REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Modelización financiera aplicada en empresas del sector

manufacturero en la ciudad de Santo Domingo de los Tsáchilas,

Ecuador

Mikel Ugando Peñate*

Antonio Villalón Peñate **

Ángel Ramon Sabando García ***

Doris Maria Celi Pinza ****

Félix Sixto Pilay Toala *****

Alba del Pilar Racines Cabrera ******

RESUMEN

La presente investigación tiene como objetivo dar a conocer las diversas herramientas de planeación y

modelación financiera aplicada en el contexto de las pymes para la determinación de necesidades de

financiamiento externo, niveles de activos y realizar predicciones financieras mediante el empleo de los

estados financieros, volúmenes de ventas, y razones financieras. La investigación desarrollada en la empresa

Reciplacom S.A durante el periodo 2016-2019 tuvo como criterio establecer una política estructurada para la

realización de una planeación eficiente y la optimización de recursos mediante el empleo de un enfoque mixto.

Para el análisis matemático, estadístico y gráfico se utilizaron las aplicaciones informáticas Microsoft® Excel

(

2019), y SPSS versión 21. Se realizó la aplicación de la regresión lineal múltiple utilizando las herramientas

estadísticas de Kolmogoro-Smirnov y la autocorrelación de residuos de Durbin Watson lo que permitió

determinar los porcentajes de proyección de estados financieros, niveles de activos y excesos de financiamiento

externo. Las predicciones se ajustan mejor al modelo ARIMA (0,0,0) (0,0,0). Para concluir, se puede evidenciar

que las técnicas de planeación y modelación financiera aplicada ayudan a determinar la salud financiera de la

empresa a largo plazo, brindando parámetros eficientes en cuanto a la determinación de los fondos externos

requeridos.

PALABRAS CLAVE: Planificación; financiación; política financiera; inversión; datos estadísticos.

*Profesor de la Pontificia Universidad Católica del Ecuador, Sede Santo Domingo, Ecuador, PUCESD. Director del

Proyecto de Investig ación Grupo Finnovaplan, PUCESD. ORCID: https://orcid.org/0000-0002-3021-0717 . E-mail:

upm@pucesd.edu.ec, ugando75@gmail.com

*

* Miembro del Proyecto de Investigación Grupo Finnovaplan, Pontificia Universidad Católica del Ecuador, Sede Santo

Domingo, Ecuador. ORCID: https://orcid.org/0000-0002-5746-1145 . E-mail: avillalonp@pucesd.edu.ec,

antoniovillalon1987@gmail.com

*** Profesor de la Pontificia Universidad Católica del Ecuador, Sede Santo Domingo, Ecuador, PUCESD. Miembro del

Proyecto de Investigación Grupo Finnovaplan, PUCESD. ORCID: https://orcid.org/0000-0003-2696-015X . E-mail:

sgar@pucesd.edu.ec

****Profesora de la Pontificia Universidad Católica del Ecuador, Sede Santo Domingo, Ecuador, PUCESD. ORCID:

https://orcid.org/0000-0002-1593-5509 . E-mail: cpdm@pucesd.edu.ec

*

**** Profesor de la Pontificia Universidad Católica del Ecuador, Sede Santo Domingo, Ecuador, PUCESD. Miembro del

Proyecto de Investigación Grupo Finnovaplan, PUCESD. ORCID: https://orcid.org/0000-0001-7376-3197 . E-mail:

ptfs@pucesd.edu.ec

****** Profesora de la Pontificia Universidad Católica del Ecuador , Sede Ibarra, Ecuador, PUCESI. ORCID:

https://orcid.org/0000-0002-9836-8836 . E-mail: adracines@pucesi.edu.ec, albadelpilar@hotmail.com

Recibido: 01/07/2021

Aceptado: 18/08/2021

8

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Financial modeling applied in companies in the manufacturing

sector in the city of Santo Domingo de los Tsáchilas, Ecuador

ABSTRACT

The present research aims to present the various financial planning and modeling tools

applied in the context of SMEs to determine external financing needs, asset levels and make

financial predictions through the use of financial statements, volumes of sales, and financial

reasons. The research carried out in the company Reciplacom S.A during the period 2016-

2019 had as a criterion to establish a structured policy for the realization of efficient planning

and the optimization of resources through the use of a mixed approach. For the

mathematical, statistical and graphic analysis, the computer applications Microsoft® Excel

(

2019), and SPSS version 21 were used. Multiple linear regression was applied using the

Kolmogoro-Smirnov statistical tools and the Durbin Watson residuals autocorrelation,

which allowed determining the projection percentages of financial statements, asset levels

and excesses of external financing. The predictions better fit the ARIMA model (0,0,0)

(

0,0,0). To conclude, it can be seen that the applied financial planning and modeling

techniques help to determine the financial health of the company in the long term, providing

efficient parameters in terms of determining the external funds required.

PALABRAS CLAVE: Planning; financing; financial policy; investment; statistical data.

Introducción

Conforme a las nuevas condiciones económicas y financieras en Ecuador, es de vital

importancia que las pequeñas y medianas empresas pongan en práctica estudios de

investigación para poder mejorar su situación financiera. De aquí parte la importancia de las

decisiones a corto y mediano plazo para el éxito de la empresa y toma de decisiones

gerenciales que influyan eficientemente en la obtención de mejores fuentes de financiamiento.

Siguiendo este modelo, se manifiestan los relatos teóricos sobre la planeación y modelación

financiera en el contexto internacional, técnicas de planeación financiera a corto plazo,

determinación de fondos externos requeridos y predicción de niveles de activos mediante la

regresión lineal múltiple.

Dentro de esta investigación se considera el financiamiento externo de la empresa para

poder tomar decisiones de inversión en función de las operaciones de negocio de la

organización, a realizarse tanto en mediano y largo plazo en el país; determinando así los

fondos requeridos en el proceso de análisis financiero de acuerdo a la modelación financiera

9

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

aplicada, que es de importancia en la administración moderna y que influirá en el transcurso

continuo administrativo de la organización.

Todo lo anteriormente descrito está fundamentado en Córdoba (2012), Domínguez

(

2011), Fernández (2010) y Gómez (2003), lo que servirá para que la empresa siga

aumentando su éxito empresarial, particularmente de acuerdo a las necesidades de

financiamiento externo, las cuales están direccionadas bajo la aplicación de la modelación

financiera aplicada que contribuye al cumplimiento eficiente de los objetivos generales, para

que se administren de mejor manera los recursos financieros de la empresa.

En la ciudad de Santo Domingo de los Tsáchilas las pequeñas y medianas empresas se

amplían conforme al desarrollo de la provincia, que cada día crece teniendo más colaboración

económica en el contexto nacional e internacional. Para que esto siga manteniéndose, las

empresas deben aplicar técnicas y herramientas que permitan prever el futuro de la

organización. Se ha tomado como objeto de estudio a la Empresa Reciplacom S.A,

identificando como problemática de investigación que, en la misma, no se han implementado

a partir de la modelación financiera aplicada, herramientas para la determinación de niveles

de activos y requerimientos financieros que incidan eficientemente en el proceso de toma de

decisiones de la empresa.

Esta investigación se justifica al poseer una estrecha relación con el eje 2, objetivo 4 del

Plan Nacional de Desarrollo 2017-2021 Toda una vida de Ecuador: Consolidar la sostenibilidad

del sistema económico social y solidario, y afianzar la dolarización. Garantizar el

funcionamiento adecuando de la sostenibilidad macroeconómica y al desarrollo del país.

Además, se encuentra direccionado con la línea de investigación de la Pontificia Universidad

Católica del Ecuador, Sede Santo Domingo ligada a la administración eficiente y eficaz de las

organizaciones para la competitividad local y global, que tributa directamente al Proyecto de

Investigación Finnovaplan de la Puce SD y al Plan de desarrollo de Ordenamiento Territorial

Santo Domingo 2015 -2030.

El objetivo general de la investigación se identifica como: La determinación de las

necesidades de financiamiento externo, niveles de activos y predicciones financieras para la

Empresa Reciplacom S.A., mediante la aplicación de técnicas y herramientas de planeación y

modelación financiera aplicada.

1

. Revisión de literatura

10

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

1

.1. Planeación y modelación financiera aplicada en el contexto internacional

Hace varios años, la modelación financiera no era muy tomada en cuenta dentro de

países, a excepción de las potencias mundiales; como lo menciona Suárez (2014: 1-2) “Estados

Unidos es el líder indiscutible en la planeación financiera y su modelación”. Aportando a esta

cita, se considera a este país un modelo que gracias a sus principios ha mantenido un sistema

a seguir que se debe ir actualizando de acuerdo con las necesidades que diariamente surgen

de las empresas, y poder mejorar su rentabilidad y su estabilidad económica.

Para entender el financiamiento en el contexto mundial se debe tener en cuenta las

causas que generan la necesidad de financiamiento, las mismas que surgen en las economías

europeas ya que por las guerras, el logro de la estabilidad financiera de ese continente exigía

estimular el desarrollo económico y social. Los estados financieros ofrecen información de

hechos pasados, son un punto de partida para el desarrollo de un plan financiero a futuro,

mediante la utilización de las finanzas y las estrategias de financiamiento.

La modelación financiera crea una guía de lo que se hará en el futuro, es un medio de

visualización sistemática del financiamiento que se requiere por parte de las empresas para,

en el caso que sea necesario, la adquisición de un activo fijo o la implementación de un nuevo

producto hacia el mercado (Ugando et al., 2019: 65-78). Es por ello que se debe elaborar una

planeación, para en base a este patrón determinar la viabilidad que tiene la empresa para su

posterior evaluación y realización del mismo (Castro, 2017: 17).

Utilizando la información de los estados financieros de años pasados se puede empezar

con el análisis, el cual revela los movimientos que se realizan en cuentas de activo y la relación

que tengan con los pasivos y el patrimonio o viceversa. Ross et al., (2012) y Van Horne (2014),

mencionan como punto de partida el análisis vertical de los estados financieros de un mismo

periodo contable; aquí se trata de encontrar la magnitud de las cifras juntamente con las

relaciones que tienen las subcuentas con el total de la cuenta principal; las cantidades

obtenidas se interpretan en porcentajes permitiendo conocer la estructura de la empresa. El

análisis horizontal se hace para ambos estados pertenecientes a varios períodos; se deben

tener en cuenta las ponderaciones de los periodos, siendo estas importantes en razón a que

generan la condición de los cambios. En las comparaciones históricas es donde se muestran

los cambios que han sufrido las diversas cuentas de activos, pasivos y patrimonio que están

11

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

definidos en porcentajes (Van Horne, 2010). Estos criterios concuerdan con los resultados de

investigación obtenidos por Ugando et al. (2021).

1

.2. Técnicas de planeación financiera a corto plazo

Mediante las proyecciones de ingresos y desembolsos futuros, la empresa puede

obtener el presupuesto de caja de varios periodos. Ross et al. (2012) exponen un modelo

general para poder realizar el pronóstico de efectivo: empezando por el pronóstico de ventas,

el cual es fundamental para las proyecciones de efectivo de la empresa; este se puede basar en

un análisis interno, externo o ambos.

Siguiendo con el modelo, el pronóstico de desembolso de efectivo se efectúa después

de realizar las proyecciones de ventas; este desembolso procede de todas las reparticiones de

efectivo que ocurren dentro de un periodo contable de la empresa, que se fluctúan

generalmente por las ventas de los productos, reflejado también en el costo de ventas, salarios

y las rotaciones de inventarios, todo este grupo de rubros son los que generan el mayor

movimiento de dinero por el relativo intercambio entre producto y efectivo. A esto se puede

adicionar los gastos de ventas por el cumplimiento de las metas que se establecen por un

determinado monto de productos vendidos.

De la misma manera hay egresos que no se toman en cuenta, como lo son: las compras

en efectivo, cuentas por pagar que han sido canceladas, dividendos, los sueldos a trabajadores

y salarios a empleados, intereses sobre los pasivos, el pago de préstamos y de bonos, etc. La

necesidad de financiamiento ocurre cuando el saldo de la caja final es menor que el saldo

mínimo de efectivo, de aquí se parte con la toma de decisiones de la empresa para poder cubrir

el déficit existente. Al contrario, si existe un excedente cuando el saldo final es mayor al

mínimo se puede usar este exceso de dinero en inversiones a corto plazo; si bien al existir

cualquiera de estas dos opciones (superávit o déficit) deberán ser debidamente ajustados

para obtener el saldo final de caja.

Tomando como referencia lo que mencionan Van Horne (2014) y Ross et al., (2014) en

sus obras, con el Estado de Resultado Pro Forma se realizan proyecciones de los resultados

que obtendrán en el futuro; dentro del estado juega un papel sumamente importante el

pronóstico de las ventas, ya que de aquí se pueden proyectar los ingresos y costos de las

actividades económico-financieras en los periodos contables.

12

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Este pronóstico es un resumen de los ingresos y egresos esperados en el futuro,

determinando el ingreso o pérdida neta. Como paso siguiente se proyectan los gastos de

ventas, administrativos y generales; estos gastos tienen estimaciones bastante precisas por el

motivo de que se generan con anticipación. Una vez determinado todos los rubros del estado

se pueden precisar los requerimientos financieros externos necesarios mediante el método

denominado balance general proyectado.

El Balance General Pro Forma es una copia íntegra del valor contable de la empresa

dentro de un período específico; el balance general está estructurado por activos, pasivos y

capital, distribuidos de manera horizontal como vertical, mostrando cómo la empresa se

financia y lo que la empresa posee. Una vez que se obtienen los estados financieros

proyectados, el encargado del departamento de finanzas puede analizar y determinar los

ajustes necesarios; por ejemplo, si las utilidades que reflejan son muy bajas se puede proceder

a ajustar los costos para reducirlos y aumentar el porcentaje de las utilidades; en el caso de

las cuentas por cobrar si estas son muy altas se puede recurrir a crear un nuevo sistema de

créditos y cobranzas donde se propongan diferentes políticas para obtener la recuperación

más rápida del dinero.

1

.2.1. Fondos Externos Requeridos (FER) y crecimiento

Ross et al. (2012: 68) mencionan que “El financiamiento externo necesario y el

crecimiento están relacionados entre sí”. Si no intervienen otros factores, mientras más alta

sea la tasa de crecimiento de ventas o activos, mayor va a ser la necesidad de financiamiento

externo. Lo primero que se debe hacer es establecer la relación entre el FER y el crecimiento.

Con esto se mantiene que, si las ventas son proyectadas, se toma en cuenta que las deudas

también aumentan, pero en el pasivo no existe una utilidad superior, determinando así el

fondo externo requerido entre un período y otro.

Es obvio que la variable financiamiento externo y la variable crecimiento van

relacionados entre sí, así como se expresó anteriormente; se entiende que cuanto más elevada

sea la tasa de crecimiento en ventas mayor será la necesidad de financiamiento, ya que para

llegar a un crecimiento financiero se debe establecer en primer lugar los estados de resultados

y el balance general proyectado, obteniendo así una idea más clara de la necesidad que tienen

las empresas.

13

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

1

.2.2. Método de la Fórmula

El método de fórmula no es solo una manera para pronosticar los requerimientos de

capital externo, sino también para llegar a conocer mediante una adecuación algebraica la

tasa de crecimiento interna de las ventas, que sería soportada tanto por las fuentes propias

de la empresa, o asignando un monto máximo de financiación.

El crecimiento de una entidad no solo se debe enfocar en la rapidez con la que esta

puede crecer sin ningún tipo de financiamiento externo, sino en la tasa de crecimiento que se

puede sostener sin emisiones adicionales de capital. Es como lo menciona en su obra Brealey,

et al. (2010: 807): “si la empresa logra captar suficiente deuda, se puede financiar

prácticamente cualquier tasa de crecimiento, pero tiene más sentido suponer que la empresa

se sujeta a una estructura de capital óptima que conservará mientras el capital se incrementa

con las utilidades retenidas”. Con esto se espera que la organización solo mantenga la deuda

suficiente para contener la razón deuda-capital.

FER = A (ΔS) - Pasivos Espontáneos (ΔS) - m x S1x (1-d)

S0

Donde:

S0

A - Activos totales

ΔS - Incremento en ventas (S1 – S0)=gS0

S0 - Ventas año base

m – Margen de utilidad sobre ventas(EAIT/S)

S1 – Ventas proyectadas (S0 (1 + g))

d – razón de distribución de dividendos

Principalmente este método se usa para obtener un pronóstico aproximado y sencillo

de los requerimientos financieros y como un complemento del método del balance general

proyectado.

1

.3. Predicción y modelación financiera a corto plazo

La modelación financiera se aplica en cualquier momento para que se lleve un mejor

manejo de la empresa. Según lo manifiestan Ross et al., (2012: 63) existe el modelo de

14

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

porcentaje de ventas: “La idea básica es separar las cuentas del estado de resultados y del

balance general en dos grupos, los que varían en forma directa con las ventas y los que no lo

hacen”.

Entonces, con esta técnica se pretende determinar un pronóstico de ventas a futuro y

cuánto de financiamiento la empresa necesita para poder apoyar al nivel de ventas esperadas.

Con esta forma se plantea desarrollar de manera rápida y práctica la aplicación de estados

financieros pro forma, dando así un mejor esquema de predicción en el área de ventas y por

ende para toda la empresa. Todo lo anterior indicado se contrasta con la investigación para

un grupo de empresas del sector manufacturero expuesto por Valladares, et al., 2021.

1

.4. Predicciones y regresión lineal múltiple

La regresión lineal se refiere a la predicción del valor de una variable a partir de una o

más variables. En este modelo estadístico se pretende identificar mencionadas variables que

son generalmente x, y. Donde y depende de x diferenciando así la variable dependiente (y) y

la independiente (x).

El análisis de regresión lineal múltiple como lo expresa en su obra Ugando et al. (2018)

“

está relacionado con el estudio de la dependencia de una variable, la variable dependiente de

una o más variables adicionales”. En este sentido, la regresión puede usarse como sentido de

predicción en una ecuación lineal donde se ven afectadas las dos variables. Con ello se puede

utilizar diagramas de dispersión y también el coeficiente de correlación r, para determinar si

existe algún tipo de relación entre dos variables.

Las estimaciones de mínimos cuadrados son funciones de los datos experimentales;

existen momentos en donde estos datos cambiarán de acuerdo con la muestra, es decir,

pueden variar de una muestra a otra. Según lo expresa (Gujarati & Porter, 2010) “se requiere

alguna medida de confiabilidad o precisión de los estimadores β1 y β2. En estadística, la

precisión de un valor estimado se mide por su error estándar (ee)”. El error mencionado es la

desviación estándar de la distribución muestral del estimador, y la distribución muestral de

un estimado es tan sólo una probabilidad o distribución de frecuencias del estimador. El error

se lo determina con la siguiente fórmula:

√

Σ푥²

휎(1)

푒푒(훽1) =

푛Σ

15

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Entonces, con esta fórmula al presentar datos estimados, se pretender encontrar la

desviación estándar de los valores de Y, que se encuentra al contorno de la línea de regresión

que se estima en el supuesto. Dentro del análisis de la regresión múltiple se ubican varias

pruebas, como lo son Prueba Fisher y R2 de Pearson. Entre ellas se encuentra una relación

precisa en el análisis de la varianza. El coeficiente de determinación R2, que se define como

la proporción de la varianza total de la variable explicada por la regresión, en donde, cuanto

más cerca este el resultado de 1, mayor será el ajuste del modelo a la variable de estudio. Por

otra parte, la prueba de Fisher resuelve mediante el proceso de los modelos de regresión, los

cuales restringe uno o más coeficientes de regresión. Estos análisis serán realizados de

acuerdo a los criterios expuestos por: Rubio (2017), Sabando et al., (2020) y Ugando et al.,

(

2019).

2. Materiales y métodos

En esta investigación se empleó un enfoque mixto, cuantitativo y cualitativo,

siguiendo los criterios de Hernández, et al., (2014). Se utilizaron los estados financieros de la

empresa y la información proporcionada por la gerencia de la misma y sus funcionarios.

Teniendo en cuenta un tipo de investigación histórica y descriptiva para un periodo de

tiempo de 4 años. Además, con un diseño de investigación acción que sustenta los hechos

pasados para poder dar solución al problema de investigación.

La población estuvo conformada por la gerencia y el departamento de contabilidad de

la empresa Reciplacom S.A, considerando todos los estados financieros para los periodos

2016-2019, así como la información económica financiera que sea susceptible de utilizar. La

muestra estuvo determinada por toda la información económica financiera y los Estados

Financieros, en la cual se aplicaron las técnicas de planeación y modelación financiera para la

determinación de niveles de activos, las necesidades de financiamiento externo y previsiones

financieras con vista a proyecciones de ventas a mediano y largo plazo.

Una de las técnicas para la recogida de datos que se vio conveniente utilizar fue la

entrevista, ya que se tiene un contacto directo con las personas que se consideran fuente de

información, en este caso el gerente y el departamento de contabilidad. Para poder acceder a

la información necesaria se procedió a realizar grupos de preguntas para obtener información

acerca de la empresa y las percepciones que tiene el departamento económico y la contadora,

16

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

de acuerdo a la aplicación de técnicas y herramientas de planeación y modelación financiera

aplicada, todo esto corresponde a una información de tipo cualitativa.

La obtención de información de carácter cuantitativo que corresponde a los datos

numéricos, como el empleo de los estados financieros de la empresa durante el periodo 2016-

2019, sirvieron para aplicar las técnicas y herramientas de planeación y modelación financiera.

Además, se emplearon las técnicas estadísticas y de análisis matemático a partir del uso de

las aplicaciones informáticas Microsoft® Excel (2019), y SPSS versión 21.

3. Resultados

3.1. Diagnóstico de la situación financiera a corto plazo de la Empresa Reciplacom

S.A para el período 2016-2019

Reciplacom S.A. es una empresa ecuatoriana, con sede principal en Guayaquil. Opera

en tratamiento y eliminación de residuos industriales. Fue fundada el 24 de noviembre de

2014; está ubicada en Av. De los Colonos, S/N Intersección: By Pass Santo Domingo de los

Tsáchilas y su actividad principal es la venta al por mayor de desperdicios, desechos y

materiales de reciclamiento. Entre sus principales clientes podemos destacar: Repapers

Reciclaje del Ecuador S.A. (mayor porcentaje de ventas, 65%), Industrial Papelera

Ecuatoriana S.A., Acería del Ecuador C.A., Acerías Nacionales del Ecuador S.A., Ecoresa

Ecología Reciclable S.A., Intercia S.A. y Productos Familia Sancela del Ecuador S.A. El

diagnóstico de la situación financiera de la empresa se presentó a través del compendio de los

criterios expuestos por varios autores, tales como: Rodríguez (2012), Salvá (2014) y Pereira

(

2012), donde se procedió al examen de la información obtenida para el periodo 2016-2019.

3.2 Determinación de las necesidades de financiamiento externo y activos

corrientes a partir de las técnicas y herramientas de planeación financiera

Utilizando los pronósticos para datos estacionarios con el fin de estimar el valor medio

de datos históricos, se tomaron en cuenta las ventas del periodo 2016-2019 obteniendo un

promedio de crecimiento del 10%. Debido a la estacionalidad y tendencia de las ventas, la

relación existente con el efectivo y equivalentes de efectivo, cuentas y documentos por cobrar,

y cuentas por pagar, junto con la aplicación de la regresión lineal múltiple y ayuda del modelo

17

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

estadístico de ARIMA, se determinó un valor de proyección del 7% de crecimiento pesimista

y un 13% de proyección optimista (Constanza et al., 2012).

Con los resultados arrojados por la regresión lineal múltiple se pudieron establecer las

proyecciones de los estados financieros para el año 2020, teniendo en cuenta 2 escenarios del

7

% y 13%, siguiendo los criterios de Ugando et al. (2019). Estos valores se tomaron en cuenta

para determinar los valores de activos corrientes proyectados, teniendo en cuenta un valor de

192.831,90 al 7% y de $203.644,90 al 13% de acuerdo con los datos históricos de las ventas,

$

cuentas por cobrar, cuentas por pagar, efectivo y equivalentes, afectando a los grupos de

cuentas de la partida corriente, según se muestra en la tabla 1.

Mediante la aplicación de la ecuación (Activos - Pasivos + Patrimonio), se obtuvo como

resultado para la proyección del 7% como un escenario pesimista, que los fondos externos

requeridos (FER) ascendieron a -$15,808.39; por su parte el incremento del 13% para un

escenario optimista arrojó un valor de FER, que corresponde a $-29,358.48, obteniéndose un

exceso de financiamiento para ambos casos.

Tabla 1. Estado Proforma. Resumen de situación al cierre 2019 y proyección 2020 al 7% y 13%

Cuentas

Año 2019

180216.73

62467.42

242684.15

172267.66

70416.49

49273.93

Proyección

13%

203644.90

7%

Activos

corrientes

+)Activos no

corrientes

192,831.90

62467.42

255299.32

180,950.84

90,156.87

271,107.71

(

62467.42

266112.32

188,393.57

107,077.23

295,470.80

(

=) Total

activos

(

-) Total

pasivos

(

-) Total

patrimonio

-) Total de

(

Pasivo y

Patrimonio

Total, de pasivo

y patrimonio

590,941.60

(

=) FER

Exceso de

financiamiento)

-15,808.39

-29,358.48

(

Fuente: elaboración propia a través del análisis de los Estados financieros.

18

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Método de Fórmulas para la determinación de los Fondos Externos Requeridos



Proyección del 7%

퐴(∆푆) 푃푎푠푖푣표푠 퐸푠푝표푛푡á푛푒표푠 (∆푆)

푭푬푹 =

−

− 푚푥푆1푥(1 − 푑)

푆0

1

9ꢀ831.990(69518.16) 13ꢀ7ꢀ8.64(69518.16)

−

− 19740.38

9

93116.51

993116.51

푭푬푹 = − ퟏퟓퟓퟑퟒ. ퟓퟑ

Proyección del 13 %



퐴(∆푆) 푃푎푠푖푣표푠 퐸푠푝표푛푡á푛푒표푠 (∆푆)

푭푬푹 =

−

− 푚푥푆1푥(1 − 푑)

푆0

ꢀ

03644.90(1ꢀ9105.15) 14171.37(1ꢀ9105.15)

−

− 36660.74

9

93116.51

993116.51

푭푬푹 = − ퟐퟖퟒퟏퟎ. ퟗퟐ

3.3 Análisis de las previsiones financieras mediante la modelación financiera

aplicada y el uso de la estadística descriptiva

Al realizar las pruebas de normalidad y aleatoriedade, según el estadístico Kolmogorv

Smirnov, se tiene que el grado de significación es 0,000. No se puede probar la normalidad, se

tendría que eliminar datos extremos que están alejados de su media. Esto nos indica que las

ventas tienen una alta volatilidad, porque las ventas no siguen una distribución normal, lo

cual nos permite presenciar que en ciertas épocas del año existen incrementos de las ventas

(

según se muestra en Tabla 2 y la figura 1) de componente de factor estacional, para ingresos

por ventas. De igual forma se muestra en tabla 4 el análisis de correlaciones de Pearson de las

variables explicativas efectivo y equivalentes de efectivo, cuentas por cobrar, cuentas por

pagar en función de las ventas, donde se identifica la mayor significación del modelo con

respecto a la variable cuentas por cobrar.

19

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Tabla 2. Prueba de la normalidad y aleatoriedad residual de las ventas por efecto de lascuentas

efectivo y equivalente de efectivo, cuentas por cobrar y cuentas por pagar

Prueba de Kolmogorov-Smirnov para una

Prueba de rachas

Unstandardized

muestra

Unstandardized

Residual

48

Residual

-

_V_a_l_o_r_d_e_p_r_u_e_b_aa

N

828647,65678

Parámetros

normales

Media

Desv.

0,0000000

13069116,66921510

Casos < Valor de 24

prueba

Casos >= Valor de 24

prueba

a,b

Desviación

Absoluto

Positivo

Negativo

Máximas

diferencias

extremas

0,420

-0,300

0,420

,000^c

Casos totales

Número de rachas

Z

48

10

-4,231

0,000

Estadístico de prueba

Sig. asintótica(bilateral)

Sig.

a. La distribución de prueba es normal.

b. Se calcula a partir de datos.

asintótica(bilateral)

a. Mediana

c. Corrección de significación de Lilliefors.

Fuente: elaboración propia a través del procesamiento de información y aplicación del SPSS

versión 21.

Tabla 3. Correlación de Pearson de las variables explicativas efectivo y equivalentes de

efectivo, cuentas por cobrar, cuentas por pagar en función de las ventas

Análisis de Correlaciones de Pearson

Ingresos

Efectivo y

Cuentas y

Cuentas por

pagar

por ventas equivalente de documentos

efectivo

-0,033

por cobrar

,729**

Ingresos por

ventas

Correlación de

Pearson

1

0,033

Sig. (bilateral)

0,825

48

0,000

48

0,825

48

N

48

Efectivo y

equivalente de

efectivo

Correlación de

Pearson

Sig. (bilateral)

-0,033

1

-0,017

0,910

0,221

0,132

0,825

N

48

,729**

48

-0,017

48

1

48

-0,046

Cuentas y

documentos

por cobrar

Correlación de

Pearson

Sig. (bilateral)

N

0,000

48

0,910

48

0,759

48

Cuentas por

pagar

Correlación de

0,033

0,221

-0,046

1

Pearson

Sig. (bilateral)

N

0,825

48

0,132

48

0,759

48

**. La correlación es significativa en el nivel 0,01 (bilateral).

20

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Siguiendo el análisis se procedió a determinar el índice de tolerancia y el factor de la

inflación de las variables. Para el primer caso se identifica un índice de tolerancia superior a

0

,1 y además el factor de la inflación de la varianza (FIV) no supera el rango de 5 a 10, por lo

tanto no existe la presencia de la colinealidad y la multicolinealidad, según resultados de la

tabla 5.

De igual forma se evalúo el supuesto de la independencia de los residuos propuestos por

Durbin y Watson, arrojando un valor de 1.964, y este a la vez se ubica dentro del rango

permitido de la independencia de los residuos de 1,5 a 2,5. De esta forma, se cumple con tal

rigurosidad cada uno de los procesos de los supuestos para someter a las variables

explicativas y resultados a un modelo estadístico, que se ajusta lo más real posible al índice

de predicción.

Figura 1. Componente del Factor Estacional para el nivel de ventas

Factores estacionales

Nombre de

serie:

Ingresos por

ventas

Período

Factor

estacional

(%)

1

2

3

4

5

6

7

8

9

232,5

24,3

30,9

34,6

384,3

37,6

218,1

47,0

47,8

47,2

48,0

47,8

1

0

1

2

Fuente: elaboración propia a través del procesamiento de información y aplicación del SPSS

versión 21.

21

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Tabla 4. Modelación lineal múltiples del efectivo y equivalentes de efectivo, cuenta por

cobrar, cuenta por pagar sobre las ventas

Modelo

Coeficientes Coeficientes

t

Sig.

95,0% intervalo de

confianza

Estadísticas de

colinealidad

estandarizados

no

estandarizados

para B

Tolerancia

B

Beta

L. Inferior

L. Superior

VIF

(

Constante)

Efectivo y

-288707,6

-3,430

0,082

0,350

0,935

0,728

-7354832,16

-23,177

6777416,84

16,316

-0,037

0,951

0,998

0,950

0,051

0,002

0,053

equivalente de

efectivo

Cuentas y

documentos

por cobrar

Cuentas por

pagar

8,567

0,732

0,074

0,127

,705

0,000

0,485

6,144

10,989

53,712

13,914

25,884

Fuente: elaboración propia a través del procesamiento de información y aplicación del SPSS

versión 21.

El modelo de regresión lineal múltiple obtenido fue el siguiente: Y= -288707,660 -

3

,430X1 + 8,567X2 + 13,914X3, acompañado de una covarianza 73,30% y un coeficiente de

2

determinación ajustado R = 53,70%, tomando en consideración el análisis de las varianzas

(

ANOVA) según el Método de Fisher de F=17,01 y un nivel de significancia (p<0,001). De la

misma manera, el coeficiente tipificado Beta reportó para cada variable independente su

fuerza sobre las ventas (7,40%, 73,20% y -3,70%), siendo las cuentas por cobrar la variable

que más se destaca. Por consiguiente, lo justifica la Prueba bondad de ajuste T de student (T=

7

,127; p= 0,000) con un valor menor al 5% de significancia (p<0,05), respectivamente para este

estudio. Demostrando estas pruebas de bondades de ajuste y además que los coeficientes no

estandarizados son diferentes de cero (0), la confiabilidad de este modelo estadístico para

llevar a cabo la predicción financeira (ver tabla 5 del resumen del modelo).

3.4. Análisis de las predicciones a través del empleo del Modelo ARIMA

En referente al comportamiento de la predicción de los Ingresos por Ventas, Efectivo y

Equivalentes de Efectivo, Cuentas y Documentos por Cobrar y Cuentas por Pagar en miles de

dólares, consideradas como las variables endógenas (según se muestra en las tablas 6, 7 y 8),

se obtuvo un modelo autoregresivo integrado de media móvil ARIMA (0,0,0)(0,0,0), para los

Ingresos con sus respectivos parámetros que intervienen durante el proceso de la predicción

22

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

como: MAE (5.502.789,167), MaxAPE (1.350,499), MaxAE (104.106.303,7) y el índice de

coeficiente Bayesiano (BIC= 33,652), y a la vez autorregresivo de acuerdo la prueba de Ljung-

Box Q(18) presentó un valor de significancia de 0,946 (P>0,05), demostrando para la

predicciones de los Ingresos la presencia de ruido blanco. Con respecto a la modelación del

Efectivo y Equivalentes de Efectivo se evidencia un ARIMA (0,0,0) (0,0,0) con sus respectivos

parámetros que intervienen durante este proceso de la predicción como: MAE (71.452,829),

MaxAPE (2.578,635), MaxAE (1.020.625,360) y el índice de coeficiente Bayesiano

(

BIC=24,575) y la prueba de Ljung-Box Q (18) presentó un valor de significancia de 0,982

P>0,05), dado este caso manifiesta la presencia de ruido blanco. La modelación de las

Cuentas y Documentos por cobrar en miles de dólares se evidencia un ARIMA (0,0,0) (0,0,0)

con sus respectivos parámetros que intervienen durante este proceso de la predicción como:

MAE (427.269,111), MaxAPE (1.216,621), MaxAE (10.834.140,52) y el índice de coeficiente

Bayesiano (BIC=28,721) y la prueba de Ljung-Box Q (18) presentó un valor de significancia de

0

,853 (P>0,05), dado este caso manifiesta la presencia de ruido blanco.

Tabla 5. Modelación lineal múltiple del Efectivo y equivalentes de efectivo, Cuentas por

cobrar, cuentas por pagar sobre las ventas (ANOVA).

ANOVA^a

Modelo

Suma de cuadrados

gl

3

Media cuadrática

F

Sig.

1

Regresión 9314438039950640.000

3104812679983550.000 17.018 ,000^b

182447388503116.000

Residuo

Total

8027685094137090.000 44

17342123134087700.000 47

a. Variable dependiente: Ingresos por ventas

b. Predictores: (Constante), Cuentas por pagar, Cuentas y documentos por cobrar, Efectivo

y equivalente de efectivo

23

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Tabla 6. Fluctuación del modelo ARIMA

Descripción del modelo

Tipo de modelo

ID de modelo Ingresos por ventas

Modelo_1 ARIMA(0,0,0)(0,0,0)

Efectivo y equivalente de Modelo_2 ARIMA(0,0,0)(0,0,0)

efectivo

Cuentas y documentos Modelo_3 ARIMA(0,0,0)(0,0,0)

por cobrar

Cuentas por pagar

Modelo_4 ARIMA(2,1,0)(0,0,0)

Fuente: elaboración propia a través del procesamiento de información y aplicación del SPSS

versión 21.

Por último, en la modelación de las Cuentas por Pagar se obtuvo un ARIMA (2,1,0)

(

0,0,0). Este resultado nos permite inferir a lo largo del tiempo dos patrones de

autocorrelación y de igual manera una presencia integrada de la independencia y la

estacionalidad. En este sentido, los parámetros que intervienen durante este proceso de la

predicción, como: MAE (9.267,984), MaxAPE (38,013), MaxAE (42.785,250) y el índice de

coeficiente Bayesiano (BIC=19,263) y la prueba de Ljung-Box Q (17), presentó un valor de

significancia de 0,975 (P>0,05), dado este caso manifiesta la presencia de ruido blanco. Vale

recalcar que para los Estados Financieros de la empresa, a través del tiempo se manifiesta un

escenario alentador en cada uno de sus procesos econométricos.

En cuanto al análisis de la predicción empleando el Modelo ARIMA, se evidencia que

la variable Ingresos por Ventas manifiesta un valor constante desde enero del año 2020 hasta

el cierre del año 2021 de $ 1, 955,614.28. Con respecto a la variable Efectivo y Equivalentes de

Efectivo, se puede apreciar un valor constante de inicio del 2020 hasta el cierre del año 2021

de $ 32,342.64. De igual manera se comprueba que las variaciones de las demás variables de

estudio son constantes a través del tiempo, creando confianza para los pronósticos, siendo

estos resultados como apoyo para trazar estrategias respecto a la planeación, proyecciones y

el desempeño de los funcionarios en la obtención de mejores resultados futuros respecto a la

inversión.

24

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Tabla 7. Comportamiento del modelo ARIMA de los Ingresos por Ventas, Efectivo y

Equivalentes de Efectivo, Cuentas y Documentos por Cobrar y Cuentas por Pagar en miles de

dólares en función de ajuste del modelo desde el año 2016 hasta el 2021.

Modelo

R

RMSE MAPE

MAE

Max

APE

Max

AE

cuadrado

estacionaria

Ingresos por 3.930E-14

ventas-

-0.030

-0.022

19492927.6 241.04 5502789.16 1350.49

104106303.7

Modelo_1

Efectivo y

equivalente

de efectivo-

Modelo_2

Cuentas y

documentos

por cobrar-

Modelo_3

Cuentas por

pagar-

1.554E-14

7.361E-14

0.192

208418.33 521.32

71452.829 2578.63

1020625.36

-0.019

0.979

1656129.09 202.38 427269.111 1216.62

10834140.52

42785.25

14628.647

7.296

9267.984

38.013

Modelo_4

Fuente: elaboración propia a través del procesamiento de información y aplicación del SPSS

versión 21.

Tabla 8. Autocorrelación del estadístico Q (Ljung-Box) desde el año 2016 hasta el 2021.

BIC

Estadísticos

DF

Sig.

normalizado

3

2

3.65

4.57

8.72

9.550

7.726

11.87

18

17

0.946

0.982

0.853

0.975

1

9.26

7.543

Fuente: elaboración propia a través del procesamiento de información y aplicación del SPSS

versión 21.

4

. Discusión y Conclusiones

La regresión lineal múltiple se estableció de acuerdo a las diferentes herramientas y

modelos estadísticos, siguiendo los criterios de Rubio (2017) y Sabando et al. (2020);

tomando en consideración que las variables explicativas no tienen una mayor incidencia a

diferencia de las variables sobre las ventas. Al aplicar las pruebas de normalidad y aleatoriedad

arrojan resultados no favorables ya que la distribución no es normal, en base a las variables

de estudio, al realizar un enfoque más delicado de la multicolinealidad sellegaa deducciones

25

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

agradables, ya que se encuentran dentro de los niveles permitidos de la independencia de los

residuos. Se determinó que la mejor variable de estudio que explica el modelo son las Cuentas

por Cobrar con un (73,20%).

Al aplicar el modelo ARIMA se encontró que las ventas presentan una alta volatilidad

y tendencia, siendo similar al estudio realizado por Ugando et al., (2019); donde las ventas

fluctúan manteniendo relación entre las variables estudiadas. Se consideran que las ventas

tendrán un comportamiento creciente a futuro, ya que al proyectar los niveles de activos en

las variables estudiadas, estas crecerán por lo que se evidencia que guardan coherencia entre

sí.

Se procedió a determinar las necesidades de financiamiento requeridas para la

empresa; el mismo que para ser encontrado se estimaron porcentajes en escenario pesimista

del 7% y un escenario optimista del 13%, basados en la técnica de pronósticos estacionarios

expuestas por Constanza et al., (2012) que incluye los datos históricos que se pueden

evidenciar en el comportamiento de los estados financieros.

Al realizar las proyecciones pesimista y optimista se logró determinar que los niveles

de activos corrientes son de $ 192,831.90 y un valor de $203,644.90, para los respectivos

pronósticos. Se obtuvieron excesos de fondos externos requeridos para un nivel del 7% con un

valor de $15,808.39; y para el 13% un valor de $ 29,358.48.

Referencias

Brealey, R., Myers, S., & Allen, F. (2010). Principios de Finanzas Corporativas (Novena ed.).

México: Mc Graw Hill.

Castro, Z. (2017). Evaluación de proyectos de inversión para pequeñas y medianas empresas

con una estrategia de proyección financiera. Ra Ximhai, 27.

Constanza, , M., Parra, R., & López, L. (2012). Presupuestos enfoque para la planeación financiera

(

Primera ed.). Colombia: PEARSON.

Córdoba, M. (2012). Gestión Financiera. Bogotá: Ecoe Ediciones.

Domínguez, M. (2011). Dirección Financiera. España: Vértice.

Fernández, E. (2010). Administración de Empresas: Un Enfoque Interdisciplinar (Primera ed.).

Madrid.

26

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Gómez, F. (2003). Dirección Financiera (Tercera ed.). Desclée de Brouwer.

Gujarati, D. N., & C., P. D. (2010). Econometría (Quinta ed.). México, México: Mc Graw Hill.

Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la Investigación. México DF:

McGraw - HILL Education.

Pereira, F. B. (2012). Contabilidad para dirección. Navarra. EUNSA.

Rodríguez, L. (2012). Análisis de Estados Financieros. México D.F: Mc Graw.

Ross, S., Westerfield, R., & Jaffe, J. (2012). Finanzas Corporativas (Novena ed.). México:

McGraw Hill.

Ross, S., Westerfield, R., & Jordan, B. (2014). Fundamentos de Finanzas Corporativas (Décima

ed.). México D.F: McGraw Hill. Interamericana Editores, S.A de C.V.

Rubio, G. (2017). Perspectiva multivariante de los pronósticos en las pymes industriales de

ibagué Universidad Sergio Arboleda. Escuela de Postgrados. Maestría en producción y

operaciones. Revista Facultad Ciencias Economicas V. 25 (2), 25-40,. DOI:

https://doi.org/10.18359/rfce.3067

Sabando, Á, Ugando, M., Cueva, E., Villalón, A., Mendoza, G. & Arias, J. (2020). Modelación

productiva y pronósticos de las ventas del cultivo de la pitahaya en Ecuador. Sinapsis 12 (1),

94 - 109.

Salvá Socías, A. R. (2014). Contabilidad Financiera. Madrid: Pirámide.

Suárez, A. (2014). Tres de Octubre. España: España Funds people. Obtenido de La planificación

financiera en España y en el mundo: aún nos queda mucho que avanzar.:

https://es.fundspeople.com/news/la-planificacion-financiera-en-espana-y-en-el-

aun-nos-queda-mucho-que-avanzar

mundo-

Ugando, P., Arteaga, U., & Yanayn, G. (2015). Teoría del Valor Extremo (EVT), Cópulas y

Valoración de riesgos. España: Académica Española de OmniScriptum GmbH & Co. KG.

Ugando, P., Parada, G., Sixto, P., & Yanayn, G. (2018). Planeación y Modelación Financiera

del Efectivo Aplicada en Pymes de Ecuador. En Memorias CCIUTM, (Segunda Convención Científica

Internacional de la Universidad Técnica de Manabí. Ecuador.

Ugando, M., Sabando, A., Zapata, A., Villalón, A., & Sabando, B. (2019). Modelación

financiera y pronósticos de fondos externos requeridos en el contexto de las pymes de Santo

Domingo De Los Tsáchilas, caso Ecuador. Sinapsis, 11(2), 65-78. Obtenido de

https://dialnet.unirioja.es/servlet/articulo?codigo=7399799

Ugando, P., Yanayn, G., Sabando, G., & Villalón, P. (2019). Planeación financiera aplicada y

su impacto en los resultados económicos de Pymes de Ecuador. En Memorias del II Congreso

Científico Internacional FADE 2018. Ecuador: Escuela Superior Politécnica de Chimborazo.

27

REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 12 N° 34, 2021

Mikel Ugando Peñate et al.// Modelización financiera aplicada en empresas … 8-28

DOI: http://dx.doi.org/10.46925//rdluz.34.02

Ugando, M., Jurado, Z., & Cedeño, A. (2021). Implementación de la planificación estratégica

para empresas del sector automotrizen la ciudad de Santo Domingo de los Tsáchilas, ecuador:

Caso importadora de Autorrepuestos Mendoza. South Florida Journal Development. Miami, v. 2, n.4,

jul./sep. DOI: https://doi.org/10.46932/sfjdv2n4-006

Valladares, C., Sánchez, K., Ugando, M., Sabando, A., & Villalón, A. (2021). Gestión de capital

de trabajo y su efecto en la rentabilidad para el grupo de empresas del sector manufacturero

ecuatoriano. South Florida Journal Development. Miami, v. 2, n.2, apr./jun.p. DOI:

https://doi.org/10.46932/sfjdv2n2-075

Van Horne, J. W. (2010). Fundamentos de Administración Financiera . México: Pearson Educación.

Van Horne, J. (2014). Fundamentos de Administración Financiera. México: Pearson Educación.

28