GESTIÓN DE CAPITAL DE TRABAJO Y SU EFECTO EN LA RENTABILIDAD PARA EL GRUPO DE EMPRESAS DEL SECTOR

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE SANTO DOMINGO

Dirección de Postgrados

GESTIÓN DE CAPITAL DE TRABAJO Y SU EFECTO EN LA RENTABILIDAD PARA EL GRUPO DE EMPRESAS DEL SECTOR MANUFACTURERO ECUATORIANO. Trabajo de Titulación previo a la obtención del título de Magíster en Finanzas con mención en Gestión Financiera Internacional Modalidad Informe de investigación-MFI

Línea de Investigación: Administración eficiente y eficaz de las organizaciones para la competitividad sostenible local y global.

Autoría:

CÉSAR AUGUSTO VALLADARES GUAMÁN KAREN VALERIA SÁNCHEZ JIMENEZ

Dirección:

PhD.. MIKEL UGANDO PEÑATE

Santo Domingo – Ecuador Marzo, 2021

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE SANTO DOMINGO

Dirección de Postgrados

HOJA DE APROBACIÓN GESTIÓN DE CAPITAL DE TRABAJO Y SU EFECTO EN LA RENTABILIDAD PARA EL GRUPO DE EMPRESAS DEL SECTOR MANUFACTURERO ECUATORIANO.

Línea de Investigación: Administración eficiente y eficaz de las organizaciones para la competitividad sostenible local y global.

Autoría:

CÉSAR AGUSTO VALLADARES GUAMÁN KAREN VALERIA SÁNCHEZ JIMENEZ

Mikel Ugando Peñate, PhD..

DIRECTOR DE TRABAJO DE TITULACIÓN

f._____________________

David Alejandro Arias Chávez, Mg. CALIFICADOR

f._____________________

Ángel Ramón Sabando García, Mg. CALIFICADOR Yullio Cano de la Cruz, Mg.

DIRECTOR DE POSTGRADOS

Santo Domingo – Ecuador Marzo, 2021

iii

DECLARACIÓN DE AUTENTICIDAD Y RESPONSABILIDAD Nosotros, CÉSAR AUGUSTO VALLADARES GUAMÁN

portador de la cédula de

ciudadanía No. 110421482-8 Y KAREN VALERIA SÁNCHEZ JIMENEZ portador de la cédula de ciudadanía No 1722357983, declaro que los resultados obtenidos en la investigación que presento como informe final, previo la obtención del Título de Magíster en Finanzas con mención en Gestión Financiera Internacional son absolutamente originales, auténticos y personales.

En tal virtud, declaro que el contenido, las conclusiones y los efectos legales y académicos que se desprenden del trabajo propuesto de investigación y luego de la redacción de este documento son y serán de mi sola y exclusiva responsabilidad legal y académica.

Igualmente declaramos que todo resultado académico que se desprenda de esta investigación y que se difunda, tendrá como filiación la Pontificia Universidad Católica del Ecuador, Sede Santo Domingo, reconociendo en las autorías al director del Trabajo de Titulación y demás profesores que amerita. Estas publicaciones presentarán el siguiente orden de aparición en cuanto a los autores y coautores: en primer lugar, a los estudiantes autores de la investigación; en segundo lugar, al director del trabajo de titulación y, por último, siempre que se justifique, otros colaboradores en la publicación y trabajo de titulación.

César Augusto Valladares Guamán CI. 110421482-8

Karen Valeria Sánchez Jiménez CI. 172235798-3

iv

INFORME

DE

TRABAJO

DE

TITULACIÓN

ESCRITO

DE

POSTGRADO Yullio Cano de la Cruz, Mg. Dirección de Postgrados Pontificia Universidad Católica del Ecuador Sede Santo Domingo De mi consideración, Por medio del presente informe en calidad del director/a del Trabajo de Titulación de Postgrado de MAESTRÍA EN FINANZAS CON MENCIÓN EN GESTIÓN FINANCIERA INTERNACIONAL, titulado GESTIÓN DE CAPITAL DE TRABAJO Y SU EFECTO EN LA RENTABILIDAD PARA EL GRUPO DE EMPRESAS DEL SECTOR MANUFACTURERO ECUATORIANO. realizado por los maestrantes: César Augusto Valladares Guamán con cédula: No 1104214828 y Karen Valeria Sánchez Jiménez con cédula No 1722357983, previo a la obtención del Título de Magíster en Finanzas con mención en Gestión Financiera Internacional, informo que el presente trabajo de titulación escrito se encuentra finalizado conforme a la guía y el formato de la Sede vigente.

Santo Domingo, 12 de marzo del 2021.

Atentamente,

Mikel Ugando Peñate Profesor Titular Auxiliar I

v

AGRADECIMIENTOS Ante todo, gracias a Dios por demostrarme lo hermosa que es la vida y poder disfrutarla, por permitirme tener a mi familia, quienes me han apoyado en cada decisión que he tomado, gracias por creer en mí. Agradezco mucho por la ayuda a mis formadores, mis compañeros y a la universidad en general por permitirme llegar al punto en el que me encuentro que es alcanzar mi anhelada meta.

Karen V. Sánchez J.

El temor a Dios es el principio del conocimiento; los necios desprecian la sabiduría y la disciplina (Proverbios 1:7). Extiendo mi absoluta gratitud a todos quienes fueron parte de la motivación para llevar a efecto este objetivo académico, en especial a las autoridades de los Institutos Públicos de Santo Domingo por la paciencia y facilidades prestadas en el proceso de obtención de este logro. A todos mi eterno agradecimiento y condescendencia.

César A. Valladares G.

vi

DEDICATORIA

Quiero dedicar esta tesis a mi esposo e hija, son partes fundamentales de mi equipo, y juntos y con la ayuda de Dios logramos este proyecto.

La familia no es algo importante. Lo es todo (Michael J. Fox). Los amo inmensamente.

Karen V. Sánchez J.

Lo más importante en el mundo es la familia y el amor. (John Wooden). Con la humildad y sencillez profesada dedico el presente trabajo de investigación a mi extraordinaria familia, pero sobre todo a mi Esposa que es el pistón que mueve el engranaje de mis logros alcanzados.

César A. Valladares G.

vii

RESUMEN La industria manufacturera en el Ecuador desempeña un papel preponderante en el ámbito de la economía del país, este sector favorece a la generación de ingresos, empleos y propende a la concreción de oportunidades de desarrollo. El presente estudio tiene como propósito analizar el efecto de la gestión de capital de trabajo en la rentabilidad de las empresas del sector manufacturero. La investigación se realizó con base a un enfoque cuantitativo de tipo descriptivo, longitudinal y correlacional. Para la recolección de información se aplicó análisis de contenidos, por cuanto se seleccionaron datos respecto a los indicadores de gestión y rentabilidad de las empresas correspondientes a los subsectores del área de manufactura, haciendo referencia a una indagación de cinco años al cierre del periodo 2018 según la información emitida por la Superintendencia de Compañías. Posteriormente se estableció la inducción del coeficiente de correlación y análisis multivalente con base al modelo de regresión múltiple para determinar el nivel de relación de diversos indicadores de capital de trabajo en referencia a la rentabilidad del activo. Como principales resultados se identifica que los modelos globales son significativos para los periodos 2014 - 2017, implicando que los indicadores de gestión de capital de trabajo explican las fluctuaciones de rentabilidad del activo, sin embargo en el año 2018 el modelo no es significativo. La variable independiente que mayor incidencia genera en la rentabilidad es la rotación de ventas, puesto que su significancia se replica en tres años consecutivos y las pruebas de bondades de ajuste son significativas y los coeficientes diferente de cero.

Palabras clave: gestión; capital de trabajo; rentabilidad; correlación; manufactura

viii

ABSTRACT The manufacturing industry in Ecuador plays a leading role in the country’s economy, favoring the generation of income, employment and the realization of development opportunities. The purpose of this study is to analyze the impact of working capital management on the profitability of enterprises in the manufacturing sector. The research was conducted based on a quantitative approach of descriptive, longitudinal and correlational type.

Content analysis was applied to the collection of information, since data were selected for the management and profitability indicators of enterprises in the manufacturing subsectors, referring to a five-year investigation at the end of the 2018 period according to information issued by the Superintendence of Companies. Subsequently, the induction of the correlation coefficient and multivalent analysis were established based on the multiple regression model to determine the level of relation of various working capital indicators in reference to the profitability of the asset. As main results it is identified that the global models are significant for the periods 2014 - 2017, implying that the indicators of management of working capital explain the fluctuations of profitability of the asset, however in the year 2018 the model is not significant. The independent variable that has the greatest impact on profitability is sales turnover, since its significance is replicated in three consecutive and the goodness-of-fit tests are significant and the coefficients are different from zero.

Keywords: management; working capital; profitability; correlation; manufacturing.

ix

ÍNDICE DE CONTENIDOS 1.

INTRODUCCIÓN ............................................................................................ 1

1.1.

Antecedentes ........................................................................................................ 1

1.2.

Delimitación del problema ................................................................................... 2

1.3.

Formulación y sistematización del problema ....................................................... 3

1.3.1.

Formulación del problema. .................................................................................. 3

1.3.2.

Sistematización del problema. Preguntas específicas. ......................................... 4

1.4.

Justificación de la investigación........................................................................... 4

1.5.

Objetivos de la investigación ............................................................................... 5

1.5.1.

Objetivo general. .................................................................................................. 5

1.5.2.

Objetivos específicos. .......................................................................................... 5

2.

REVISIÓN DE LA LITERATURA ................................................................. 6

2.1.

Fundamentos teóricos........................................................................................... 6

2.1.1.

Capital de trabajo neto en el contexto empresarial .............................................. 6

2.2.

Predicción científica ........................................................................................... 15

3.

METODOLOGÍA DE LA INVESTIGACIÓN ............................................. 16

3.1.

Enfoque, diseño y tipo de investigación ............................................................ 16

3.2.

Población y muestra ........................................................................................... 17

3.3.

Operacionalización de las variables ................................................................... 18

3.4.

Técnicas e instrumentos de recogida de datos ................................................... 18

3.5.

Técnicas de análisis de datos.............................................................................. 19

4.

RESULTADOS ................................................................................................. 21

5.

DISCUSIÓN ...................................................................................................... 35

6.

CONCLUSIONES Y RECOMENDACIONES ............................................. 37

7.

REFERENCIAS BIBLIOGRÁFICAS ........................................................... 39

8.

ANEXOS ........................................................................................................... 44

1

INTRODUCCIÓN

1.1.

Antecedentes El estudio del capital de trabajo ha sido abordado desde diferentes contextos tomando

en consideración la relevancia de las actividades operacionales de las empresas o sectores empresariales estudiados.

Miller (2014) en su análisis de la administración del capital de trabajo y rentabilidad del sector textil en un sector de Cúcuta, establece que las variaciones del Capital de Trabajo Neto Operativo (KTNO) incidieron en un 89,4% en las fluctuaciones de la Rentabilidad del Activo Neto (RAN) y en un 98,1% las variaciones de la Rentabilidad del Patrimonio (ROE).

Las Cuentas por Cobrar (CxC) representaron el 96,67% de las variaciones del ROE. Duran (2011) direcciona al capital de trabajo como una herramienta financiera para la gerencia en las Pymes, concluyendo qué la gestión eficiente del capital de trabajo permite disminuir costos e incrementar la rentabilidad, refiriendo que los niveles significativamente bajos o extremedamente altos de cualquier activo o pasivo corriente involucrado en el capital de trabajo, puede ocaionar a la empresa elevados costos y riesgos operativos.

Rotstein, et. al. (2004), efectuaron una investigación de la gestión del capital de trabajo en Pymes de capital local, en Bahía Blanca, Argentina. El estudio estableció que la ineficiencia en la gestión de capital de trabajo desencadena una baja rentabilidad de las empresas de este sector. En este contexto dicha perspectiva de ineficiencia direcciona a buscar fuentes de financiamiento externo, con altos costos financieros.

Angulo y Berrio (2014), concretaron un estudio direccionado a las pequeñas y medianas empresas colombianas de comercio textil, analizando diversas estrategias de inversión en capital de trabajo, desde un contexto netamente financiero. Los resultados evidenciaron que la gran parte de este sector empresarial dispone de un alto nivel de ciclo de conversión de efectivo, lo cual evidencia la inadecuada gestión del capital de trabajo.

Vera, Melgarejo y Mora (2013), desarrollaron una investigación a 4168 Pymes colombianas, en los periodos 2004 a 2009. El objetivo fue establecer y relacionar los indicadores y las fuentes de financiación. Con base a ha dicho planteamiento la mayoría de

2 empresas estudiadas financian sus actividades con recursos propios y pasivos de corto plazo, pudiendo incidir de esta manera desfavorablemente en los resultados de indicadores de gestión.

Esta tendencia limita la obtención de recursos para generar una operación eficiente y lograr un crecimiento sostenido.

Cuenca (2018) desarrolla un estudio a una muestra de 312 empresas constructoras para identificar la relación del capital de trabajo en ese sector empresarial ecuatoriano, concluyendo que el periodo de rotación del inventario (PRI), periodo medio de cobranzas (PMC), periodo medio de pagos (PMP), prueba ácida (PA) y el endeudamiento del activo (LEV) tienen relación negativa significativa con el ROA. Estos resultados determinan la tendencia del comportamiento de los indicadores estudiados, puesto que en la practica a nivel empresarial una disminución de los periodos de cobranza o minimización del endeudamiento del activo podria suponer un incremento de la rentabilidad.

Los antecedentes referenciados permiten establecer una cosmovisión de la gestión del capital de trabajo y la relación con la rentabilidad de los sectores empresariales. Por cuanto, el comportamiento de los indicadores de gestión y rentabilidad determinaran la eficiencia del manejo financiero de las empresas en general.

1.2.

Delimitación del problema En los últimos años la industria manufacturera ecuatoriana se ha visto afectada por los

declives económicos, tal es el caso que en la actualidad según registros emitidos por el Servicio de Rentas Internas (SRI) este sector ha disminuido sus ventas en un 27,3%, y la perspectiva futura no es provisoria.

El sector manufacturero está estructurado por 24 subsectores según la Clasificación Industrial de Clasificación Uniforme (CIIU) Rev. 4, y durante el periodo 2014—2018 se contabilizaron 7058 industrias (Superintendencia de Compañías, 2020).

La industria manufacturera representa un rol sumamente relevante en la producción ecuatoriana. En un contexto de análisis general se estipula que las ventas y salarios de estas empresas constituyen aproximadamente el 20% del sector societario, de la misma forma evidencian altos niveles de rentabilidad (ROA y ROE). (Superintendencia de Compañías, 2018

3 Según Horma & Osorio (2009) el Ecuador está catalogado como un país en vías de desarrollo y una de las razones es el poco impulso que se les ha dado a las ramas manufactureras en relación a otros países de Latinoamérica. A esto se suma la carencia de modelos de administración de capital de trabajo que permitan cubrir con eficiencia las obligaciones a corto plazo y de esa forma incidir en una maximización de la rentabilidad.

En promedio, las empresas manufactureras disponen de un mayor nivel de ventas y por consiguiente de salarios que sus contrapartes. Esto se atribuye a que dicho sector tiene la viabilidad de diversificar la producción. De igual forma es importante recalcar que algunas de estas empresas de la industria manufacturera están internacionalizadas y tienen una participación relevante en las exportaciones del país. No obstante, a pesar de que la industria presenta valores altos de eficiencia, también en ciertos años hay valores de eficiencia menores a 0,5 (Superintendencia de Compañías, 2020).

Con base a este contexto los representantes de las compañías del sector manufacturero ecuatoriano deben generar condiciones óptimas de gestión de capital de trabajo, por cuanto es fundamental conocer el comportamiento de diversos indicadores frente a la fluctuación de la rentabilidad, información que puede generar lineamientos estratégicos para la toma de decisiones, sin embargo, no se han establecido estudios específicos que determine la incidencia del capital de trabajo en la rentabilidad de dicho sector.

Por Consiguiente, es pertinente generar un estudio que permita comprobar matemáticamente el efecto que tienen los indicadores de capital de trabajo en la rentabilidad de las empresas manufactureras del Ecuador.

1.3.

Formulación y sistematización del problema

1.3.1. Formulación del problema. ¿Cómo la gestión de capital de trabajo afecta la rentabilidad de las empresas del sector manufacturero ecuatoriano?

4 1.3.2. Sistematización del problema. Preguntas específicas.

•

¿Cuál es la situación actual de la gestión de capital de trabajo de las empresas del sector manufacturero ecuatoriano?

•

¿Cuál es el nivel de la rentabilidad de las de las empresas del sector manufacturero?

•

¿Cuál es la relación entre la gestión de capital de trabajo y rentabilidad de las empresas del sector?

1.4.

Justificación de la investigación En la actualidad la gestión de capital de trabajo implica generar diversos análisis

estratégicos en torno al comportamiento y fluctuaciones de indicadores en el ámbito financiero, esta tendencia ratifica la relevancia de abordar un estudio sistemático en diversos sectores empresariales.

La gestión adecuada de capital de trabajo debe establecerse como un lineamiento fundamental para la gestión financiera de las organizaciones, bajo este precepto las empresas ecuatorianas en especial aquellas que representan el sector manufacturero requieren generar condiciones eficientes para la administración del fondo de maniobra.

Desde este contexto el presente informe de investigación es relevante puesto que genera un aporte al estudio de los indicadores de gestión de capital de trabajo como de rentabilidad de las empresas del sector manufacturero del Ecuador. El compendio pretende contribuir a partir de una perspectiva práctica al análisis de la incidencia de la gestión de capital de trabajo en la rentabilidad, haciendo referencia a la participación de los principales subsectores que integran el sector de manufactura.

De igual manera el estudio en mención servirá como aporte referencial para la concreción de investigaciones más profundas en el ámbito empresarial ecuatoriano y de América Latina. Los administradores financieros podrán obtener una percepción más amplia sobre las variaciones de los indicadores de la gestión de capital que generan mayor significancia para la rentabilidad de las empresas del sector. Es importante recalcar que el

5 procedimiento estadístico planteado podrá adaptarse desde una perspectiva didáctica en el desarrollo de las actividades académicas en las instituciones de educación superior.

El presente trabajo de investigación se encuentra alineado al Plan Nacional de Desarrollo Económico Toda una Vida 2017 – 2021, específicamente en el eje Nº 2 objetivo Nº 5, que establece: “Impulsar la productividad y competitividad para el crecimiento económico sostenible de manera redistributiva y solidaria el cual prioriza la consolidación de la sostenibilidad del sistema económico social y solidario, y fortalecimiento de la dolarización” (Senplades, 2017, p. 2017). De igual manera se hace referencia en este mismo contexto a la inducción de la política 5.2 del mismo apartado, la cual establece: Promover la productividad, competitividad y calidad de los productos nacionales, como también la disponibilidad de servicios conexos y otros insumos, para generar valor agregado y procesos de industrialización en los sectores productivos con enfoque a satisfacer la demanda nacional y de exportación. (Senplades, 2017, p. 83)

1.5.

Objetivos de la investigación

1.5.1. Objetivo general.

Analizar el efecto de la gestión de capital de trabajo en la rentabilidad de las empresas del sector manufacturero ecuatoriano.

1.5.2. Objetivos específicos.

•

Efectuar un diagnóstico sobre la gestión de capital de trabajo de las empresas del sector manufacturero ecuatoriano al cierre del periodo 2018.

•

Identificar el nivel de rentabilidad de las empresas del sector manufacturero.

•

Establecer la relación entre la gestión de capital de trabajo y rentabilidad mediante la inducción de análisis estadístico.

6

2.

2.1.

REVISIÓN DE LA LITERATURA

Fundamentos teóricos

2.1.1. Capital de trabajo neto en el contexto empresarial Desde una perspectiva elemental Gitman & Zutter (2012) consideran que el capital de trabajo neto o fondo de maniobra representa “La diferencia entre los activos corrientes de la empresa y sus pasivos corrientes” (p. 544). Desde este contexto contablemente existen dos factores de análisis el Capital de trabajo neto que corresponde a la diferencia entre activos corrientes y pasivos corrientes y el capital de trabajo bruto que corresponde al valor de los activos corrientes de la empresa. Esta apreciación es totalmente lógica, sin embargo, desde un contexto financiero Según Rizzo (2007) “El capital de trabajo neto es la cantidad de dinero que la empresa necesita para mantener el giro habitual del negocio” (p. 103). Este concepto abarca una apreciación más amplia que determina la importancia del fondo de maniobra en el ámbito operativo empresarial.

Según Saucedo (2019) el capital de trabajo es: “Inversión de una empresa en activos a corto plazo: efectivo, valores negociables, cuentas por cobrar e inventarios. El capital de trabajo neto son los activos circulantes menos los pasivos circulantes”. (p.1). Para Navarro (2018) El capital de trabajo está estructurado por las cuentas corrientes del activo circulante y sus componentes principales son el inventario, las cuentas corrientes, el efectivo y las cuentas por cobrar, además según el proceso se divide en permanente o temporal. Hablar de capital de trabajo permanente implica los requerimientos circulantes a largo plazo, a diferencia del temporal que se direcciona a las necesidades estacionarias. En este contexto según Ross, Westerfield y Jaffe (2012) el capital de trabajo neto: “Es positivo cuando el activo circulante es mayor que el pasivo circulante. Esto significa que el efectivo que esté disponible a lo largo de los 12 meses siguientes será mayor que el efectivo que debe pagarse” (p. 28). Gitman & Zutter, (2012) menciona que cuanto mayor sea el margen con el que los activos corrientes de una compañía sobrepasan a sus pasivos corrientes, mayor será la capacidad de esta para pagar sus cuentas a medida que se llegan a vencer.

El capital de trabajo es indispensable para la empresa y su análisis depende de la cantidad de actividades que se desarrollan dentro del negocio, esta tendencia genera una gran

7 cantidad de efectivo visualizado en caja-bancos, inventarios y recursos utilizados en inversiones en Cuentas por Cobrar (Abreu & Morales 2009). Según Jiménez, Rojas, & Ospina (2013) esta necesidad recae en el requerimiento que tiene las empresas de establecer el efectivo suficiente, para soportar su ciclo de caja y mantener una eficiencia operativa. Ross, Westerfield y Jaffe (2012) consideran que establecer inversiones en activos, es decir en gastos de capital, las empresas tienen la viabilidad de invertir en capital de trabajo neto, esta particularidad es positiva generalmente para un negocio en crecimiento.

En este contexto Van Horne & Wachowicz (2010) hace mención a que conforme se desarrolle el estudio de la administración del capital de trabajo, el interés se centrará en considerar que la administración de los activos corrientes de dicha empresa sea para conocer los valores en efectivo y comerciales, cuentas por cobrar e inventario y el financiamiento por esta parte se centrará en especial los pasivos corrientes, ya que es necesario para apoyar los activos corrientes.

Si bien es cierto diversos autores concuerdan en que el capital de trabajo neto es una necesidad sumamente relevante para el desarrollo de las actividades operativas del negocio, por cuanto se hace imperioso la inducción de una eficiente administración de la misma. Según Hamid, et al. (2017) consideran que la administración del fondo de maniobra desempeña un factor vital para las operaciones cotidianas en la empresa, haciendo referencia a tres decisiones elementales (Estructura de capital, Presupuesto de capital y gestión de capital de trabajo). Esta concepción hace referencia a la gestión de capital de trabajo y su relación al nivel de liquidez y rentabilidad, independientemente del tamaño de la organización y la naturaleza del negocio.

Un administrador financiero debe considera algunos lineamientos fundamentales en la gestión del capital de trabajo. Si el capital de trabajo neto es alto, implica una disminución del riesgo, pues se determina que la empresa dispone de los recursos necesarios para cubrir las obligaciones en el corto plazo. Por cuanto la liquidez se incrementa pero en contraparte disminuye la rentabilidad por efectos de los costos de capital. Si el capital de trabajo neto es bajo, la empresa aumentará el riesgo debido a que existe la posibilidad de que no pueda suplir las obligaciones de corto plazo, no obstante si la liquidez disminuye, la rentabilidad aumentará debido al bajo costo financiero. (Aguilar T. S., 2017)

8 Según Córdova (2013) el administrador financiero debe establecer políticas de decisión en torno a la gestión de capital de trabajo con perspectiva al fortalecimiento de la liquidez y desempeño financiero: Restructuración de activos: Consiste en vender activos no corrientes, para disponer de activos no corrientes y devengar las obligaciones corrientes.

Refinanciación de pasivos: La renegociación de deudas a corto plazo y las prórrogas de pagos a largo plazo, propenden al aumento del pasivo no corriente, reduciendo las obligaciones a corto plazo sin necesidad de establecer variaciones en el activo corriente.

Aporte de accionistas: Generalmente se determina por la reinversión de las utilidades o el aporte directo de capital accionario, esta maniobra permite incrementar el activo corriente y el patrimonio neto.

Reducción del plazo de cobranzas: Un mecanismo eficiente para aumentar el activo corriente es reduciendo los días de cuentas por cobrar, generando una mayor recaudación de efectivo.

Ampliación del plazo de pago: Esta decisión depende generalmente de la predisposición de los proveedores, sin embargo, es considerada como un financiamiento espontaneo, obteniendo mayor disponibilidad de efectivo para oxigenar las actividades operativas a corto plazo.

De igual forma es indispensable identificar las políticas de capital de trabajo que pueden establecerse en el ámbito empresarial. Según Espinoza, (2007) Las políticas del capital de trabajo se asocian estrechamente a las decisiones que toman los administradores financieros con respecto a los activo y pasivo circulantes. Estos niveles tienen un impacto directo en el en el riesgo y rentabilidad empresarial.

Córdova (2007) considera que las políticas de inversión en activos circulantes corresponden a la política relajada que consiste en mantener un nivel sustancial de efectivo, valores negociables e inventarios, generando de esta manera un incremento en ventas debido a las políticas generosas de crédito obteniendo como efecto colateral un aumento de las cuentas por cobrar. Política restringida, donde se reduce el mantenimiento de efectivo, de valores negociables e inventario y cuentas por cobrar. Política moderada, en donde en la inversión en

9 activos circulantes se establece mediante un manejo equilibrado entre la política relajada y restringida.

A continuación, se hace referencia a diversos métodos para calcular el capital de trabajo: El método contable, en contexto general es el más utilizado y se establece mediante la diferencia entre los activos y pasivos circulantes. Duran (2011) manifiesta que se debe analizar el resultado que se va obtener, puesto que dependiendo si es positivo o negativo, se interpretará y se tomaran las decisiones pertinentes. No obstante, Faxas del Toro & Atucha (2011) consideran que se debe tener un equilibrio entre los activos y pasivos corrientes, puesto que la rentabilidad de la empresa puede depender de la fluctuación o comportamiento de dichas variables.

Para Aguilar (2017) otro método utilizado es el del ciclo de efectivo o ciclo de caja, básicamente es empleado para estimar el monto de efectivo necesario para la operación del negocio, especialmente es su etapa de inicio. Para su cálculo se hace referencia esencialmente al análisis del ciclo de caja el mismo que se determina considerando el tiempo en días que la empresa demora en recuperar sus ingresos provenientes de las ventas, para cumplir con las obligaciones de proveedores. En este método al capital de trabajo también se lo conoce como efectivo mínimo de operaciones, EMO. La fórmula estipula el total de desembolsos que se generarían en el año, dividido para el ciclo de caja.

Otro método hace referencia a los porcentajes de cambio de las ventas, según Aguilar (2017) Para conocer las necesidades financieras, identificados los flujos de efectivo y contables, se procede a relacionar con base a un análisis porcentual las cuentas del balance general y las ventas. Esta información permite determinar los requerimientos necesarios para financiar un aumento en las ventas, optando así ya sea por el uso de financiamiento a corto o largo plazo.

Desde una perspectiva de aplicación técnica porcentual se establecen dos escenarios para calcular la necesidad de fondos, cuando la organización desarrolla sus actividades al 100% de la capacidad instalada, tendrá que realizar inversiones de capital para poder incrementar la producción. En otro contexto si la entidad opera por debajo de su capacidad instalada, evidentemente direccionará esfuerzos a la inversión de activos corrientes para incrementar los ingresos. (Block, Hirt, & Danielsen, 2013). En este ámbito Gonzales & Quizhpe, (2012)

10 establecen que una empresa para impulsar su crecimiento requiere de financiamiento para incrementar las ventas, por consiguiente, es imperioso la realización de inversiones tanto en cuentas por cobrar, inventarios etc. Es importante destacar que este método se caracteriza por las variaciones de las cuentas: caja, clientes, existencias y proveedores (Porlles et.al., 2013).

En el ámbito financiero el análisis de los indicadores de eficiencia suscritos por la Superintendencia de Compañías viabiliza el estudio y análisis de la gestión de capital de trabajo, haciendo referencia a diversos rateos tales como la rotación de cartera, rotación de Activo fijo, rotación de ventas, período medio de cobranza, período medio de pago.

La Superintendencia de Compañías (2020) considera que estos indicadores de gestión tienen por propósito de medir la eficiencia con la cual las empresas utilizan sus recursos, evaluando la rotación de los componentes del activo, la recuperación de creditos y el dersembolso de las obligaciones a corto plazo.

Según la Superintendencia de Compañías (2020) define los indicadores de gestión conforme a los siguientes postulados: •

Rotación de cartera, indica el número de veces que las cuentas por cobrar giran, en promedio, en un periodo establecido, generalmente un año. Se calcula dividiendo las ventas para las cuentas por cobrar.

•

Rotación del activo fijo establece la cantidad de unidades monetarias vendidas por cada unidad monetaria invertida en activos inmovilizados. Su fórmula de cálculo consiste en dividir las ventas para el activo neto tangible.

•

Rotación de ventas este indicador determina el número de veces que, en un determinado nivel de ventas, se utilizan los activos. Su fórmula implica la división entre las ventas y activo total.

•

Período Medio de Cobranza establece el nivel de liquidez en días de las cuentas y documentos por cobrar, se calcula mediante el análisis de las cuentas y documentos por cobrar, multiplicado por 365 y dividido para las ventas.

•

Período Medio de Pago determina el número de días que la empresa tarda en cubrir sus obligaciones de inventarios. Se calcula multiplicando las cuentas y documentos por Pagar por 365 y dividiendo el resultado para el total de inventarios.

11 2.1.2 Análisis de la Rentabilidad en el contexto empresarial Soriano (2010) menciona que la rentabilidad es el resultado y/o beneficio que tienen las instituciones de lo invertido en relación a todos los componentes que fueron empleados en sus operaciones. Según Gitman (1997) menciona que rentabilidad es la relación entre ingresos y costos generados por el uso de los activos dentro de la empresa en las actividades producidas.

Para Baena (2014) la rentabilidad es la obtención de resultados de una inversión en función de la rotación de los activos propiedad planta y equipo (conocidos como activos fijos), y el margen de utilidad neta.

Gitman et al. (2012) Consideran que la rentabilidad es: “la relación entre ingresos y costos generados por el uso de los activos de la empresa en actividades productivas. La rentabilidad de una empresa puede ser evaluada en referencia a las ventas, a los activos, al capital o al valor accionario‖” (p. 63). Abad (2011) considera que la rentabilidad se establece en un tiempo determinado, haciendo un análisis especifico de la capacidad de generación de utilidades y por consiguiente la obtención de rendimientos sobre la inversión estipulada. Sin embargo, Van Horne & Wachowicz (2010) menciona que, al buscar una rentabilidad más alta, se debe esperar mayores riesgos en la empresa pues se puede decir que el riesgo y el rendimiento van de la mano.

Según Zamora (2008) la rentabilidad implica una medición objetiva del rendimiento resultante de la operacionalización de los capitales utilizados en un periodo de tiempo específico. Para Córdova (2013) La rentabilidad se logra “Aumentando los ingresos por medio de las ventas o disminuyendo los costos pagando menos por las materias primas, salarios o servicios que se presten” (p. 188).

Según Gitman (2003) es sumamente relevante para los propietarios, acreedores y la administración la generación de utilidades de la empresa, para lo cual es indispensable incorporar diversas medidas de rentabilidad, evaluar permanentemente el nivel de ventas, rendimiento de activos y requerimientos de inversión, esto viabilizará la inducción de financiamiento externo en caso de ser requerido. Bajo este contexto según Dess & Lumpkin, (2003) las medidas de rentabilidad permiten conocer con qué eficiencia utiliza la empresa sus activos y gestiona sus operaciones.

La rentabilidad se identifica desde la perspectiva económica y financiera. Hablar de rentabilidad económica implica la comparación del resultado alanzado por la empresa, sin

12 considerar lógicamente la procedencia de los recursos financieros utilizados, por otro lado la rentabilidad financiera incorpora a su cálculo la cuantía de fondos propios, direccionando específicamente a un tipo de análisis de rendimiento para los inversionistas. (Lizcano, 2004) Para Contreras (2015) la rentabilidad económica muestra la eficacia en el uso de los activos, se mide dividiendo el beneficio operativo después de impuestos entre el activo neto promedio. La rentabilidad financiera o también llamado ratio de retorno determina la rentabilidad con respecto al patrimonio que se mide dividiendo la utilidad neta sobre patrimonio. Según Eslava (2010) Las dimensiones de rentabilidad se distinguen entre la rentabilidad económica o rentabilidad de la empresa como negocio y entre la rentabilidad financiera o rentabilidad que obtengan los accionistas o propietarios como retribución al capital que tiene invertido en la empresa.

Las tres medidas de rentabilidad más conocidas según Dess y Lumpkin (2003) son: el Margen de Beneficio, el cual mide el beneficio obtenido por cada unidad monetaria de Ventas.

Rentabilidad del Activo que mide el beneficio por unidad monetaria de Activo. Y la Rentabilidad de los Fondos Propios, la cual mide cómo les va a los accionistas durante el año, es decir, representa la verdadera medida del resultado del rendimiento.

Para Benavente, (2005) hace referencia que el factor más eficaz para mejorar la rentabilidad empresarial son los recursos que se destinan para la investigación científica y el desarrollo tecnológico (I+D en adelante), convirtiéndose así, en un mecanismo eficiente para innovar los productos y los procesos, y emprender en una transformación productiva.

Según García, Martinez, & Fernandez (2018) consideran que la Rentabilidad Sobre Activos mide la rentabilidad económica este hace referencia a las utilidades antes de intereses e impuestos con los activos. Para Redondo & Arias(2013) Rentabilidad sobre activos es: “La relación entre beneficios netos y activos totales. Representa la rentabilidad de la empresa respecto al activo invertido ya esté financiado con fondos propios o ajenos.” p.23. En consonancia, Martins, Miranda, & Alvez, (2014) manifiesta que la rotación de activos constituye un papel muy importante, dado que incluye sobre la rentabilidad de forma directa y, simultáneamente, posee elementos que explican la liquidez. Jimenez & Lozano (2014) establece, este indicador es generalmente es considerado la medida de mayor relevancia para analizar el beneficio o no beneficio de una empresa determinada. La rotación del activo total según Cordova (2014) tiene por objeto medir la actividad en ventas de una empresa, es decir

13 cuántas veces es capaz de colocar entre sus clientes un valor igual a la inversión que se ha realizado; en conclusión, este índice refleja la eficiencia del uso de los activos de la empresa para generar ventas.

Para el análisis de la rentabilidad se requiere de la aplicación de diversos indicadores financieros. Lawrence & Michael, (2005) considera que: “El riesgo asociado con una inversión dada está directamente relacionado con su rendimiento.” (p.108). En este caso el ROA representa un factor preponderante para la medición de rendimientos de los accionistas. No obstante, según la Superintendencia de Compañías (2020) la rentabilidad neta del activo se puede obtener dividiendo la utilidad neta para el activo total, sin embargo, se establece una la variación presentada en la fórmula, identificada como Dupont la misma que genera una relación de la rentabilidad de ventas y la rotación del activo total, obteniendo un panorama más amplio de las áreas responsables del desempeño de la rentabilidad del activo.

2.1.3 El sector manufacturero ecuatoriano Las características que definen la estructura productiva de un país, sostenibilidad y el grado de especialización de los subsectores o actividades económicas que la integran son fundamentales para el desarrollo de la producción de su economía. La industria manufacturera cumple un factor preponderante en este ámbito, y a nivel de comparación este sector desarrolla actividades que representan un mayor crecimiento económico, progreso y cambio estructural de una nación. (CEPAL, 2012) El Ecuador se caracteriza por su economía en vía de desarrollo, esta tendencia se debe básicamente al direccionamiento hacia el sector primario y terciario, como consecuencia el sector de manufactura no pudo generar el crecimiento esperado en comparación a los otros sectores, quedando así rezagado. (Aguilar, 2013) Es importante recalcar que el sector manufacturero ecuatoriano según la Superintendencia de Compañías (2020) está subclasificada por subsectores, haciendo referencia a la Clasificación Industrial de Clasificación Uniforme (CIIU), totalizando a 24 categorias de empresas. Estas compañías desarrolan actividades operativas diferentes, tienen tamaños disimiles, no obstante constituyen un pilar fundamental para el desarrollo económico del pais. Estos subsectores son:

14 Tabla 1.

Subsectores totales del sector manufacturero ecuatoriano (CIIU)

DETALLE C10 - Elaboración de productos alimenticios.

C11 - Elaboración de bebidas.

C12 - Elaboración de productos de tabaco.

C13 - Fabricación de productos textiles.

C14 - Fabricación de prendas de vestir.

C15 - Fabricación de cueros y productos conexos.

C16 - Producción de madera y fabricación de productos de madera y corcho, excepto muebles; fabricación de artículos de paja y de materiales trenzables.

C17 - Fabricación de papel y de productos de papel.

C18 - Impresión y reproducción de grabaciones.

C19 - Fabricación de coque y de productos de la refinación del petróleo.

C20 - Fabricación de substancias y productos químicos.

C21 - Fabricación de productos farmacéuticos, sustancias químicas medicinales y productos botánicos de uso farmacéutico.

C22 - Fabricación de productos de caucho y plástico.

C23 - Fabricación de otros productos minerales no metálicos.

C24 - Fabricación de metales comunes.

C25 - Fabricación de productos elaborados de metal, excepto maquinaria y equipo.

C26 - Fabricación de productos de informática, electrónica y óptica.

C27 - Fabricación de equipo eléctrico.

C28 - Fabricación de maquinaria y equipo n.c.p.

C29 - Fabricación de vehículos automotores, remolques y semirremolques.

C30 - Fabricación de otros tipos de equipos de transporte.

C31 - Fabricación de muebles.

C32 - Otras industrias manufactureras.

C33 - Reparación e instalación de maquinaria y equipo.

Fuente: Superintendencia de Compañías (2020)

Durante el periodo 2013—2017 la industria manufacturera generó 5,941 millones de USD en utilidades (1,098 millones de USD en promedio anual). Los ingresos por ventas para fueron aproximadamente de 120,871 millones de USD (24,174 millones de USD en promedio anual). Mediante un análisis de incidecia regional en el periodo 2017, Pichincha reporta 9,443 millones de USD y una participación del 41.2% en el total de ingresos por ventas obtenidos por el sector manufacturero a nivel nacional, Guayas es la provincia que sigue con 8,724 millones de USD y una participación del 38%. Manabí reportó 1,843 millones de USD y una participación del 8%, Y Azuay con un total de 1,175 millones de USD en ingresos por ventas y una participación del 5.1%, instituyendose como las provincias de mayor representatividad en el ambito de la industria manufacturera. (Superintendencia de Compañías, 2018).

15

2.2.

Predicción científica El propósito de esta investigación es establecer la relación existente entre la gestión de

capital de trabajo con respecto al nivel de rentabilidad obtenido para el grupo de empresas del sector manufacturero ecuatoriano, a través de la utilización de técnicas y herramientas científicas y por medio de la inducción de un modelo de regresión lineal múltiple, para poder identificar estadísticamente el nivel de incidencia de las variables independientes (Indicadores de gestión de capital de trabajo) en la rentabilidad del activo (ROA).

16

3.

3.1.

METODOLOGÍA DE LA INVESTIGACIÓN

Enfoque, diseño y tipo de investigación La inducción metodológica de esta investigación se fundamentó en los compendios

establecidos por Sampieri (2014).

La presente investigación se direccionó mediante la inducción de un enfoque cuantitativo, puesto que se requiere de la indagación específica de indicadores tanto en el ámbito de la gestión de capital de trabajo como en el estudio de las tendencias de rentabilidad de las empresas del sector manufacturero. Estos indicadores corresponden a las medianas por subsector de todas las compañías activas que reportaron su información financiera en los últimos cinco años, hasta el cierre del periodo 2018.

El diseño de investigación se conjetura como no experimental longitudinal, debido a que se pretende generar un análisis fehaciente recopilando información en diversos periodos respecto a las variables de estudio (Capital de trabajo – Rentabilidad).

Se procedió a la aplicación del tipo de investigación descriptivo, explicativa y correlacional.

Descriptivo porque se requirió de la identificación, registro y ordenamiento de los datos recabados en relación a los indicadores de estudio para proceder a establecer en contexto general la situación actual de las empresas del sector manufacturero en el Ecuador.

La investigación explicativa es fundamental debido la utilización de coeficientes de determinación, en donde se estableció el porcentaje

de incidencia de las variables

independientes en relación a la variable dependiente. Es decir se explicó la relación causal entre los indicadores financieros analizados.

17

3.2.

Población y muestra Población: El estudio se realizó al sector total, por cuanto, el área de manufactura en el Ecuador

está estructurada por 24 subsectores según la Clasificación Industrial de Clasificación Uniforme (CIIU) Rev. 4, esto acorde a los registros de la Superintendencia de Compañías.

Muestreo: Mediante muestreo no probabilístico por conveniencia para el proceso de investigación se desarrolló un estudio específico de los subsectores con mayores índices de rentabilidad. En total se establecen 20 subsectores, los cuales se visualizan a continuación: Tabla 2.

Muestra (Sectores con mayor índice de rentabilidad) Nº 1 2 3 4 5

DESCRIPCIÓN C10 - Elaboración de productos alimenticios.

C12 - Elaboración de productos de tabaco.

C13 - Fabricación de productos textiles.

C14 - Fabricación de prendas de vestir.

C15 - Fabricación de cueros y productos conexos.

6

C16 - Producción de madera y fabricación de productos de madera y corcho, excepto muebles; fabricación de artículos de paja y de materiales trenzables.

7 8 9

ROA 0,0065 0,0975 0,0226 0,011 0,0285 0,0111 0,0267 0,0207 0,0225

15 16 17

C17 - Fabricación de papel y de productos de papel.

C18 - Impresión y reproducción de grabaciones.

C20 - Fabricación de substancias y productos químicos.

C21 - Fabricación de productos farmacéuticos, sustancias químicas medicinales y productos botánicos de uso farmacéutico.

C22 - Fabricación de productos de caucho y plástico.

C23 - Fabricación de otros productos minerales no metálicos.

C24 - Fabricación de metales comunes.

C25 - Fabricación de productos elaborados de metal, excepto maquinaria y equipo.

C26 - Fabricación de productos de informática, electrónica y óptica.

C27 - Fabricación de equipo eléctrico.

C28 - Fabricación de maquinaria y equipo n.c.p.

18

C29 - Fabricación de vehículos automotores, remolques y semirremolques.

0,0455

10 11 12 13 14

19 C30 - Fabricación de otros tipos de equipos de transporte.

20 C33 - Reparación e instalación de maquinaria y equipo.

Fuente: Superintendencia de Compañías (2020)

0,0321 0,026 0,01 0,0197 0,0208 0,0079 0,0219 0,0257

0,0199 0,0331

18

3.3.

Operacionalización de las variables

Tabla 3.

Operacionalización de variables VARIABLE

INDICADOR

ABREVIATURA

Rotación de cartera Rotación de activo fijo Rotación de ventas Variable independiente: gestión de capital de Periodo medio de cobranza trabajo

Variable dependiente: rentabilidad empresas sector manufacturero

RC RA RV PMC

Periodo medio de pago

PMP

Rentabilidad del activo

ROA

Fuente: Tabla de indicadores Superintendencia de Compañías. http://reporteria.supercias.gob.ec/portal/samples/images/docs/tabla_indicadores.pdf

3.4.

INSTRUMENTO Ventas / Cuentas por Cobrar Ventas / Activo Fijo Ventas / Activo Total Cuentas y documentos por cobrar/ ventas x 365 días Cuentas y documentos por pagar / compras x 365 días

(Utilidad neta/ventas) * (ventas/activo total)

Recuperado

de:

Técnicas e instrumentos de recogida de datos Técnica de recolección de datos: Análisis de contenidos: Desde una perspectiva cuantitativa se requiere indagar,

identificar y examinar la información de las fluctuaciones de rentabilidad e indicadores de capital de trabajo de las empresas del sector manufacturero ecuatoriano en los periodos 2014 al 2018. Información existente en la base de datos de la Superintendencia de Compañías. Para ello se requiere de la identificación, operacionalización y análisis estadístico de las variables involucradas.

Instrumento para la recolección de datos: Como instrumento de apoyo al análisis de contenidos se procederá a la utilización de un tablero integral de indicadores, en donde se identifiquen los resultados de los parámetros de capital de trabajo y rentabilidad establecidos por la Superintendencia de Compañías, además se incorporará las tendencias mínimas aceptables por cada indicador suscrito, con el propósito de obtener una mejor percepción del comportamiento de las variables de estudio.

19

3.5.

Técnicas de análisis de datos

a)

Estadísticos descriptivos Se procedió a la aplicación de análisis estadístico descriptivo para establecer factores

promédiales, medianas, moda etc., respecto al tratamiento de los indicadores suscritos en el estudio pertinente. b)

Coeficiente de correlación De igual forma se estableció la aplicación del coeficiente de Pearson, técnica de análisis

que permitió medir el nivel de relación entre las variables analizadas. Este estudio se estructuró primeramente haciendo un análisis del nivel de correlación por cada año estudiado, con la finalidad de obtener una mayor perspectiva comparativa entre los periodos de estudio. El proceso de cálculo determina la suma de los productos de las variables normalizadas. Existen diversos mecanismos de aplicación: sx=√ (∑(x−x¯)2 / N−1. sy=√ (∑(y−y¯)2 / N−1.

Normalización de las variables: zx = x−x¯/ sx, zy = y−y¯/ sy

r=∑zxzy / N−1 c)

Regresión Lineal múltiple Se aplicó un análisis multivariante con base a un modelo de regresión lineal múltiple

para establecer específicamente el nivel de relación de los diversos indicadores capital de trabajo (Variable Independiente) en contexto con la rentabilidad (variable dependiente), permitiendo generar un resultado concluyente en torno al proceso investigativo.

Matemáticamente se establece el postulado de que la función de regresión que relaciona la

variable

dependiente

con

las

Yi=(β0+β1X1i+β2X2i+⋯+βnXni)+ei. En donde:

variables

independientes

es

lineal

20 β0: es la ordenada en el origen, el valor de la variable dependiente Y cuando todos los predictores son cero. βi: es el efecto promedio que tiene el incremento en una unidad de la variable predictora Xi sobre la variable dependiente Y, manteniéndose constantes el resto de variables. Se conocen como coeficientes parciales de regresión. ei: es el residuo o error, la diferencia entre el valor observado y el estimado por el modelo.

El modelo logró establecer R2 (Coeficiente de determinación) por periodo estudiado, posteriormente se aplicó la prueba de bondad de ajuste como el análisis de la varianza (Anova) para comprobar el nivel de relación del modelo de regresión (F) y estipular la significancia (Sig). Todo este procedimiento se desarrolló con base al programa estadístico IBM SPSS - 24.

21

4.

RESULTADOS

4.1 Diagnóstico sobre la gestión de capital de trabajo de las empresas del sector manufacturero ecuatoriano al cierre del periodo 2018.

Para el desarrollo del diagnóstico de la gestión de capital de trabajo se establece las medias por año de los indicadores: Rotación de cartera, rotación de activo fijo, rotación de ventas, periodo medio de cobranza y periodo medio de pago.

Tabla 4.

Medias – Indicadores GCT Año

Rotación De

Rotación De

Rotación De

Cartera

Activo Fijo

Ventas

Periodo Medio De Periodo Medio De Cobranzas (Días)

3,77708 2,91866 1,09928 45,22389 2014 3,444965 2,52317 1,053985 47,290685 2015 2,213215 1,031465 0,769785 48,379205 2016 3,5673 3,97266 0,925175 85,56235 2017 2,767425 1,8631 0,926695 65,358285 2018 Fuente: Tabla de indicadores - Superintendencia de Compañías – Procesamiento SPSS

Pago (Días) 83,138845 77,758625 0 329,584315 121,670525

Como se puede observar en la tabla que antecede en los años 2014, 2015 y 2017 en promedio se genera una mayor eficiencia en la gestión de capital de trabajo, puesto que los indicadores son más fehacientes en esos periodos.

4.2 Nivel de rentabilidad de las de las empresas del sector manufacturero.

Se procede al análisis de las Medias de la Rentabilidad del activo de los subsectores del sector manufacturero por año, con el propósito de identificar fluctuaciones más altas en los años estudiados.

Tabla 5.

Niveles de rentabilidad del activo ROA por año Detalle C10 - elaboración de productos alimenticios.

C12 - elaboración de productos de tabaco.

C13 - fabricación de productos textiles.

C14 - fabricación de prendas de vestir.

2014 0,0275 0,0447 0,0345 0,0379

2015 0,0228 0,0929 0,0147 0,0169

2016 0,0000 0,0000 0,0043 0,0032

2017 0,0418 0,0756 0,0449 0,0246

2018 0,0065 0,0975 0,0226 0,0110

22 C15 - fabricación de cueros y productos conexos.

0,0262 0,0083 0,0036 0,0282 0,0285 C16 - producción de madera y fabricación de productos de 0,0228 0,0254 0,0046 0,0426 0,0111 madera y corcho, excepto muebles; fabricación de artículos de paja y de materiales trenzables.

C17 - fabricación de papel y de productos de papel.

0,0325 0,0231 0,0113 0,0570 0,0267 C18 - impresión y reproducción de grabaciones.

0,0537 0,0288 0,0204 0,0400 0,0207 C20 - fabricación de substancias y productos químicos.

0,0433 0,0275 0,0064 0,0567 0,0225 C21 - fabricación de productos farmacéuticos, sustancias 0,0418 0,0186 0,0023 0,0611 0,0321 químicas medicinales y productos botánicos de uso farmacéutico.

C22 - fabricación de productos de caucho y plástico.

0,0453 0,0431 0,0165 0,0545 0,0260 C23 - fabricación de otros productos minerales no metálicos. 0,0346 0,0189 0,0000 0,0383 0,0100 C24 - fabricación de metales comunes.

0,0318 0,0129 0,0181 0,0441 0,0197 C25 - fabricación de productos elaborados de metal, excepto 0,0490 0,0356 0,0278 0,0618 0,0208 maquinaria y equipo.

C26 - fabricación de productos de informática, electrónica y 0,0521 0,0187 0,0000 0,0526 0,0079 óptica.

C27 - fabricación de equipo eléctrico.

0,0374 0,0422 0,0144 0,0428 0,0219 C28 - fabricación de maquinaria y equipo n.c.p.

0,0386 0,0216 0,0005 0,0651 0,0257 C29 - fabricación de vehículos automotores, remolques y 0,0326 0,0396 0,0183 0,0669 0,0455 semirremolques.

C30 - fabricación de otros tipos de equipos de transporte.

0,0133 0,0159 0,0094 0,0334 0,0199 C33 - reparación e instalación de maquinaria y equipo.

0,0605 0,0575 0,0211 0,0641 0,0331 Fuente: Tabla de indicadores Superintendencia de Compañías.

Recuperado de: http://reporteria.supercias.gob.ec/portal/samples/images/docs/tabla_indicadores.pdf Tabla 6.

ROA promedio por año 2014 N

Válido

2015

2016

2017

2018

20

20

20

20

20

0

0

0

0

0

Media

,0380

,0293

,0091

,0498

,0255

Mediana

,0377

,0230

,0055

,0488

,0222

a

a

,00

,02

a

,01a

,01

,00

,02

,01

,08

,10

Perdidos

Moda

,01

Mínimo

,01

,01

Máximo ,06 ,09 ,03 Fuente: Tabla de indicadores - Superintendencia de Compañías – Procesamiento SPSS

En el año 2017 se observa un nivel mayor de rentabilidad del activo (0,0498). Al contrastar esta información con los factores promédiales anuales de gestión de capital de trabajo, se puede suponer que en dicho periodo la gestión de capital de trabajo fue eficiente, además el periodo medio de pago corresponde a la más alta fluctuación.

Tabla 7.

ROA promedio por sector - periodo 2014 - 2018 C10 N Válido

C12 5

C13 5

C14 5

C15 5

C16 5

C17 5

C18 5

C20 5

C21 5

5

23 Perdidos

0

0

0

0

0

0

0

0

0

0

Media

,0197

,0621

,0242

,0187

,0190

,0213

,0301

,0327

,0313

,0312

Mediana

,0228

,0756

,0226

,0169

,0262

,0228

,0267

,0288

,0275

,0321

,01674

,04045

,01600

,01329

,01202

,01463

,01691

,01418

,01937

,02237

Mínimo

,00

,00

,00

,00

,00

,00

,01

,02

,01

,00

Máximo

,04

,10

,04

,04

,03

,04

,06

,05

,06

,06

Desviación estándar

C22 N Válido

C23

C24

C25

C26

C27

C28

C29

C30

C33

5

5

5

5

5

5

5

5

5

5

0

0

0

0

0

0

0

0

0

0

Media

,0371

,0204

,0253

,0390

,0263

,0317

,0303

,0406

,0184

,0473

Mediana

,0431

,0189

,0197

,0356

,0187

,0374

,0257

,0396

,0159

,0575

,01544

,01619

,01258

,01649

,02473

,01286

,02380

,01787

,00923

,01903

,02

,00

,01

,02

,00

,01

,00

,02

,01

,02

Máximo ,05 ,04 ,04 ,06 ,05 ,04 ,07 ,07 Fuente: Tabla de indicadores - Superintendencia de Compañías – Procesamiento SPSS

,03

,06

Perdidos

Desviación estándar Mínimo

Los subsectores con mayor rentabilidad corresponden a la fabricación de vehículos automotores remolques y semirremolques (C29). Y reparación e instalación de maquinaria y equipo. (C33) con una media similar de 0,0406 y 0,0473 respectivamente.

4.3 Relación entre la gestión de capital de trabajo y la rentabilidad 4.3.1 Modelo de regresión lineal múltiple (Análisis Longitudinal) a)

Periodo 2014.

Para la inducción del modelo en el periodo 2014 la variable Periodo Medio de Pago y

el sector C30 - Fabricación de otros tipos de equipos de transporte, fueron extraídos del cálculo por falta de datos en dicho año.

A simple vista el resultado de las correlaciones para el periodo 2014 (Anexo 1) se establece un bajo nivel de asociación entre los indicadores de Gestión de capital de Trabajo y Rentabilidad del activo. Por cuanto es indispensable la inducción de un estudio más profundo mediante un modelo de regresión.

El modelo de regresión incluye a las variables predictoras periodo medio de cobranza, rotación de cartera, rotación de activo fijo, rotación de ventas, como variables independientes y la rentabilidad del activo como la variable dependiente.

24 Tabla 8.

Resumen del modelo - periodo 2014 Modelo R R cuadrado R cuadrado ajustado a 1 ,769 ,592 ,475 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0141864

El modelo suscrito toma como referencia los siguientes predictores: (Constante): Periodo medio de cobranza, rotación de cartera, rotación de activo fijo, rotación de ventas, en relación a la variable dependiente: Rentabilidad neta del activo. Por consiguiente el coeficiente de determinación indica una fuerte incidencia de las variables independientes en torno a la variable dependiente.

Se procede a la aplicación de ANOVA para determinar la significancia del modelo en función a los predictores establecidos.

Tabla 9.

Anova - periodo 2014 Suma de Media cuadrados Gl cuadrática Regresión ,004 4 ,001 Residuo ,003 14 ,000 Total ,007 18 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24 Modelo 1

F 5,078

Sig. ,010b

El modelo global es significativo para los predictores: Periodo medio de cobranza, rotación de cartera, rotación de activo fijo, rotación de ventas, en relación a la variable dependiente ROA. Tabla 10.

Coeficientes variables independientes - periodo 2014 Coeficientes no Coeficientes estandarizados estandarizados Error Modelo B estándar Beta 1 (Constante) -,038 ,025 RC ,000 ,004 ,006 RAF -,005 ,005 -,232 RV ,039 ,028 ,372 PMC ,001 ,000 ,854 Variable dependiente: Rentabilidad Neta del Activo Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

T -1,487 ,029 -1,030 1,355 4,314

Sig. ,159 ,977 ,320 ,197 ,001

95.0% intervalo de confianza para B Límite Límite inferior superior -,093 ,017 -,009 ,009 -,016 ,006 -,022 ,100 ,000 ,001

Con base al análisis de coeficientes se procede a introducir en el modelo únicamente a la variable independiente Periodo Medio de Cobranza (PMC) puesto que es el indicador más significativo.

25 Tabla 11.

Resumen del modelo – Periodo medio de Cobranza - periodo 2014 Modelo R R cuadrado R cuadrado ajustado 1 ,719a ,517 ,488 a. Predictores: (Constante), Periodo medio de cobranza Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0140084

Tabla 12.

Anova - Periodo medio de Cobranza - periodo 2014 Suma de Media Modelo cuadrados Gl cuadrática 1 Regresión ,004 1 ,004 Residuo ,003 17 ,000 Total ,007 18 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

F 18,189

Sig. ,001b

Tabla 13.

Coeficientes - Periodo medio de Cobranza - periodo 2014 Coeficientes no Coeficientes estandarizados estandarizados Error B estándar Beta -,004 ,009 ,001 ,000 ,719

Modelo t 1 (Constante) -,426 Periodo medio 4,265 de cobranza a. Variable dependiente: RENTABILIDAD NETA DEL ACTIVO Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Sig. ,675 ,001

95.0% intervalo de confianza para B Límite Límite inferior superior -,022 ,014 ,000 ,001

En el periodo 2014 se establece que el modelo global es significadito, es decir las variables independientes explican a la dependiente, no obstante, en el análisis por variable se visualiza que periodo medio de cobranza representa un mayor nivel de significación, por cuanto mediante la aplicación del modelo se establece un coeficiente de determinación de 0,517, F 18,189 y Sig. 0,01.

Es decir la variable periodo medio de cobranza explica a la rentabilidad del activo en un 51,7% considerando que la relación según Anova es sustancial. b)

Periodo 2015 En el periodo 2015 según los coeficientes de correlación analizados se establece que

existe asociación baja - moderada entre las variables rentabilidad del activo y las variables PMC – PMP. (Visualizar Anexo 1).

A continuación se establece los resultados del modelo global.

26 Tabla 14.

Resumen del modelo - periodo 2015 Modelo R R cuadrado R cuadrado ajustado 1 ,868a ,754 ,666 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0111584

Tabla 15.

Anova - periodo 2015 Suma de Media cuadrados gl cuadrática Regresión ,005 5 ,001 Residuo ,002 14 ,000 Total ,007 19 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24 Modelo 1

F 8,593

Sig. ,001b

El modelo global para el periodo 2015 aplicado para los predictores periodos medio de pago, rotación de cartera, rotación de activo fijo, rotación de ventas, periodo medio de cobranza es significativo en relación a la rentabilidad del activo.

Tabla 16.

Coeficientes variables independientes - periodo 2015

Modelo 1 (Constante)

Coeficientes no Coeficientes estandarizados estandarizados Error B estándar Beta -,054 ,021

RC -,001 ,003 -,076 RA -,001 ,003 -,039 RV ,068 ,024 ,671 PMC -1,436E-5 ,000 -,014 PMP ,00024 ,000 1,103 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

T 2,624 -,443 -,227 2,781 -,052 3,437

Sig. ,020 ,665 ,824 ,015 ,959 ,004

95.0% intervalo de confianza para B Límite Límite inferior superior -,098 -,010 -,008 -,008 ,016 -,001 ,000

,005 ,006 ,120 ,001 ,0004

Como se observa en el análisis de coeficientes del modelo global la rotación de ventas y Periodo medio de pago tienen significancia, por cuanto se procede a desarrollar el modelo analizando específicamente estas dos variables.

Tabla 17.

Resumen del modelo – Periodo medio de Pago – Rotación de ventas - periodo 2015 Modelo R R cuadrado R cuadrado ajustado 1 ,720a ,519 ,492 2 ,866b ,750 ,720 a. Predictores: (Constante), PERIODO MEDIO DE PAGO b. Predictores: (Constante), ROTACION DE VENTAS Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0137680 ,0102202

27

Tabla 18.

Anova - Periodo medio de Pago – Rotación de ventas - periodo 2015 Suma de Media cuadrados Gl cuadrática Regresión ,004 1 ,004 Residuo ,003 18 ,000 Total ,007 19 2 Regresión ,005 2 ,003 Residuo ,002 17 ,000 Total ,007 19 b. Predictores: (Constante), Periodo medio de pago c. Predictores: (Constante), Rotación de ventas Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24 Modelo 1

F 19,418

Sig. ,000b

25,453

,000c

Tabla 19.

Coeficientes - Periodo medio de pago – Rotación de ventas - periodo 2015

Modelo 1 (Constante) Periodo medio de pago 2 (Constante)

Coeficientes no Coeficientes estandarizados estandarizados Error B estándar Beta ,017 ,004 ,00016 ,000 ,720 -,051

,017

Rotación de ,059 ,015 ,585 ventas Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

95.0% intervalo de confianza para B Límite Límite inferior superior ,008 ,026 ,000 ,00023

T 4,118 4,407

Sig. ,001 ,000

2,921 3,958

,010

-,088

-,014

,001

,028

,091

En el periodo 2015 se establece que el modelo global es significadito, es decir las variables independientes explican a la dependiente, sin embargo en el estudio de coeficientes por variable se visualiza que periodo medio de pago y la rotación de ventas representa un mayor nivel de significación, por cuanto mediante la aplicación del modelo se determina que el R2 más alto corresponde a rotación de ventas con el de 0,750, F de 25,453

y Sig. 0,000

Es decir la variable Rotación de ventas explica a la rentabilidad del activo en un 75,5% considerando que la relación según Anova es sustancial. c)

Periodo 2016 Para proceder al desarrollo del modelo es pertinente recalcar que la variable Periodo

medio de pago fue extraída del estudio debido a la insuficiencia de datos. De igual manera bajo esa misma premisa se excluyó el subsector C12 – C11 – C 23, puesto que la variable dependiente (Rentabilidad) para estos tres casos es cero según el informe emitido por la Superintendencia de Compañías.

28 En el periodo 2016 se observa mediante la correlación de Pearson (Visualizar Anexo 1) un nivel de asociación considerable de la variable dependiente (Rentabilidad del activo) y la variable independiente (Rotación de ventas). Con base a lo expuesto se procede a la aplicación del modelo.

Tabla 20.

Resumen del modelo - periodo 2016 Modelo R R cuadrado R cuadrado ajustado 1 ,787a ,619 ,493 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0060369

El modelo es aplicado considerando los predictores: Periodo medio de cobranza, rotación de cartera, rotación de ventas y rotación der activo fijo.

Tabla 21.

Anova - periodo 2016 Suma de Media cuadrados Gl cuadrática Regresión ,001 4 ,000 Residuo ,000 12 ,000 Total ,001 16 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24 Modelo 1

F 4,882

Sig. ,014b

El modelo global es significativo, considerando un indicador de Fisher de 4,822 y un nivel de significancia de 0,014, menor a 0,05e puede deducir según el coeficiente de determinación que las variables independientes (Indicadores de rentabilidad) explican a la variable dependiente (Rentabilidad del activo) en un 61,9%.

Tabla 22.

Coeficientes variables independientes - periodo 2016 Coeficientes no Coeficientes estandarizados estandarizados Error Modelo B estándar Beta 1 (Constante) -,018 ,009 RC ,001 ,003 ,061 RAF ,000 ,003 ,049 RV ,031 ,010 ,705 PMC 1,950E-5 ,000 ,039 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

T -2,161 ,241 ,174 3,005 ,190

Sig. ,052 ,814 ,865 ,011 ,852

95.0% intervalo de confianza para B Límite Límite inferior superior -,037 ,000 -,005 ,007 -,005 ,006 ,009 ,054 ,000 ,000

Como se puede observar efectuando un análisis de coeficientes la variable significativa corresponde a Rotación de ventas tiene mayor significancia, por cuanto se procede a efectuar

29 el modelo de regresión para dicha variable, con el propósito de medir su nivel de incidencia en la rentabilidad.

Tabla 23.

Resumen del modelo – Rotación de ventas - periodo 2016 Modelo R R cuadrado R cuadrado ajustado 1 ,781a ,610 ,584 A. Predictores: (constante), Rotación de ventas Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0054680

Tabla 24.

Anova - Rotación de ventas - periodo 2016 Suma de Media cuadrados Gl cuadrática Regresión ,001 1 ,001 Residuo ,000 15 ,000 Total ,001 16 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24 Modelo 1

F 23,428

Sig. ,000b

Tabla 25.

Coeficientes - Rotación de ventas - periodo 2016 Coeficientes no Coeficientes estandarizados estandarizados Error Modelo B estándar Beta t 1 (Constante) -,018 ,006 -2,964 RV ,035 ,007 ,781 4,840 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Sig. ,010 ,000

95.0% intervalo de confianza para B Límite Límite inferior superior -,031 -,005 ,019 ,050

En el periodo 2016 la variable rotación de ventas genera una mayor incidencia en la variable rentabilidad del activo, el factor de Fisher es de 23,428 y el nivel de significancia es mucho menor a 0,05. d)

Periodo 2017 En el periodo 2017 se observa una asociación directa de tipo moderada entre la variable

rotación de ventas y rentabilidad del activo. (Visualizar Anexo 1).

Tabla 26.

Resumen del modelo - periodo 2017 Modelo R R cuadrado R cuadrado ajustado 1 ,743a ,552 ,379 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0100316

30 Predictores: Periodo medio de pago, rotación de activo fijo, rotación de ventas, rotación de cartera, periodo medio de cobranza.

Tabla 27.

Anova - periodo 2017 Suma de Modelo cuadrados Gl Media cuadrática 1 Regresión ,002 5 ,000 Residuo ,001 13 ,000 Total ,003 18 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

F 3,198

Sig. ,042b

Según los resultados evidenciados, el modelo global es significativo, no obstante, se puede considerar que para este periodo la relación de las variables independientes y la variable dependiente no es sustancial, esto se corrobora con la identificación de la prueba de Fisher (3,198) Tabla 28.

Coeficientes variables independientes - periodo 2017 Coeficientes no

Coeficientes

95,0% intervalo de

estandarizados

estandarizados

confianza para B

Error Modelo 1

B

estándar

(Constante)

-,013

,039

RC

-,001

,006

RAF

-,002

RV PMC

Beta

t

Sig.

Límite

Límite

inferior

superior

-,342

,738

-,097

,070

-,045

-,162

,874

-,013

,012

,002

-,244

-1,034

,320

-,008

,003

,048

,020

,590

2,359

,035

,004

,092

,000

,000

,410

1,464

,167

,000

,001

PMP -2,466E-5 ,000 -,121 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

-,549

,593

,000

,000

Como se puede observar la variable independiente significativa es rotación de ventas, por cuanto se procede a establecer el modelo específicamente para esta variable, con el propósito de conocer por medio del coeficiente de determinación su nivel de incidencia en la rentabilidad.

Tabla 29.

Resumen del modelo – Rotación de ventas - periodo 2017 Modelo R R cuadrado R cuadrado ajustado a 1 ,641 ,412 ,377 A. Predictores: (constante), Rotación de ventas Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0100495

31 Tabla 30.

Anova - Rotación de ventas - periodo 2017 Suma de Modelo cuadrados Gl Media cuadrática 1 Regresión ,001 1 ,001 Residuo ,002 17 ,000 Total ,003 18 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

F 11,888

Sig. ,003b

Tabla 31.

Coeficientes - Rotación de ventas - periodo 2017 Coeficientes no Coeficientes estandarizados estandarizados Error Modelo B estándar Beta 1 (Constante) -,001 ,014 Rotación de ventas ,052 ,015 ,641 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

t -,049 3,448

Sig. ,962 ,003

95,0% intervalo de confianza para B Límite Límite inferior superior -,031 ,030 ,020 ,084

Según la prueba de Fisher la variable independiente Rotación de ventas tiene una relación considerable con la rentabilidad del activo. La rotación de ventas para el periodo 2017 explica en un 41,2% a la variable dependiente rentabilidad del activo. e)

Periodo 2018 Para el análisis del periodo 2018 se procedió a eliminar los casos C30 (fabricación de

otros tipos de equipos de transporte) y C33 (reparación e instalación de maquinaria y equipo) por falta de datos. El coeficiente de Pearson establece un nivel de asociación bajo – moderado con de los indicadores Rotación de activo fijo y Periodo medio de cobranza con la Rentabilidad del activo. (Visualizar Anexo 1) Tabla 32.

Resumen del modelo - periodo 2018 Modelo R R cuadrado R cuadrado ajustado 1 ,727a ,528 ,331 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0166858

El modelo se establece en función a los siguientes predictores: periodo medio de pago, rotación de activo fijo, rotación de cartera, periodo medio de cobranza, rotación de ventas.

Tabla 33.

Anova - periodo 2018 Modelo 1

Regresión

Suma de cuadrados ,004

Media cuadrática

gl 5

,001

F 2,683

Sig. ,075b

32 Residuo ,003 12 Total ,007 17 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

,000

Según los resultados establecidos el modelo global para el periodo 2018 no es significativo, por cuanto se procederá al análisis de la variable de mayor proximidad a la significancia, de acuerdo a al análisis de coeficientes: Tabla 34.

Coeficientes variables independientes - periodo 2018 Coeficientes no Coeficientes estandarizados estandarizados Error Modelo B estándar Beta 1 (Constante) -,020 ,038 RC ,005 ,013 ,129 RAF ,019 ,010 ,673 RV -,058 ,055 -,396 PMC ,001 ,000 ,423 PMP 3,853E,000 ,118 5 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

T -,532 ,390 1,972 -1,050 1,399 ,503

Sig. ,605 ,704 ,072 ,314 ,187 ,624

95.0% intervalo de confianza para B Límite Límite inferior superior -,104 ,063 -,024 ,035 -,002 ,041 -,178 ,062 ,000 ,002 ,000 ,000

Como se puede observar la variable que mayor aproximación tiene al nivel de significancia es la Rotación de Activo Fijo, por cuanto se procede a establecer específicamente para dicha variable, con el propósito de identificar si el coeficiente de determinación (R Cuadrado) es fehaciente.

Tabla 35.

Resumen del modelo – Rotación de activo fijo - periodo 2018 Modelo R R cuadrado R cuadrado ajustado 1 ,622a ,387 ,349 A. Predictores: (constante), Rotación de activo fijo B. Variable dependiente: Rentabilidad neta del activo Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Error estándar de la estimación ,0164648

Tabla 36.

Anova - Rotación de activo fijo - periodo 2018 Suma de Media cuadrados Gl cuadrática Regresión ,003 1 ,003 Residuo ,004 16 ,000 Total ,007 17 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24 Modelo 1

F 10,101

Sig. ,006b

33 Tabla 37.

Coeficientes - Rotación de activo fijo - periodo 2018 Coeficientes no Coeficientes estandarizados estandarizados Error Modelo B estándar Beta 1 (Constante) -,010 ,012 RAF ,018 ,006 ,622 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

t -,848 3,178

Sig. ,409 ,006

95.0% intervalo de confianza para B Límite Límite inferior superior -,035 ,015 ,006 ,030

El coeficiente R Cuadrado es bajo en relación a lo esperado, no obstante, se podría establecer que la variable independiente (Rotación de Activo Fijo) explica a la variable dependiente (Rentabilidad del Activo) en un 38,7%.

4.3.2 Resumen de resultados a)

Matriz general de resultados por año (R Cuadrado – Anova) Modelo Global

Tabla 38.

Matriz general de resultados por año (R Cuadrado – Anova) AÑO

R cuadrado

Anova F

Sig 2014 0,592 5,078 0,01 2015 0,754 8,593 0,001 2016 0,619 4,882 0,014 2017 0,552 3,198 0,042 2018 0,528 2,683 0,075 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Interpretación El modelo global es significativo El modelo global es significativo El modelo global es significativo El modelo global es significativo El modelo global no es significativo

El análisis longitudinal se establece que los modelos son significativos para los periodos 2014, 2015, 2016, 2017, lo que significa que existe relación entre los indicadores de capital de trabajo y rentabilidad. Sin embargo en el periodo 2018 el modelo no es significativo.

b)

Matriz específica de resultados anuales por variables de estudio

Tabla 39.

Matriz de resultados por variable de Rotación de Activo F- Rotación de Ventas (R Cuadrado – Anova) Rotación de Activo F

AÑO

R²

Anova

R² Sig. F 2014 No es significativa 2015 No es significativa 0,75 2016 No es significativa 0,61 2017 No es significativa 0,412 2018 0,387 10,101 0,006 Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Rotación de Ventas

Anova Sig. F No es significativa 25,453 0,000 23,428 0,000 11,888 0,003 No es significativa

34 Tabla 40.

Matriz de resultados por variable del Periodo Medio Cobranza - Periodo Medio Pago (R Cuadrado – Anova) Periodo Medio Cobranza

AÑO

Periodo Medio Pago

Anova

R²

R² Sig. F 2014 0,517 18,189 0,001 2015 No es significativa 0,519 2016 No es significativa 2017 No es significativa 2018 No es significativa Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Anova Sig. F No es significativa 19,418 0,000 No es significativa No es significativa No es significativa

La variable independiente que mayor incidencia genera en la rentabilidad del activo es la rotación de ventas, puesto que su significancia se replica en tres años consecutivos (2015, 2016, 2017).

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 2014 Rotación de Activo F

2015 Rotación de Ventas

2016

2017

Periodo Medio Cobranza

2018 Periodo Medio Pago

Figura 1. Tendencia de R Cuadrado por variables significativas en periodo anual Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

35

5.

DISCUSIÓN

El análisis de la gestión de capital de trabajo hace referencia directa al estudio de diversos indicadores en el ámbito de las finanzas, Según Gitman (2012) estos índices miden la eficiencia con la que opera una empresa en una variedad de dimensiones de estudio. Con base a dicho contexto los resultados generados en función a la indagación efectuada al sector manufacturero ecuatoriano, establece que en los años 2014, 2015 y 2017 en promedio se genera una mayor eficiencia en la gestión de capital de trabajo, puesto que los indicadores son más fehacientes en esos periodos, esta tendencia es más evidente en los indicadores de rotación de ventas, no obstante a pesar de ser un indicador de gran importancia, el análisis refleja que los volúmenes de ventas son bajos en relación a la utilización de los activos totales, denotando una baja efectividad de la administración.

Es importante destacar que los periodos medios de cobranza son inferiores a los periodos medios de pago. Estos resultados son favorables para el sector, puesto que se dispone rápidamente de liquidez, no obstante Gitman (2012) establece que al incrementar la liquidez el nivel de rentabilidad tiende a disminuir, atribuyendo esta tendencia al alto costo de capital invertido.

En el año 2017 en el sector manufacturero se identifica un mayor nivel de rentabilidad del activo (0,0498) en relación a los otros periodos analizados, al referenciar y contrastar este resultado con los factores promediales obtenidos del estudio descriptivo de los indicadores de gestión de capital de trabajo, se visualiza que el periodo 2017 se destaca por disponer de una rotación de activo fijo muy superior (3,97) por cuanto se supone existió un mejor aprovechamiento del activo fijo para obtener ingresos. El periodo medio de pago fue sumamente alto (329 Días) en comparación con los otros años estudiados. Esta extensión superlativa en los pazos para devengar las obligaciones con proveedores se direcciona a un incremento de la liquidez aunque eso no signifique mayor rentabilidad (ROA). Se recalca además que los resultados establecen parámetros de rentabilidad del Activo bajos en relación a lo recomendable (˃5%).

El análisis de correlación por periodos con respecto a los indicadores de gestión de capital de trabajo y la rentabilidad del activo no identifican niveles de asociación importantes o tendencias constantes, sin embargo se evidencia en los periodos 2016 -2017 una relación moderada directa entre la rotación de ventas y la rentabilidad del activo. Este resultado es

36 aceptable debido a que la rotación de ventas determina la eficiencia directiva, por consiguiente se direcciona al incremento de la rentabilidad.

La aplicación de regresión múltiple en el estudio longitudinal estableció que los modelos globales son significativos para los periodos 2014, 2015, 2016, 2017, esto implica que el nivel de gestión de los indicadores de capital de trabajo incide en la rentabilidad del activo.

Estos hallazgos se alinean a los postulados de diversos estudios en el ámbito financieros tales como los expuestos por Garcìa , Martinez & Fernandez (2018), Cuenca (2018) y Duran (2011), en donde se estipula la importancia de la gestión de capital de trabajo en la rentabilidad a nivel empresarial.

Sin embargo en el periodo 2018 no se obtuvo significancia general, por cuanto no se encontró evidencia suficiente para establecer que en ese año la gestión de capital de trabajo afectó la Rentabilidad del activo de manera global. Esta tendencia no esperada podría suponer una ínfima variación de los datos estudiados, por cuanto no se determina con claridad la fluctuación de la rentabilidad del activo con respecto a la fluctuación del conjunto de variables predictoras (Indicadores de capital de Trabajo). Sin embargo mediante el análisis de coeficientes se identificó el indicador de Rotación de Activo Fijo como predictor significativo para la rentabilidad del activo en dicho año.

Mediante la aplicación específica del modelo para las variables predictores de mayor significancia, se identificó que la gestión de la rotación de ventas incide en la rentabilidad del activo en tres años continuos (2015, 2016, 2017), Por cuanto se puede inferir que para generar un nivel aceptable de rentabilidad del activo los administradores de las empresas del sector manufacturero ecuatoriano deben potenciar el aprovechamiento de los activos totales disponibles para incrementar el volumen de ventas, generando eficiencia en la dirección del negocio. La estrategia fundamental debe estar direccionada a la gestión de rotación de ventas, por cuanto es factible propender a una disminución de los activos corrientes mediante la optimización de la gestión de inventarios, y así incrementar la rentabilidad, esta iniciativa es viable y está anclada a los postulados financieros: (Mayor Liquidez menor rentabilidad – Menor liquidez mayor rentabilidad), además se recalca que estas empresas requieren de altos niveles de stock, por consiguiente disminuir los inventarios incrementando a la par el volumen de ventas es fundamental para obtener mayor rentabilidad. De igual manera es pertinente la inducción al mercado internacional, la diversificación de proveedores y la inserción de la tecnología en los procesos productivos.

37

6.

CONCLUSIONES Y RECOMENDACIONES

6.1 Conclusiones El sector manufacturero ecuatoriano tiene un alto nivel de representatividad en el ámbito de la producción nacional y desarrollo económico del país. El estudio se focaliza en el análisis de los principales indicadores de gestión de capital de trabajo y rentabilidad del activo, establecidos por la superintendencia de Compañías. Con base a lo expuesto se identifica un buen manejo de los periodos medios de cobranza y pagos. De igual manera se visualiza que en los años 2014, 2015 y 2017 en promedio se genera una mayor eficiencia en la gestión de capital de trabajo (Rotación De Cartera, Rotación De Activo Fijo, Rotación De Ventas, Periodo Medio De Cobranzas y Periodo Medio De Pago). No obstante es importante recalcar que la Rotación de ventas en el análisis longitudinal representa el indicador con los resultados más bajos.

Mediante el análisis de medias se identifican niveles bajos de Rentabilidad del activo de los subsectores del sector manufacturero por año. El año 2017 se conjetura como un periodo de mayor de rentabilidad del activo (0,0498), en contraste con el total de los años estudiados.

Los subsectores con mayor rentabilidad corresponde a la fabricación de vehículos automotores remolques y semirremolques (C29). Y reparación e instalación de maquinaria y equipo. (C33) con una media similar de 0,0406 y 0,0473 respectivamente.

Para determinar el nivel de incidencia de la gestión de capital de trabajo en la rentabilidad del activo se aplicó un modelo de regresión lineal múltiple, considerando a los indicadores de gestión de capital de trabajo como los predictores independientes y la rentabilidad del activo como la variable dependiente. Los resultados establecen la significancia del modelo global para los periodos 2014, 2015, 2016, 2017, esta tendencia explica que la fluctuación de los indicadores de gestión de capital de trabajo afecta la rentabilidad del activo en las empresas del sector manufacturero ecuatoriano. No obstante en el año 2018 el modelo global no es significativo. La inducción de coeficientes y la aplicación del modelo estadístico por predictores de mayor significancia permitió identificar que la variable independiente (Predictor) que mayor incidencia genera en la rentabilidad del activo es la rotación de ventas, puesto que su significancia se replica en tres años consecutivos (2015, 2016, 2017), sobreponiéndose con un alto factor numérico en la prueba de Fisher.

38

6.2 Recomendaciones Se propone que las empresas del sector manufacturero ecuatoriano incorporen mecanismos tecnológicos emergentes para la construcción, control y evaluación de los diferentes indicadores de gestión de capital de trabajo. Se debe direccionar esfuerzos en potenciar la eficiencia de la rotación de cartera y rotación de ventas.

Establecer proyecciones técnicas sobre las tendencias de rentabilidad en las empresas del sector manufacturero ecuatoriano, generando un estudio sobre sus fluctuaciones, con el propósito de anticipar correctivos estratégicos direccionados a la maximización de beneficios.

Lograr la efectividad en la utilización de los activos para lograr un mayor nivel de ganancias (ROA), esto se puede viabilizar mediante la inserción de nuevos mercados en el contexto internacional con el propósito de generar un mayor nivel de ventas, establecer controles fehacientes en el tratamiento de los inventarios (Activos corrientes), minimizar costos mediante la diversificación de proveedores, fortalecer el desarrollo tecnológico en los procesos de fabricación para generar eficiencia en la producción.

Los administradores financieros deben instaurar como estrategia la aplicación de modelos estadísticos direccionados a identificar los indicadores de gestión de capital de trabajo que deben ser potenciados para lograr una mayor eficiencia y rentabilidad en los periodos operativos. Esta perspectiva supone generar una mayor efectividad en el proceso de diseño de estrategias en el ámbito del capital de trabajo y rentabilidad del activo.

39

7.

REFERENCIAS BIBLIOGRÁFICAS

Abad. (2011). El precio: clave de la rentabilidad. Bogotá: Planeta.

Abreu, M. (2009). El capital de trabajo de las empresas que cotizan en la bolsa mexicana de valores. Comercio Exterior, 193-2010.

Aguilar. (2013). Análisis de la evolución del sector manufacturero 1990-2008. Quito: Gráficas V&M. Aguilar, T. S. (2017). Importancia de la administración eficiente del capital de trabajo en las Pymes. Ciencia, 30-39.

Angulo, B. (2014). Estaregias de invesión de capital de trabajo aplicadas por las micro, pequeñas y medianas empresas colombianas de comercio textil en el municipio de Maicao. Dimensión Empresarial, 69-82.

Benavente, J. (2005). Investigación y desarrollo, innovación y productividad: un análisis econométrico. Chile: Estudios de Economía Universidad de Chile.

Block, D. (2013). Fundamentos de Administración Financiera. McGrawHill. : McGrawHill. .

CEPAL. (2012). Cambio estructural para la igualdad: Una visión integrada del desarrollo. .

Santiago:

Naciones

Unidas.

Obtenido

de

https://www.cepal.org/pses34/noticias/documentosdetrabajo/4/47424/2012-ses-34cambio_estructural.pdf Compañias,

S.

d.

(2020).

Tabla

de

indicadores.

Quito.

Obtenido

http://reporteria.supercias.gob.ec/portal/samples/images/docs/tabla_indicadores.pdf

de

40 Contreras, D. (2015). Estructura financiera y rentabilidad: origen, teorías y definiciones.

Revista Valor Contable, 35-44.

Córdova. (2007). Gerencia Financiera Empresarial. Bogotá: Ecoe Ediciones.

Córdova, M. (2013). Gestión Financiera. Bogotá: Ecoe Ediciones.

Cuenca, R. C. (2018). La gestión de capital de trabajo y su efecto en la rentabilidad de las empresas constructoras del Ecuador. X-Pedientes Económicos, 28-45.

Duran. (2011). Administración de capital de trabajo: Una herramienta financiera para la gerencia de las PYMES tradicionales Venezolanas. Visión Gerencial, 37-56.

Eslava, J. (2010). Las claves del análisis económico- financiero de la empresa. Madrid: ESIC. Espinoza, C. (2007). Políticas de capital de trabajo y su influencia en el riezgo y la rentabilidad. Cuba: Universidad de Matanzas.

Faxas del Toro, A. (2011). El Análisis Financiero del Capital de trabajo en la empresa.

México: Observatorio de la Economía Latinoamericana.

Garcìa , O., Martinez , G., & Fernandez , G. (2018). Mercado de renta variable: Análisis de tìtulos.

Madrid:

Paraninfo

S.A.

books.google.com.ec/books?id=o_5KDwAAQBAJ&dq=es&hl=es&source=gbs.

Gitman, L. J. (2012). Principios de administración financiera. México: Pearson Educacion.

Gonzales, Q. (2012). Planeación Financiera de la Empresa. Loja.

Hamid, A. H. (2017). Relationship between working capital management and profitability.

Management , 1-12.

41 Horma, G., & Osorio. (2009). Análisis de mercado del sector industrias manufactureras en base a CIIU 3 bajo un enfoque de concentración económica en el período 2000-2008 en el Ecuador. Revista Politécnica, 230–243.

Jimenez, R. O. (2013). La importancia del ciclo de caja y cálculo de capital de trabajo. Clio America, 48-63.

Lawrence , J., & Michael, D. (2005). FUNDAMENTOS DE INVERSIÓN. Madrid: Pearson.

Lizcano. (2004). Rentabilidad empresarial, propuesta práctica de analisis y evalación .

Madrid: Cámaras de Comercio. Servicios de Estudios.

Miller. (2014). Administración de capital de trabajo, liquidez y rentabilidad en el sector textil de Cúcúta, periodo 2008 - 2011. Respuestas , 86-98.

Morlás, C. (18 de 07 de 2015). ¿Continuará siendo rentable el negocio bancario privado en el Ecuador? Obtenido de ¿Continuará siendo rentable el negocio bancario privado en el Ecuador?: https://ideas.repec.org/a/erv/observ/y2015i20718.html Navarro, C. L. (2018). Perspectivas de la administración financiera de capital de trabajo como instrumento necesario para la evolución de las PyMes. Espacios, 14-24.

Pineda, E., & de Alvarado, E. (2008). Metodología de la investigación.

Porlles, Q. C. (2013). Pronostico Financiero: Metodos rapidos de estimulación del fondo de maniobra o capital de trabajo. Red de revistas científicas para América Latina.

Industrial Data, 29-36.

Redondo, R., & Arias, J. (2013). Teoría de la finanaciación. Madrid: Universidad Nacional de Educación a distancia.

42 Rizzo. (2007). El capital de trabajo neto y el valor de las empresas: La importancia de la recomposición del capital de trabajo neto en las empresas que atraviesan o han atravesado crísis financieras. Escuela de Administración de negocios, 103-121.

Ross, W. J. (2012). Finanzas Corporativas. México: McGraw-Hill.

Rotstein, F. E. (2004). La administración eficiente del capital como instrumento para detectar y prevenir fracasos financieros. Escritos Contables, 63-84.

Sampieri. (2014). Metodología de la investigación. México: McGraw - Hill.

Saucedo, H. (2019). Auditoría Financiera de Capital de Trabajo en Pymes. México: Instituto México de Contadores Públicos.

Senplades. (2017). Toda una Vida. Plan Nacional de Desarrollo 2017 - 2021. Quito.

Soriano, C. (2010). Introducción a la contabilidad y las finanzas: Incluye ejemplos y.

Barcelona: Profit Editorial.

Superintendencia de Compañías, V. y. (2018). Panorama de la Industria Manufacturera en el Ecuador 2013 - 2017. Quito: DIRECCIÓN NACIONAL DE INVESTIGACIÓN Y ESTUDIOS.

Obtenido

de

https://investigacionyestudios.supercias.gob.ec/wp-

content/uploads/2018/09/Panorama-de-la-Industria-Manufacturera-en-el-Ecuador2013-2017.pdf Superintendencia de Compañías, V. y. (2020). La eficiencia en las empresas manufactureras del Ecuador 2013 - 2018. Quito: DIRECCIÓN NACIONAL DE INVESTIGACIÓN Y ESTUDIOS.

43 Van Horne, J., & Wachowicz, J. (2010). Fundamento de la administración financiera. México: Prentice Hall.

Vera, M. M. (2013). Acceso a la información Pymes. Innovar, 149-160.

Zamora. (2008). Rentabilidad y Ventaja Comparativa: Un Análisis de los Sistemas de Producción de Guayaba en el Estado de Michoacán. México: Universidad Michoacana de San Nicolás de Hidalgo.

44

8.

ANEXOS

Anexo 8.1. Coeficientes de correlación de Pearson por año Correlaciones entre variables - periodo 2014 RC RC RAF RV PMC ROA

Pearson Sig. (bilateral) Pearson Sig. (bilateral) Pearson Sig. (bilateral) Pearson Sig. (bilateral) Pearson Sig. (bilateral) N

RAF ,042 ,863 1

1 ,042 ,863 ,367 ,122 -,036 ,885 -,545* ,016 19

RV ,367 ,122 ,625** ,004 1

,625** ,004 ,009 ,971 ,024 ,923 19

PMC -,036 ,885 ,009 ,971 -,251 ,300 1

-,251 ,300 ,157 ,521 19

ROA -,545* ,016 ,024 ,923 ,157 ,521 ,104 ,673 1

,104 ,673 19

19

Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Correlaciones entre variables - periodo 2015 RC RAF Correlación de Pearson 1 ,384 Sig. (bilateral) ,095 N 20 20 RAF Correlación de Pearson ,384 1 Sig. (bilateral) ,095 N 20 20 RV Correlación de Pearson ,524* ,614** Sig. (bilateral) ,018 ,004 N 20 20 PMC Correlación de Pearson -,054 -,064 Sig. (bilateral) ,822 ,787 N 20 20 PMP Correlación de Pearson -,052 -,231 Sig. (bilateral) ,826 ,326 N 20 20 ROA Correlación de Pearson ,204 ,090 Sig. (bilateral) ,388 ,707 N 20 20 *. La correlación es significativa en el nivel 0,05 (2 colas). **. La correlación es significativa en el nivel 0,01 (2 colas).

RC

RV ,524* ,018 20 ,614** ,004 20 1 20 -,375 ,104 20 -,571** ,009 20 -,017 ,943 20

PMC -,054 ,822 20 -,064 ,787 20 -,375 ,104 20 1 20 ,853** ,000 20 ,681** ,001 20

PMP -,052 ,826 20 -,231 ,326 20 -,571** ,009 20 ,853** ,000 20 1 20 ,720** ,000 20

ROA ,204 ,388 20 ,090 ,707 20 -,017 ,943 20 ,681** ,001 20 ,720** ,000 20 1 20

Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Correlaciones entre variables - periodo 2016 RC RC

RAF

RV

Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N

1 17 ,698** ,002 17 ,470 ,057 17

RAF ,698** ,002 17 1 17 ,624** ,007 17

RV ,470 ,057 17 ,624** ,007 17 1 17

PMC ,423 ,090 17 ,428 ,086 17 ,433 ,083 17

ROA ,443 ,075 17 ,548* ,023 17 ,781** ,000 17

45 PMC

Correlación ,423 Sig. (bilateral) ,090 N 17 ROA Correlación ,443 Sig. (bilateral) ,075 N 17 **. La correlación es significativa en el nivel 0,01 (2 colas). *. La correlación es significativa en el nivel 0,05 (2 colas).

,428 ,086 17 ,548* ,023 17

,433 ,083 17 ,781** ,000 17

1

,391 ,121 17 1

17 ,391 ,121 17

17

Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Correlaciones entre variables - periodo 2017 RC RAF RV Correlación 1 -,375 ,162 Sig. (bilateral) ,114 ,508 N 19 19 19 RAF Correlación -,375 1 ,377 Sig. (bilateral) ,114 ,112 N 19 19 19 RV Correlación ,162 ,377 1 Sig. (bilateral) ,508 ,112 N 19 19 19 PMC Correlación -,586** ,355 ,283 Sig. (bilateral) ,008 ,136 ,240 N 19 19 19 PMP Correlación -,239 -,211 -,289 Sig. (bilateral) ,325 ,386 ,231 N 19 19 19 ROA Correlación -,070 ,166 ,641** Sig. (bilateral) ,777 ,496 ,003 N 19 19 19 **. La correlación es significativa en el nivel 0,01 (2 colas). *. La correlación es significativa en el nivel 0,05 (2 colas).

RC

PMC -,586** ,008 19 ,355 ,136 19 ,283 ,240 19 1 19 ,291 ,226 19 ,482* ,037 19

PMP -,239 ,325 19 -,211 ,386 19 -,289 ,231 19 ,291 ,226 19 1 19 -,109 ,657 19

ROA -,070 ,777 19 ,166 ,496 19 ,641** ,003 19 ,482* ,037 19 -,109 ,657 19 1 19

Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

Correlaciones entre variables - periodo 2018 RC RC

RAF

RV

PMC

PMP

ROA

Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N Correlación Sig. (bilateral) N

1 18 -,343 ,163 18 ,187 ,457 18 -,340 ,167 18 ,370 ,131 18 -,277 ,266 18

RAF -,343 ,163 18 1 18 ,651** ,003 18 ,599** ,009 18 -,020 ,937 18 ,622** ,006 18

RV ,187 ,457 18 ,651** ,003 18 1 18 ,547* ,019 18 ,061 ,811 18 ,304 ,219 18

Fuente: Resultados obtenidos - Procesamiento SPSS - Versión 24

PMC -,340 ,167 18 ,599** ,009 18 ,547* ,019 18 1 18 ,110 ,664 18 ,579* ,012 18

PMP ,370 ,131 18 -,020 ,937 18 ,061 ,811 18 ,110 ,664 18 1 18 ,175 ,488 18

ROA -,277 ,266 18 ,622** ,006 18 ,304 ,219 18 ,579* ,012 18 ,175 ,488 18 1 18