Cronbach, el cual tomo un valor de 0,82, lo que significa que la fiabilidad es elevada. De esta forma, se demuestra la validez del proceso de medición de las variables de la GC. El Bitam Stratego utiliza semáforos para facilitar la visualización de objetivo e indicadores. Para realizar la configuración se consultó al nivel corporativo y a los cuadros medios de la organización. Se establecieron las siguientes escalas de evaluación para los objetivos estratégicos en base a 10 puntos: verde X8, amarillo 6X < 8 y rojo X < 6. Mientras que para los indicadores la escala es en base a 100 por ciento: verde X 98%, amarillo 80% X < 98% y rojo X < 80%.

1. Fundamentación Teórica
    1. Gestión del conocimiento (GC): La GC ha evolucionado a lo largo de su aparición en la década de los noventa. A juicio de Arboníes (2006) se distinguen tres grandes etapas. Durante la primera (1990-1995) el interés se centró en conseguir que la información adecuada llegase a la persona que la necesita en el momento oportuno. Primaba una visión basada en la gestión de la información, donde las tecnologías tenían como principal objetivo extraer la información. En la segunda etapa (1995-2001) el enfoque estuvo orientado al cliente: almacenamiento de datos, conversión del conocimiento tácito en explícito, exploración de la web por todo el mundo y distinción entre información y conocimiento. En la tercera etapa, a partir del 2001, la tendencia se centra en el conocimiento como proceso: know-how o conjuntos de habilidades dinámicas que cambian constantemente; el aprendizaje individual y organizacional son esenciales y permanentes y la gestión de la información se realiza a través de las TIC


Tabla I. Ficha técnica de la investigación empírica.

Universo y ámbito de estudio
Empresas Manufactureras productoras de aluminio primario CVG Alcasa y CVG Venalum, ubicadas en Venezuela
Tamaño de la muestra estratificada
69 supervisores y 180 operadores
Error muestral ± 5%
± 5%
Nivel de confianza
95% (Z=1,96)
Método de obtención de la información
Encuesta dirigida e informes de gestión
Procedimiento de muestreo
Aleatorio simple con tablas de números aleatorios.
Tratamiento de los datos
Software estadístico SPSS 12, análisis factorial.
Software de simulación Bitam-Stratego para evaluación de
indicadores.
Fecha del trabajo de campo
Enero-diciembre de 2008
Fuente: Elaboración propia.

Desde el punto de vista de esta investigación como visión integradora de todas sus dimensiones, se propone una definición global de la GC, como una disciplina que permiten potenciar los activos intelectuales en la organización en los diferentes procesos que atraviesa el conocimiento: creación, adquisición, localización, estructuración, almacenamiento, transferencia, difusión, aplicación y medición, con la finalidad de mejorar la rentabilidad.
    1. El método de análisis por indicadores: El método conceptual del análisis por indicadores de la GC, que vamos a denominar “KME” (Knowledge Management Evaluation), está constituido por dos categorías de objetivos estratégicos considerados como soportes: internos y externos. En los primeros se enmarcan los objetivos estratégicos donde la empresa tiene margen de actuación y en los cuales se consideran dos etapas que son: crecimiento del conocimiento y desarrollo de los procesos del conocimiento. En los segundos, se engloban los resultados de la empresa, enmarcados en dos etapas: aporte de la GC al cliente e impacto de la GC en la rentabilidad, como se muestra en la Figura 1.
La primera etapa, crecimiento del conocimiento, está compuesta por las siguientes fases de la GC:
(1) Identificación y adquisición, (2) creación, (3) protección, (4) aplicación, (5) transferencia y (6) medición del conocimiento.
La segunda etapa, desarrollo de los procesos de conocimiento, está integrada por los procesos básicos de las empresas de manufactura que son: operaciones, clientes e innovación.
La tercera etapa, aporte de la GC al cliente, considera los resultados de los procesos internos, evaluando la estrategia de la empresa para sus clientes: nuevos productos, precios, satisfacción y fidelidad.
Finalmente, la cuarta etapa, el impacto de la GC en la rentabilidad, está conformada por dos enfoques básicos de rentabilidad que son: crecimiento y productividad. El método “KME” propuesto parte de los objetivos estratégicos de la empresa conectados mediante una relación causa-efecto dependiendo de las características propias de cada caso particular, que posteriormente son evaluados a través de un sistema de indicadores.
Este método se sustenta en las contribuciones de Kaplan & Norton (2001) sobre el Cuadro de Mando Integral (CMI), el cual determina el desempeño organizacional manteniendo un equilibrio entre los indicadores tangibles e intangibles.
Lo novedoso del método KME es la incorporación de 30 indicadores en los diferentes procesos por los que atraviesa el conocimiento, con lo que se establece la relación de estos nuevos indicadores del conocimiento con los indicadores tradicionales de gestión de los procesos básicos de las empresas de manufactura, con la finalidad de determinar la contribución de la GC y explicarla en términos de rentabilidad.
2. Resultados
En el diagnóstico de la GC en las empresas CVG Alcasa y CVG Venalum a través del análisis factorial se logró reducir el número variables de 36 a 4 factores que explican el 63,93% de la varianza total, siendo por tanto el estudio estadísticamente representativo.
Seguidamente se explican en detalle los resultados de la técnica del análisis factorial que consta de comunalidades, factores determinantes y matriz de factores rotados.
2.1 Análisis de comunalidades La comunalidad representa una proporción de la varianza con la que contribuye cada variable a la solución final del factor. El criterio de selección es que la carga sea mayor de 0,70. Las variables con mayor varianza explicada por los factores en orden decreciente son las diez siguientes: aplicaciones en los sistemas de información para el desarrollo de las tareas (V_36); apoyo de los sistemas de información automatizados para facilitar sus tareas (V_35); los sistemas de información para el intercambio y difusión del conocimiento (V_32); la excelencia es parte de los objetivos de la empresa (V_18); los sistemas de información automatizados consideran procedimientos, prácticas de trabajo, descripciones de cargo, entre otros, de la empresa. (V_33); oportunidad de desarrollo personal y social (V_23); participación en la toma de decisiones. (V_6); disposición a mejorar continuamente (V_16); corregir las desviaciones operativas (V_15); mejoras continuas en las actividades (V_7).
2.2 Análisis de los factores determinantes
El porcentaje de varianza acumulada explicada fue del 63,93% de un máximo de varianza total del 100%. Está representada por cuatro factores: el primero constituye el 25,32%; el segundo el 17,36%; el tercero un 13,80%; y por último, el cuarto sólo el 7,45%, lo que significa que los cuatro factores explican la percepción de los trabajadores con respecto al uso de las estrategias empleadas para la GC.
2.3. Análisis de matriz de factores rotados
En la matriz de factores rotados se observa la carga de cada factor o componente por variable. Estas cargas representan las correlaciones entre factores y valores de las variables originales. Existen cuatro factores cuyos indicadores asociados se seleccionaron en función de sus mayores cargas. Se utilizó como criterio de selección de variables, aquellos cuya carga es superior a 0,70. A partir de los resultados de la matriz de factores rotados, se analizó la estructura de las interrelaciones (correlaciones) entre un gran número de variables de cada enfoque del diagnóstico, se seleccionaron los indicadores correspondientes a cada factor y se crearon las nuevas dimensiones.
3. Resultados de la propuesta del método “KME” de análisis por indicadores en la GC
Los resultados del diagnóstico de las condiciones actuales de la GC en las empresas CVG Alcasa y CVG Venalum, permitieron configurar el método de análisis por indicadores de la GC. Las etapas de crecimiento del conocimiento y desarrollo de los procesos del conocimiento, están asociadas a cuatro factores que son: formación, TIC, mejoras continuas y toma de decisiones. Para las otras etapas del método: aporte de la GC al cliente e impacto en la rentabilidad, se utilizaron los datos de los informes de gestión del 2008.