Modelo econométrico basado en la aplicación del costo promedio ponderado de capital para las mipymes del sector metalmecánico en Colombia * Econometric Model Based on the Application of the Weighted Average Cost of Capital for MSMEs in the Metal-Mechanic Sector in Colombia

Abstract

El sector metalmecánico es un componente clave en la dinámica económica colombiana, genera aproximadamente el 15% de los empleos del país, dinamiza el sector de producción de alimentos, petróleo, fabricación de productos químicos entre otros, además, aporta cerca del 9% al producto interno bruto (PIB). Este sector se compone, en esencia, por las micro, pequeñas y medianas empresas (mipymes). Esta investigación tuvo como objetivo proponer un modelo econométrico basado en la aplicación del costo promedio ponderado de capital (WACC), para coadyuvar a la toma de decisiones en las mipymes del sector metalmecánico del Área Metropolitana de Bucaramanga. Además, se evaluaron distintos escenarios en función de las tasas de interés de los créditos otorgados a estas. La investigación se realizó a través de un análisis descriptivo, multivariado y de regresión múltiple. Así, teniendo en cuenta el modelo econométrico propuesto en este trabajo y el análisis de los distintos escenarios, los resultados muestran que las microempresas del sector alcanzan un mayor WACC ya que al no apalancar financieramente sus activos no aprovechan las bondades que ofrece el escudo fiscal en la reducción de dicho costo. Por otro lado, se encontró que las pequeñas empresas tienen un menor WACC que las medianas empresas sin que ello represente diferencias estadísticas significativas. Se concluye que financiar activos con deuda representa una ventaja directa a la hora del pago de impuestos, lo que se traduce en mayores utilidades para los accionistas, siempre y cuando la política de endeudamiento sea coherente con el desempeño de la empresa. Igualmente, los resultados obtenidos en esta investigación se constituyen en un referente sobre el cual las empresas podrán realizar un análisis estratégico con el fin de identificar hasta qué punto están obteniendo o no valor frente a la dinámica sectorial.

Full text

Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
Modelo econométrico basado en la
aplicación del costo promedio ponderado de
capital para las mipymes del sector
metalmecánico en Colombia *
Econometric Model Based on the Application of the Weighted Average Cost of
Capital for MSMEs in the Metal-Mechanic Sector in Colombia
Ricardo Fernando Burbano-Delgado
Magister en Administración de Empresas, Universidad de Investigación y Desarrollo,
Bucaramanga - Colombia, rburbano1@udi.edu.co
Youseline Garavito-Hernández
Doctora en Administración y Dirección de Empresas, Universidad de Investigación y Desarrollo,
Bucaramanga - Colombia, ygaravito2@udi.edu.co
Cómo citar / How to cite
Burbano-Delgado, R. F., Garavito-Hernández, Y. (2022). Modelo econométrico basado en la aplicación del costo
promedio ponderado de capital para las mipymes del sector metalmecánico en Colombia. Revista CEA, v.
8, n. 16, e1974. https://doi.org/10.22430/24223182.1974
Recibido: 6 de mayo de 2021
Aceptado: 21 de septiembre de 2021
Resumen
El sector metalmecánico es un componente clave en la dinámica económica colombiana, genera
aproximadamente el 15% de los empleos del país, dinamiza el sector de producción de alimentos,
petróleo, fabricación de productos químicos entre otros, además, aporta cerca del 9% al producto
interno bruto (PIB). Este sector se compone, en esencia, por las micro, pequeñas y medianas
empresas (mipymes). Esta investigación tuvo como objetivo proponer un modelo econométrico
basado en la aplicación del costo promedio ponderado de capital (WACC), para coadyuvar a la toma
de decisiones en las mipymes del sector metalmecánico del Área Metropolitana de Bucaramanga.
Además, se evaluaron distintos escenarios en función de las tasas de interés de los créditos otorgados
a estas. La investigación se realizó a través de un análisis descriptivo, multivariado y de regresión
múltiple. Así, teniendo en cuenta el modelo econométrico propuesto en este trabajo y el análisis de
* Este artículo se deriva del proyecto de investigación «Modelo econométrico basado en la aplicación del WACC para las
MiPymes del sector metalmecánico en Colombia» y ha sido financiado con recursos propios.

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
2 / 23
los distintos escenarios, los resultados muestran que las microempresas del sector alcanzan un mayor
WACC ya que al no apalancar financieramente sus activos no aprovechan las bondades que ofrece el
escudo fiscal en la reducción de dicho costo. Por otro lado, se encontró que las pequeñas empresas
tienen un menor WACC que las medianas empresas sin que ello represente diferencias estadísticas
significativas. Se concluye que financiar activos con deuda representa una ventaja directa a la hora
del pago de impuestos, lo que se traduce en mayores utilidades para los accionistas, siempre y
cuando la política de endeudamiento sea coherente con el desempeño de la empresa. Igualmente,
los resultados obtenidos en esta investigación se constituyen en un referente sobre el cual las
empresas podrán realizar un análisis estratégico con el fin de identificar hasta qué punto están
obteniendo o no valor frente a la dinámica sectorial.
Palabras clave: estructura de capital, WACC, mipymes, sector metalmecánico, regresión lineal
múltiple.
Clasificación JEL: M41.
Highlights
▪ El modelo econométrico basado en el costo del promedio ponderado de capital (WACC) tiene
como objetivo coadyuvar a la toma de decisiones de las micro, pequeñas y medianas empresas
(mipymes) del sector metalmecánico.
▪ Las pequeñas empresas tienen un menor costo del promedio ponderado de capital (WACC) que
las medianas empresas del sector metalmecánico.
▪ Las microempresas del sector metalmecánico alcanzan un mayor costo del promedio ponderado
de capital (WACC) al no apalancar financieramente sus activos.
▪ El modelo econométrico basado en el costo del promedio ponderado de capital (WACC) permite
a las empresas del sector metalmecánico realizar un análisis estratégico en relación con su valor
frente a la dinámica sectorial.
Abstract
The metal-mechanic sector is a key component in the Colombian economic dynamics. It generates
approximately 15% of the jobs in the country; it stimulates the food, oil, and chemical production
sectors, among others; and it also contributes about 9% to the Gross Domestic Product (GDP). This
sector is composed of Micro, Small, and Medium-sized Enterprises (MSMEs). The objective of this
study was to propose an econometric model based on the application of the Weighted Average Cost
of Capital (WACC) to support the decision-making of MSMEs in the metal-mechanic sector in the
Metropolitan Area of Bucaramanga (MAB), Colombia. Furthermore, different scenarios with several
interest rates of the loans granted to them were evaluated. This study implemented descriptive
multivariate multiple regression analysis. Thus, considering the econometric model proposed here
and the analysis of the different scenarios, the results show that the WACC of the microenterprises
in this sector is higher because they do not use financial leverage for their assets. Therefore, they do
not take advantage of the benefits offered by the tax shield for the reduction of said cost. On the
other hand, it was found that small companies have a lower WACC than their medium-sized
counterparts, but this difference is not statistically significant. It is concluded that financing assets
with debt represents a direct advantage when it comes to paying taxes, which translates into higher
profits for shareholders if the debt policy is consistent with the performance of the company.

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
3 / 23
Likewise, the results obtained here constitute a reference point for companies to carry out strategic
analyses to establish to what extent they are obtaining value or not in the face of sectoral dynamics.
Keywords: Capital structure, WACC, MSMEs, metal-mechanic sector, multiple linear regression.
JEL classification: M41.
Highlights
▪ The econometric model based on the Weighted Average Cost of Capital (WACC) aims to help
Micro, Small, and Medium-sized Enterprises (MSMEs) in the metal-mechanic sector to make
decisions.
▪ Small companies in the metal-mechanic sector have a lower WACC than their medium-sized
counterparts.
▪ Micro-enterprises in the metal-mechanic sector have a higher WACC because they do not use
financial leverage for their assets.
▪ The econometric model based on WACC allows companies in the metal-mechanic sector to
conduct a strategic analysis of their value in the face of sector dynamics.
1. INTRODUCCIÓN
Según el índice de producción real (IPR) (Banco de la República, s.f.), en años recientes, el sector
metalmecánico en Colombia ha presentado una tendencia al alza que ha beneficiado a la economía
nacional, (el índice de producción real no expresa volúmenes o valores absolutos de producción sino
el cambio porcentual en la producción con respecto a un año base que se actualiza periódicamente).
Las cifras revelan que el sector proporciona 89 079 empleos, lo que representa un 12.55 % del total
de la industria manufacturera; respecto al volumen de producción, ocupó el quinto lugar durante el
2018 con una producción valorada en 22.55 billones de pesos (Departamento Administrativo
Nacional de Estadística [DANE], 2018). En el departamento de Santander el panorama es similar al
nacional; por ejemplo, este sector ocupa el segundo lugar al representar un 16.36 % del total de la
industria manufacturera y al tener en sus nóminas aproximadamente a 3162 trabajadores. Con
respecto al volumen de producción departamental ocupa el quinto lugar en importancia, alcanzando
una participación en los últimos años de 396 mil millones de pesos. Sin embargo, se debe tener en
cuenta que el sector petrolero y el sector de alimentos aportan un 76.34 % y un 15.31 %,
respectivamente, del total de la producción (DANE, 2018).
No obstante, en el ámbito nacional existe un número elevado de fracasos en los primeros años de
operaciones en las empresas de este sector, especialmente en las micro, pequeñas y medianas
empresas (mipymes), las cuales se caracterizan por un modelo tradicional administrativo (Castro-
Silva et al., 2019). Las microempresas están conformadas por compañías con un personal no superior
a diez trabajadores; las pequeñas tienen entre once y cincuenta trabajadores; y las medianas cuentan
entre 51 y doscientos trabajadores (Ley 590, 2000). En términos de financiación, la problemática que
atraviesan las mipymes de este sector se debe a que realizan inversiones con recursos propios, lo que
conlleva una dificultad para cumplir los compromisos financieros asumidos, generando riesgos
morales y volatilidad en retornos futuros de la empresa, presentándose, en consecuencia, problemas

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
4 / 23
de liquidez, disminución de la capacidad de crecimiento y su permanencia en el mercado (Rodríguez,
2003; Torralba Flores et al., 2017).
Esta falencia está asociada a una inadecuada estructura financiera sobre la cual se fija explícitamente
el costo promedio ponderado de capital (WACC), el cual representa la rentabilidad mínima que se
espera de una empresa para crear valor; por lo tanto, no basta tan solo con manejar sólidos
conceptos financieros en la dirección de las empresas, hace falta, además, una adecuada estructura
financiera (Barrera Lievano et al., 2019). De lo anterior, se propone la siguiente pregunta de
investigación: ¿cómo deberá estar trazada la estructura financiera para el apropiado funcionamiento
de las mipymes del sector metalmecánico en el Área Metropolitana de Bucaramanga, en Colombia?
Para dar respuesta al problema planteado, se propone un modelo econométrico basado en la
aplicación del WACC y un análisis de escenarios en función de las tasas de interés de los créditos
otorgados a las mipymes, lo cual permitirá coadyuvar a la toma de decisiones de estas empresas.
Así, el presente artículo, en primer lugar, contextualiza los retos a los que se enfrentan las mipymes
del sector metalmecánico del Área Metropolitana de Bucaramanga (AMB) en una dinámica
económica global. Posteriormente, procede a analizar los elementos básicos de la estructura
financiera de cada una de las empresas objeto de estudio con el propósito de calcular el WACC de
cada una de ellas y lograr, de esta manera, construir la data sobre la cual se estima el modelo
econométrico. Por último, se evalúan distintos escenarios para las mipymes a partir de un análisis
longitudinal del comportamiento de las tasas de captación con una ventana temporal de cinco años.
Para alcanzar el objetivo de investigación, el artículo se estructura de la siguiente manera: se expone
el marco teórico, luego la metodología y posteriormente se presentan los resultados, la discusión y
las conclusiones.
2. MARCO TEÓRICO
La estructura financiera de una empresa
La estructura financiera de una empresa está determinada por el capital que invierten los accionistas,
y la deuda financiera (Das, 2015), que puede ser a corto o largo plazo, es a través de esta estructura
en la que se financian los activos mediante los cuales la empresa desarrolla su actividad (Hall et al.,
2004). La estructura financiera está compuesta por: el pasivo, que representa los deberes y
obligaciones que la empresa ha contraído con terceros y el patrimonio compuesto por los recursos
propios que ha depositado el(los) dueño(s), más las utilidades acumuladas de la actividad en
desarrollo y las valoraciones de mercado que a través del tiempo haya adicionado.
La estructura de capital es importante para las organizaciones cuando buscan maximizar su valor
(Cornejo Díaz, 2015; Jackova, 2017), involucra la decisión de cuantificar la participación de la deuda,
así como el aporte de los socios para financiar los activos. Por tal motivo, Modigliani y Miller (1963)
plantean que la decisión de financiamiento del capital es irrelevante en un mercado perfecto;
además, demostraron que el impuesto de renta empresarial tiene un efecto positivo en las finanzas
de los accionistas. En ese orden de ideas, concluyen que es importante financiar parte de los activos
con deuda, con excepción que dicho costo sea excesivo y en cierta medida volátil. En esta misma

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
5 / 23
línea, Stiglitz (1974) afirma que las empresas tomarán deuda si existe la seguridad de no generar
costos de deuda.
Hoy en día los estudios relacionados con la estructura de capital se desarrollan a través de la
herramienta de investigación «velocidad de ajuste de la estructura de capital» (Cornejo Díaz, 2015;
Cao y Cui, 2021), es decir, lo que se busca es la versatilidad con que una empresa ajusta su estructura
de capital bajo un nivel de apalancamiento requerido o planificado (Hovakimian y Li, 2011;
Wojewodzki et al., 2018; Balboa et al., 2017). Bajo esta perspectiva, una empresa presenta una
estructura de capital, donde se cuantifica el costo de financiación de sus activos a través del cálculo
del WACC, el cual se define como «el promedio aritmético ponderado del costo de los diferentes
recursos financieros que utiliza la empresa, después de impuestos, para realizar sus inversiones y
operaciones económicas» (Parra Barrios, 2018, p. 8). Su expresión matemática queda definida de la
siguiente manera (1).
  
 
 (1)
Donde:
Kd: Es el costo de la deuda.
D: Deuda de carácter financiero.
E: Equity o capital de inversión de los accionistas.
(1-tx): Escudo fiscal, donde tx representa la tasa impositiva de renta.
Ke: Costo del capital propio.
El capital propio se debe calcular con referencia al mercado, así como el costo de la deuda se calcula
una vez se contribuye con el impuesto de renta (Bruner et al., 1998). Esta particularidad hace más
difícil el cálculo del costo del capital propio o el rendimiento esperado por los accionistas. Por lo tanto,
este costo puede ser calculado mediante distintos métodos como el modelo CAPM (Capital Asset
Pricing Model) (Situm, 2021). Este modelo establece que la rentabilidad esperada por los accionistas
se expresa mediante la Ecuación (2) (Sharpe, 1964).
   (2)
Donde:
Ke: Costo del capital propio.
rf: Representa una tasa libre de riesgo.
βl: Beta apalancada que representa básicamente una medida de volatilidad del activo en estudio ante
la variabilidad del mercado. La beta se calcula al dividir la covarianza correspondiente a las
rentabilidades del mercado y del activo entre la varianza de la rentabilidad del mercado.
rm: Tasa de rentabilidad del mercado.
(rm - rf): Representa la prima de riesgo del mercado.
Para el caso de las empresas que no hacen parte de la bolsa, el cálculo de la beta se realiza a través
del método denominado bottom-up (Martínez et al., 2014). Este procedimiento consiste inicialmente
en identificar el sector donde se desempeña la empresa, después se procede a calcular las betas sin
apalancamiento de esas empresas, posteriormente se obtiene su promedio (alcanzando la beta del

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
6 / 23
sector), y finalmente se calculan las betas de las empresas objeto de análisis apalancando la beta del
sector al agregar la ratio D/E (deuda divido por equity).
En relación con estudios seminales, se destaca el trabajo de Modigliani y Miller (1958), quienes
afirmaron «la estructura de capital no afecta el valor de la empresa»; es decir, los activos deben
generar un rendimiento sin importar la estructura de capital que los financia; igualmente aseveran
que el costo de capital aumenta a mayor grado de apalancamiento financiero debido a que aumenta
el riesgo de los accionistas. Asimismo, se destaca la investigación de Sharpe (1964), quien utiliza el
modelo CAPM para calcular el rendimiento que deberían tener las acciones de una empresa donde
la expresión de un activo financiero está en función del mercado. Encontrando que unas de las
limitantes del modelo residen en la condición de estar cotizando en bolsa, que el mercado no
presente clústeres de volatilidad y que las políticas de la empresa en estudio permanezcan constantes
en el tiempo.
Por otro lado, Ross (1976) presenta otro enfoque desde la teoría de valoración por arbitraje (APT), la
cual establece que el arbitraje garantiza que los activos sin riesgo proporcionan el mismo rendimiento
esperado. En tanto, la rentabilidad esperada por el riesgo de una acción queda sujeta a la rentabilidad
según el riesgo derivado del factor macroeconómico escogido. Un enfoque más actual es el
presentado por Cotner y Fletcher (2000). Estos autores utilizan el proceso de análisis jerárquico de
decisiones (AHP) para obtener una estimación de la rentabilidad del riesgo derivado del costo del
patrimonio. La metodología implica la identificación inicial de los factores críticos de éxito,
proponiendo unos niveles máximos y mínimos, donde un juicio de expertos define el riesgo asociado
a cada factor (Fernández y Carabias, 2006). Entre los trabajos recientes se destaca el de Sánchez
Segura (2010), el cual está relacionado con la aplicación de estos métodos en Colombia. El autor
manifiesta que debido a las dificultades de aplicar modelos propios en empresas de países
desarrollados y en economías emergentes, el modelo CAPM representa la forma más idónea a la hora
de calcular el costo de capital de cualquier empresa.
El análisis de la regresión lineal
Según Rodríguez-Lavado (2018), el análisis de regresión lineal es «el conjunto de técnicas usadas para
explorar y cuantificar la relación de dependencia entre una variable cuantitativa llamada variable
dependiente o respuesta y una o más variables independientes llamadas variables predictoras» (p.7).
Esa relación se puede formular mediante la siguiente expresión (3).
    (3)
Donde:
Y: Hace referencia a la variable respuesta.
X1, X2,…,Xp: Son las variables explicativas, independientes o regresores.
β0, β1, β2, βp: Parámetros estimados que miden el grado de influencia que tienen las variables
independientes sobre la variable respuesta.
ε: Representa el error entre el valor ajustado y observado.

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
7 / 23
Frente a la estimación de los parámetros que miden la influencia que tienen las variables explicativas
sobre la variable dependiente, esta se realiza bajo el método de mínimos cuadrados ordinarios (MCO)
(Faraway, 2015). Ahora bien, si se expresan todos los datos bajo una matriz y suponiendo que se
manejan tres variables predictoras se tendría la siguiente forma matricial (ver Figura 1).
Figura 1. Forma matricial
Figure 1. Matrix form
Fuente: elaboración propia.
Donde n es el número de observaciones que son objeto de análisis; por otro lado, este arreglo
matricial se puede expresar por medio de la siguiente matriz / vector (4).
    (4)
Además, si la mejor estimación de β es la que minimiza la suma de los cuadrados errores, entonces
se tendría la siguiente expresión (5).


     (5)
Se trata de obtener el valor de β que minimice el error, este valor se obtiene diferenciando respecto
a β e igualando a cero (Tusell, 2011). El ajuste de los datos se evidencia, básicamente, por el valor de
las diferencias entre el valor real y el ajustado elevadas al cuadrado; esta particularidad permite
«castigar» las diferencias, evitando valores negativos. Asimismo, unas diferencias elevadas hacen que
la recta no represente los datos; por el contrario, pequeñas diferencias indican un buen ajuste. Es
importante advertir que los errores deben tener una distribución normal, ser independientes e
idénticamente distribuidos con varianza constante y media cero, es decir, ε  N(0,σ2I).
3. METODOLOGÍA
La investigación es cuantitativa y explicativa al proponer un modelo econométrico basado en la
aplicación del WACC, con lo cual se explicará la estructura de capital de las empresas del sector
metalmecánico en diferentes escenarios. Como fuente de información se utilizó la base de datos del
DANE y de la Dirección de Impuestos y Aduanas Nacionales (DIAN). Además, se recurrió al software
especializado EMIS University, que ofrece información contable de más de tres millones de empresas
de «mercados emergentes» y se consultaron diversos portales financieros con el fin de construir las
variables de la investigación.
En relación con la muestra, teniendo en cuenta la base de datos del DANE, se incluyeron en el estudio
todos los establecimientos industriales reconocidos dentro de la Clasificación Industrial Internacional
Uniforme - Revisión 4, adaptada para Colombia, en la cual se encontró un total de 49 empresas
registradas en el Área Metropolitana de Bucaramanga; sin embargo, la base de datos proporcionada

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
8 / 23
por el software EMIS University arrojó un tamaño de 106 empresas, donde posteriormente, al
realizarle un proceso de depuración, se obtuvieron 51 empresas. Ver Tabla 1.
Tabla 1. Universo de las empresas del sector metalmecánico en el AMB de acuerdo con el instrumento
utilizado
Table 1. Universe of companies in the metal-mechanic sector in the MAB according to the instrument
Instrumento
Micro
Pequeña
Mediana
Total
DANE
12
19
18
49
EMIS University
24
14
13
51
Fuente: elaboración propia adaptado de (DANE, 2018; EMIS Profesional, s.f.).
La validez del constructo y de contenido para los distintos instrumentos contó con la ventaja de que
la Encuesta Anual de Manufactura 2018 tiene un proceso ya establecido por los lineamientos del
DANE, mientras que el instrumento del EMIS University se ajusta a la teoría contable soportada por
los organismos de vigilancia y control estatales. A todos los instrumentos se les realizó un análisis de
datos faltantes (NAs), encontrándose que en el software EMIS University existen varios campos «NA»
pertenecientes a empresas que no han reportado sus estados financieros, y que por lo tanto fueron
eliminadas del análisis. Por otro lado, se encontraron valores atípicos que fueron tratados
específicamente mediante el análisis univariado, empleando técnicas gráficas como el boxplot.
Igualmente, a todos los instrumentos se les analizó sus unidades de medida, formatos, espacio
temporal, entre otros.
Con respecto al desarrollo metodológico de esta investigación, se realizó, en primer lugar, un análisis
descriptivo que permitió la caracterización del sector, ayudó a identificar la presencia de datos
anómalos y le dio validez al modelo de regresión lineal múltiple. En segundo lugar, se calculó el WACC,
para tener claro los componentes de su estructura, así, al revisar la Ecuación (1), se muestran tres
variables que son «independientes» del comportamiento financiero: costo de la deuda, escudo fiscal
y la rentabilidad exigida por los accionistas. El cálculo de estas variables depende principalmente del
aporte de la información de las empresas (costo de la deuda); sin embargo, existen limitaciones en
las que fue necesario acudir a estudios como el desarrollado por la Gran Encuesta Pyme 2018,
realizada por la Asociación Nacional de Instituciones Financieras (ANIF).
A continuación, se realizó un modelo de regresión lineal múltiple utilizando las variables significativas
enunciadas en el marco teórico en la Ecuación (1) para calcular el WACC. Esto conlleva a un cálculo
más sencillo y al alcance de cualquier empresa formalizada. Además de su practicidad, la
interpretación de las variables se hace más evidente, ya que en este caso muestra qué implicación
tiene en el WACC el tamaño de la empresa y cómo lo afecta concretamente la política de
financiamiento asumida por la empresa, así como las tasas de interés del mercado. En resumen, el
modelo de regresión lineal múltiple permite incorporar la relación existente entre el tamaño de la
empresa, la política de endeudamiento y la coyuntura macroeconómica en el valor del WACC.
Finalmente, se realizó un análisis de distintos escenarios que busca encontrar un posible
comportamiento del sector metalmecánico de acuerdo con el tamaño de la empresa; gracias a este
análisis se puede guiar a los empresarios en la definición de una política de endeudamiento de
acuerdo con la coyuntura económica por la que atraviesan lo que permite reducir el riesgo de
insolvencia. Igualmente, dentro de cada escenario planteado se muestra la vulnerabilidad o fortaleza

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
9 / 23
del sector, lo que facilita la formulación de políticas públicas más apropiadas de acuerdo con el
contexto macroeconómico y sus perspectivas.
4. RESULTADOS
Caracterización del sector metalmecánico
El DANE señala que las micro, pequeñas y medianas empresas en Colombia representan el 35 % del
PIB, aportando a la producción nacional el 90 %, y más del 80 % del empleo del país; un crecimiento
lento, pero significativo, según reporte que presentó la ANIF en el 2018, ya que en este informe se
evidencia que las mipymes representan el 96% del total de las empresas del país, la empleabilidad
alcanza el 63 % y contribuyen con el 25 % del PIB nacional (ANIF, 2018). Según (Confecámaras, 2019),
solo en el primer trimestre del año 2019 se crearon aproximadamente 96 914 empresas, un 9.7 %
más que el mismo periodo del año anterior. De estas empresas creadas, el 77.8 % corresponden a
«personas naturales», y el restante 22.2 % correspondieron a «personas jurídicas». Ver Figura 2.
Figura 2. Unidades productivas creadas según organización jurídica durante el primer trimestre de los años
2018 y 2019
Figure 2. Businesses created during the first quarter of 2018 and 2019 classified by type of company
Fuente: elaboración propia adaptado de (Confecámaras, 2019).
De acuerdo con los datos proporcionados por la Encuesta Anual Manufacturera – EAM (2018),
realizada por el DANE, frente a las distintas formas de contratación, se encontró que
aproximadamente el 81.63 % de los empleos permanentes son generados por las empresas
medianas, el 13.29 %, por las pequeñas, y un 5.08 % lo generan las microempresas.
Frente a los activos fijos, las microempresas del sector metalmecánico alcanzan un monto de $371
millones, además, el 50 % de estas empresas tienen activos fijos que oscilan entre los $98 millones
hasta los $383 millones. Por su parte, la pequeña empresa muestra que el 50 % tienen un monto de
activos fijos entre los $628 millones hasta los $2035 millones, mientras que en promedio la mediana
empresa alcanza los $9724 millones en activos fijos.

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
10 / 23
En lo referente al pago de arriendo de maquinaria e inmuebles, la encuesta arroja que el 8.3 % de las
microempresas arriendan maquinaria, la pequeña empresa un 47.36% y le mediana empresa un
72.23 %. Para el caso del pago de arriendo por el uso de inmuebles, las tendencias son similares a las
del pago de arriendo por maquinaria.
Respecto al costo de mantenimiento de equipos y el pago de pólizas de seguro, las microempresas
asignan en promedio el 2.34 % del valor de los activos fijos a los costos de mantenimiento, la pequeña
empresa un 1.83 % y la mediana empresa un 2.77 %. Los porcentajes son similares, por lo que las
empresas del sector metalmecánico están asumiendo costos de mantenimiento (en proporción al
monto de los activos fijos) similares.
Por otro lado, el costo de materia prima de las empresas encuestadas durante el año 2018 ascendió
a los 184.52 mil millones de pesos, mientras que los ingresos por ventas fueron de 391.65 mil millones
de pesos, lo que significa que, en promedio, las empresas del sector metalmecánico invirtieron el
47.11 % de sus ingresos en la compra de materia prima.
Es importante destacar que un gran porcentaje de las empresas del sector metalmecánico importa
su materia prima (no necesariamente su totalidad); por tamaño, la mediana empresa importa el
38.88% del costo total de materia prima, la pequeña empresa importa el 15.78 % y la microempresa
no importa materia prima.
Estimación del modelo de regresión múltiple para las mipymes del sector metalmecánico en el AMB
Análisis Descriptivo
Analizar previamente la data utilizada para estimar el modelo es un paso necesario que ayuda a
identificar algunos lineamientos a la hora de escoger el modelo final. En ese sentido vale la pena
describir las variables involucradas en el modelo estimado (ver Tabla 2).
Tabla 2. Variables involucradas en el modelo de regresión estimado
Table 2. Variables involved in the estimated regression model
Variable
Tipo
Descripción
WACC
Continua
Variable dependiente
Clasificación
Ordinal
Clasifica las empresas de acuerdo con su tamaño
Kd
Continua
Costo de la deuda
E/E+D
Continua
Porcentaje de equity en la estructura del capital
1. Es importante recordar que la microempresa se caracterizó por no financiar sus activos con deuda (100 % equity) por lo
que el WACC será constante independientemente del modelo que se obtenga.
2. El costo de la deuda se expresa en dos valores de acuerdo con los resultados de la encuesta Gran Encuesta Pymes 2018
de la ANIF.
Fuente: elaboración propia adaptado de la Gran Encuesta pyme (ANIF, 2018).
Por su parte, la Tabla 3 muestra algunos estadísticos de resumen de las variables involucradas en el
modelo estimado.

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
11 / 23
Tabla 3. Principales estadísticos de resumen de las variables involucradas en el modelo obtenido
Table 3. Main summary statistics of the variables involved in the model obtained
Variable
Mínimo
1mer cuantil
Mediana
Media
3cer cuantil
Máximo
WACC
0.1206
0.138
0.1491
0.1433
0.1499
0.1499
Kd
0.0854
0.0854
0.1254
0.1113
0.1254
0.1254
E/E+D
0.3251
0.643
0.9468
0.8201
1
1
Fuente: elaboración propia adaptado de la Gran Encuesta pyme (ANIF, 2018).
Respecto a la clasificación, la muestra consta de 51 empresas de las cuales el 47.05 % son
microempresas, el 27.45 % son pequeñas empresas y el restante, 25.5 %, son medianas empresas. De
igual manera, la microempresa, al no contar con deuda en su estructura de capital, hace que su WACC
sea constante y que le sea indiferente el costo de la deuda lo que conlleva a la creación de sesgos en
las variables involucradas en el modelo estimado. Esta característica hace que el modelo presente
dificultades en el cumplimiento de sus supuestos; en esa medida, se excluyeron las microempresas
en su estimación.
La Figura 3 muestra que, precisamente, el WACC para la microempresa se comporta como una línea
al ser una constante; además, en comparación con las pymes, es evidente que su WACC es
significativamente mayor. Es importante evidenciar el efecto del apalancamiento financiero en el
WACC, pues las microempresas, al no financiar sus activos con deuda, presentan un costo mayor que
las pymes. Por otro lado, no parecen existir diferencias significativas entre el WACC de las pequeñas
y medianas empresas, aunque estas últimas tienen una mediana mayor que las primeras. Otro
aspecto que se puede resaltar son las distribuciones, en donde, para el caso de la pequeña empresa,
los cuantiles 2 y 3 (que albergan el 50 % de los datos), presentan amplia dispersión en comparación
con la mediana empresa, es decir, las pequeñas empresas, en términos generales, tienen distintos
comportamientos en su estructura de capital, contrario a las medianas empresas que tienden a ser
más homogéneas, aunque tienen una gran dispersión entre el primer y segundo cuantil (25 % de los
datos).
Figura 3. Boxplot del WACC de acuerdo con el tamaño de la empresa
Figure 3. Boxplots of the WACC of companies classified by size
Fuente: elaboración propia.

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
12 / 23
Estimación del modelo
El análisis descriptivo desarrollado previamente permitió establecer un primer contacto con los
datos, descartando, inicialmente, la presencia de datos faltantes, outliers, problemas de unidades,
entre otros. Asimismo, se logró descartar la microempresa como variable predictora al mantener un
valor WACC constante; también se identificó la distribución de las variables involucradas con el fin de
establecer posibles transformaciones para el cumplimiento de los supuestos del modelo. Los
parámetros del modelo se estimaron con el programa R Statistics 4.0.0 a partir del método de
«mínimos cuadrados ordinarios» (el mejor método de estimación siempre y cuando los errores no
estén correlacionados y tengan la misma varianza) (Valverde y Valverde, 2006). Los resultados se
muestran en la Figura 4.
Figura 4. Resultados de la estimación del modelo econométrico
Figure 4. Results of the estimation of the econometric model
Fuente: elaboración propia.
Los resultados muestran que el modelo obtenido estará compuesto por tres covariables más el
intercepto, es decir, costo de capital, la clasificación de la mediana empresa (variable dummy [toma
valores 0 y 1, si su valor es cero se hace referencia a una empresa clasificada como pequeña; por el
contrario, si el valor es 1 se hace referencia a una empresa mediana]), el porcentaje de equity dentro
de la estructura financiera y el intercepto. Es importante que el porcentaje de deuda dentro de la
estructura financiera implícitamente esté anidada en el porcentaje de equity, ya que es un
complemento de esta, de ahí que no se incluyera en el modelo. Con el fin de establecer mejor claridad
frente a la estimación de los parámetros se calcularon adicionalmente sus intervalos de confianza.
Ver Figura 5.
Figura 5. Intervalos de confianza de los parámetros del modelo
Figure 5. Confidence intervals of the model parameters
Fuente: elaboración propia.

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
13 / 23
El intervalo de confianza del 95 % para la clasificación de mediana empresa apenas incluye el cero. Se
podría decir que esta variable no aporta al modelo, sin embargo, se decidió incorporarla al tratarse
de una variable «dummy» que, al momento de un análisis, ayuda a establecer las características de
la empresa de acuerdo con su tamaño. De la Figura 5 se concluye lo siguiente.
1. Las variables del modelo resultaron significativas al 5 %, incluido el intercepto.
2. La bondad de ajuste representada por el coeficiente de determinación o el R2 ajustado es igual a
0.9201. Dado que: 0 ≤ R2 ≤ 1, entonces la recta de regresión explica un 92.01% la variabilidad del
modelo.
3. La mediana de los errores se acerca a cero, siendo un referente optimista en la medida que se
espera que los errores tengan una distribución normal.
El modelo econométrico obtenido presenta la siguiente estructura (6):
    (6)
Donde:
Y: Representa el valor del WACC en decimales.
X1: Asume dos valores: 1 si la empresa es clasificada como mediana y 0 cuando es clasificada como
pequeña.
X2: Representa el costo de la deuda.
X3: Representa el porcentaje del equity dentro de la estructura financiera expresado en decimales.
ϵ: Representa el error entre el valor ajustado y observado.
La interpretación de los parámetros sería la siguiente.
1. El intercepto del modelo representa el valor base del WACC que se puede encontrar en el sector
metalmecánico en al Área Metropolitana de Bucaramanga. Su valor es importante, ya que está
indicando específicamente que las empresas del sector tendrán un WACC superior o que este es el
punto de partida sobre el cual se deberá establecer la estructura de deuda de la empresa.
2. Al mantener constantes el costo de la deuda y el porcentaje de equity es claro que el WACC es
mayor para medianas empresas. Esto se debe a que la variable dummy es 1 si es mediana empresa y
0 si es pequeña empresa, por lo tanto, al mantener las demás variables constantes se espera que el
WACC de la mediana empresa esté un 0.0019 % por encima del que presente la pequeña empresa.
3. Al incrementar el costo de la deuda en un 1 % manteniendo constantes las demás variables, el
WACC aumenta en un 0.2011 %.
4. Al incrementar el porcentaje de equity sobre en un 1 % manteniendo constantes las demás
variables, el WACC aumenta en un 0.0325 %.
Los puntos 3 y 4 ayudan a configurar el efecto que produce en el WACC la tasa de interés y la
estructura financiera, lo que se muestra es que los cambios en las tasas de interés perturban en
mayor medida el aumento de equity dentro de dicha estructura.

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
14 / 23
Análisis de escenarios del costo de capital
Los distintos escenarios a los que se puede enfrentar el empresario del sector metalmecánico en el
cálculo del WACC debe tener en cuenta el costo de la deuda, el grado de volatilidad del activo en el
mercado y la misma estructura de capital; sin embargo, el modelo obtenido tiene en cuenta
únicamente el costo de la deuda, la clasificación de la empresa y la estructura financiera. En esa
medida, los distintos escenarios que se le pueden presentar al empresario del sector únicamente
estarán formados por la variabilidad de las tasas de captación y las políticas de las entidades
bancarias. Conviene entonces analizar el comportamiento del Depósito a Término Fijo (DTF) en los
últimos cinco años, así como los resultados de la encuesta ANIF que muestran, básicamente, que en
un 60 % de los casos los préstamos se encuentran 4 puntos por encima de la DTF.
La Figura 6 muestra la serie semanal de las cotizaciones del DTF en Colombia a partir del 1 de enero
del 2014 hasta el 31 de diciembre del 2018, en ella se puede apreciar que no presenta media ni
varianza constante por lo que no es estacionaria, tampoco se aprecia un componente cíclico ni
estacional. Debido a lo anterior su tendencia no es homogénea; por ejemplo, inicialmente (año 2014)
presenta una breve tendencia a la baja, posteriormente entra en un periodo aparentemente
estacionario hasta finales del 2015, a partir de ese momento el DTF presentó una clara tendencia al
alza que alcanzó su punto máximo de 7.59 % en el mes de julio del año 2016. Finalmente, después de
alcanzar el máximo nivel el DTF, presentó una clara tendencia a la baja hasta finales del año 2018,
momento en el cual presenta estabilidad.
Figura 6. Serie semanal de las tasas de captación en Colombia. Adaptado de Banco de la República
Figure 6. Weekly series of deposit rates in Colombia. Adapted from Banco de la República
Fuente: elaboración propia.
La Figura 7 muestra el histograma y el gráfico boxplot del DTF; en el primero se puede apreciar un
valor modal de aproximadamente 4.5 %, además, trata de presentar un sesgo positivo sin llegar a
mostrar una distribución simétrica. El boxplot muestra que no existen «outliers», sin embargo, se
evidencia dispersión de datos por encima de la mediana, lo que significa que los valores del DTF, en
su gran mayoría, tratan de concentrarse por debajo del 5 %.

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
15 / 23
Figura 7. Distribución del DTF y sus cuartiles
Figure 7. Distribution of TD rate and its quartiles
Fuente: elaboración propia.
El análisis descriptivo ayudó a configurar tres escenarios posibles con los cuales se busca establecer
el comportamiento del sector metalmecánico en términos del costo promedio ponderado de capital.
Igualmente es necesario involucrar del porcentaje del equity que sirva como referencia en cada uno
de los escenarios, para ello se tomó la mediana de la distribución de los datos por cada tamaño. Ver
Tabla 4.
Tabla 4. Principales medidas de localización del porcentaje de equity dentro de la estructura financiera de las
pymes
Table 4. Main measures of location of the equity percentage in the financial structure of the SMEs
Variable
Mínimo
1mer cuantil
Mediana
Media
3cer cuantil
Máximo
Mediana
0.3251
0.5904
0.6445
0.6753
0.7774
0.9307
Pequeña
0.4033
0.4791
0.7027
0.6864
0.8829
0.9598
Fuente: elaboración propia.
Los resultados de la Tabla 4 muestran, para el caso de la mediana empresa, una gran concentración
de datos en torno al primer y tercer cuantil, reflejando, además, un mayor porcentaje de
endeudamiento en comparación con la pequeña empresa. En esa medida los escenarios serían los
siguientes:
Escenario pesimista
La Figura 6 muestra que la tendencia decreciente del DTF parece haber llegado a su fin, se espera
que no se avecine un cambio drástico de tendencia, por lo tanto, se tomará el valor del DTF
representado en el tercer cuantil igual al 6.155 %.
Escenario optimista
La gran mayoría de las tasas del DTF están por debajo del 6 %, sin embargo, la Figura 6 muestra un
cambio de tendencia que hace pensar que dichas tasas no alcanzarán el nivel mínimo registrado, por
lo tanto, se tomará el primer cuantil igual a 4.402 %.

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
16 / 23
Escenario probable
Siguiendo la lógica se esperaría tomar la mediada como referente, sin embargo, esta marca un sesgo
optimista teniendo en cuenta que probablemente aumenten las tasas del DTF; en esa medida es más
representativo tomar la media como el escenario más probable, la cual representa el 5.21 %.
Escenarios por tamaño de empresa
Los escenarios, previamente descritos, se aplicarán no sobre una empresa o varias empresas en
concreto, sino una respuesta media del sector metalmecánico segmentado por el tamaño de
empresa. Lo que se requiere inicialmente es que las empresas puedan comparar sus resultados con
los esperados en el sector, logrando de esta manera establecer metas financieras en el intervalo de
tiempo que sus directivos consideren pertinente.
Escenario para la microempresa
Durante el proceso de investigación se establecieron distintas características que diferencian este
tipo de empresas con las pymes, una que sobresale es que las microempresas del sector
metalmecánico en el AMB, financian sus activos (por lo menos oficialmente) únicamente con el
capital de sus accionistas. Esta característica hace que el WACC sea constante e igual a la rentabilidad
esperada por los accionistas desde el punto de vista del sector, independientemente de la
microempresa que se analice. Si se observa la Ecuación (7), que busca el cálculo de la beta para la
empresa, se encuentra que está en función de la deuda; en ese sentido, si la empresa no apalanca
sus activos con deuda, su beta, como empresa, es igual a la beta del sector.
  
 (7)
   

 
En consecuencia, de acuerdo con la Ecuación (2), la rentabilidad esperada por los inversionistas es
igual para cada uno de los microempresarios, ya que tanto la tasa del rendimiento del mercado 
como la tasa libre de riesgo  son constantes (8).
  (8)
 
Una vez analizadas las Ecuaciones (2) y (7) se procede a verificar los resultados de la Ecuación 1,
recordando que la deuda es igual a cero, y que el rendimiento esperado por los inversionistas es
constante, con lo cual se obtienen los siguientes resultados (9).
  
 
 (9)
  
  
 

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
17 / 23
  
  
Como se advirtió previamente en la estimación del modelo de regresión múltiple, el WACC para las
microempresas es constante e igual a 14.99 %, significativamente mayor que el calculado en las
pymes.
Escenario para la pequeña empresa
Tomando como base la mediana de su porcentaje de equity (70.27 %) dentro de la estructura de
capital, los escenarios serían los siguientes.
Optimista: en este escenario, con un costo financiero del 4.402 % EA, se esperarían los siguientes
resultados (10).
       (10)
  
Con un intervalo de confianza del 95 % cuyo límite superior es de 13.02 % e inferior: 12.37 %.
Pesimista: en este escenario con un costo financiero del 6.155 % EA, se esperarían los siguientes
resultados (11).
      (11)
  
Con un intervalo de confianza del 95%, cuyo límite superior es de 13.28% e inferior: 12.8 %.
Probable: en este escenario, con un costo financiero del 5.21 % EA, se esperarían los siguientes
resultados (12).
     (12)
  
Con un intervalo de confianza del 95% cuyo límite superior es de 13.24 % e inferior: 12.57 %.
Escenario para la mediana empresa
Tomando como base la mediana de su porcentaje de equity (64.45 %) dentro de la estructura de
capital, los escenarios serían los siguientes.

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
18 / 23
Optimista: en este escenario, con un costo financiero del 4.402 % EA, se esperarían los siguientes
resultados (13).
       (13)
  
Con un intervalo de confianza del 95 %, cuyo límite superior es de 13.24 % e inferior: 12.53 %.
Pesimista: en este escenario, con un costo financiero del 6.155 % EA, se esperarían los siguientes
resultados (14).
      (14)
  
Con un intervalo de confianza del 95 %, cuyo límite superior es de 13.51 % e inferior: 12.96 %.
Probable: en este escenario, con un costo financiero del 5.21 % EA, se esperarían los siguientes
resultados (15).
      (15)
  
Con un intervalo de confianza del 95 %, cuyo límite superior es de 13.36 % e inferior: 12.73 %.
Los resultados obtenidos han pasado por un proceso de validez y confiabilidad apropiados, ya que se
fundaron en información proveniente de instituciones reconocidas oficialmente, además, el
procesamiento de la información se sometió a las metodologías propuestas en el marco teórico; en
ese sentido, para el cálculo del WACC, se siguieron las pautas del método bottom-up; igualmente, la
estimación del modelo se validó mediante el proceso de diagnóstico, mientras que los escenarios de
evaluación se establecieron bajo análisis de series de tiempo con el apoyo de la estadística
descriptiva. Sin duda, los resultados obtenidos en la presente investigación son pertinentes para la
toma de decisiones de las mipymes del sector metalmecánico (empresas del AMB), ya que la
información obtenida es una expresión válida de sus características particulares y de la dinámica
macroeconómica del país, evitando, de esta manera, el sesgo de factores externos subjetivos.
5. DISCUSIÓN
Actualmente es reconocido que una de las causas que llevan al fracaso empresarial de cualquier
empresa es el mal manejo financiero y un limitado acceso al crédito; estas falencias están
relacionadas con una inadecuada estructura financiera sobre la cual se fije explícitamente el costo
promedio ponderado de capital (Torralba Flores et al., 2017). En este orden de ideas, para dar
solución a esta problemática, se destacan estudios en el caso colombiano, como el de Bonilla Bonilla

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
19 / 23
(2016), quien diseño un modelo para estimar el WACC), mediante betas contables, para las pymes
del sector industria caucho y plástico de la ciudad de Bogotá. Los resultados muestran que es posible
construir modelos de apoyo a la gestión financiera de las empresas a partir del CAPM y del WACC.
Igualmente, Pachón Palacios (2013) planteó una metodología para calcular el costo de los recursos
de los accionistas sin apalancamiento financiero a través de la estimación de la prima de riesgo con
una metodología multicriterio. Así, teniendo en cuenta la ecuación definida por el CAPM, y al aplicar
el estudio a treinta empresas colombianas, obtuvieron como resultado que la mínima rentabilidad o
costo de los recursos propios sin apalancamiento financiero que debe requerir un inversionista al
destinar sus recursos es del 10.7 %, que corresponde a una prima de riesgo de 2.50 %.
Con respecto al valor agregado de esta investigación, en primer lugar, se destaca la profundidad del
estudio, ya que, partiendo de una serie de variables independientes, se formuló un modelo
econométrico que identificara el estado de la estructura de capital para las empresas del sector
metalmecánico del Área Metropolitana de Bucaramanga (Colombia). Además, las implicaciones
prácticas del estudio residen básicamente en que se puede llegar a ajustar una estructura financiera
adecuada para las empresas del sector, siempre y cuando tengan presentes las limitaciones del
modelo, es decir, saber concretamente el nivel de rentabilidad de los activos para que la empresa
genere valor sin importar lo complejo de la organización.
6. CONCLUSIONES
Colombia sustenta su economía en gran medida por las mipymes, estas, a su vez, representan el 35 %
del PIB, así como el 80 % del empleo (sin tener en cuenta la informalidad), razón por la cual este tipo
de empresas deberán estar sujetas a la protección ante una competencia cada vez más agresiva que
traspasa las barreras de lo económico. En términos de financiación, las mipymes realizan inversiones
con recursos propios, esto conlleva una dificultad para cumplir los compromisos financieros
asumidos, generando riesgos morales y volatilidad en retornos futuros de la empresa.
Por lo tanto, financiar activos con deuda representa una ventaja directa a la hora del pago de
impuestos, lo que se traduce en mayores utilidades para los accionistas, siempre y cuando la política
de endeudamiento sea coherente con el desempeño de la empresa; en ese sentido, a pesar de
evaluar el WACC bajo distintos escenarios (utilizando el modelo obtenido), las pymes no llegaron a
conseguir que dicho costo fuese igual o superior a las de las microempresas. Igualmente, las
pequeñas empresas que financian parte de sus activos con deuda demostraron tener un mejor
comportamiento en términos del costo promedio ponderado de capital frente a la mediana empresa,
sin que eso represente que dichas diferencias sean significativas en términos estadísticos.
Respecto al modelo, es importante mostrar que no tuvo en cuenta la microempresa por su particular
comportamiento frente a su estructura financiera, ya que el 100 % de sus activos son financiados por
el capital que aportan los accionistas, lo que representa un WACC constante sin importar sus
particularidades. Es así, que el modelo obtenido, además de ser estimado por el método de mínimos
cuadrados ordinarios empleando software R statistics versión 4.0.0 que goza de un amplio
reconocimiento por la comunidad científica, paso las pruebas de diagnóstico respectivas. Sin
embargo, debido al tamaño de la muestra, no es generalizable a todo el sector metalmecánico

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
20 / 23
nacional sino específicamente a las empresas que se ubican en el Área Metropolitana de
Bucaramanga.
Además, el modelo logró identificar cuantitativamente las consecuencias que trae en el WACC el
aumento de las tasas de interés por unidad porcentual; asimismo, logró cuantificar el cambio en el
WACC al incrementar el porcentaje de equity en la estructura financiera. De esta manera, el modelo
no solamente logró estimar cuantitativamente el WACC como consecuencia de los cambios que se
producen en la estructura financiera, sino que además pudo hacer una comparación entre las
mipymes del sector bajo distintos escenarios previamente establecidos. Como limitaciones y futuras
líneas de investigación, se propone realizar la evaluación pertinente con otras técnicas avanzadas de
pronóstico, ya que el método de MCO, en la mayoría de los casos, no se ajusta al comportamiento
histórico de los datos, por lo tanto, el coeficiente de determinación ajustado no es el mejor, más aún
cuando se analiza bases de datos con múltiples variables y secuencias.
CONFLICTOS DE INTERÉS
Los autores declaran que no presentan conflictos de interés financiero, profesional o personal que
pueda influir de forma inapropiada en los resultados obtenidos o las interpretaciones propuestas.
CONTRIBUCIÓN DE AUTORES
Para el desarrollo de este proyecto todos los autores han realizado una contribución significativa
especificada a continuación:
Ricardo Fernando Burbano-Delgado: conceptualización, diseño y desarrollo de la investigación
Youseline Garavito-Hernández: búsqueda de información, conceptualización, redacción, revisión final
del manuscrito.
REFERENCIAS
Asociación Nacional de Instituciones Financieras – ANIF. (2018). La Gran Encuesta PYME. URL
Balboa, M., Martí, J., Tresierra-Tanaka, Á. (2017). Are firms accessing venture funding more financially
constrained? New evidence from capital structure adjustments. The European Journal of
Finance, v. 23, n. 3, 243-265. https://doi.org/10.1080/1351847X.2016.1151803
Banco de la República. (s.f.). Índice de producción real de la industria manufacturera colombiana. URL
Barrera Lievano, J. A., Parada Fonseca, S. P., Serrano Serrato, L. V. (2019). Análisis empírico de
correlación entre el indicador de estructura de capital y el indicador de margen de utilidad
neta en PYMEs. Revista de Métodos Cuantitativos para la Economía y la Empresa, v. 29, 99-
115. https://doi.org/10.46661/revmetodoscuanteconempresa.3520

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
21 / 23
Bonilla Bonilla, Y. M. (2016). Modelo para estimar el costo de uso de capital (WACC) para las empresas
PYMES del Sector Industria Caucho y Plástico de la ciudad de Bogotá [Tesis de maestría,
Universidad Santo Tomás]. http://dx.doi.org/10.15332/tg.mae.2020.0741
Bruner, R., Kenneth, M. E., Robert, S. H., Robert, F. H. (1998). Best Practices in Estimating the Cost of
Capital: Survey and Synthesis. Financial Practice and Education, v. 8, n. 1, 13-28. URL
Cao, J., Cui, Y. (2021). Trade Credit and Capital Structure Adjustment Speed: Evidence From Chinese
Listed Firms. Review of Pacific Basin Financial Markets and Policies, v. 24, n. 1, 2150002.
https://doi.org/10.1142/S0219091521500028
Castro-Silva, H. F., Rodríguez-Fonseca, F., Martínez-Chaparro, Y. A. (2019). Success factors of MSMEs
in Colombia. Clío América, v. 13, n. 26, 318-327. https://doi.org/10.21676/23897848.3429
Confecámaras. (2019). Dinámica de creación de empresas en Colombia. Confecámaras.
Cornejo Díaz, R. H. (2015). Estructura de capital en mercados emergentes. Velocidad de ajuste de la
estructura de capital en las empresas peruanas cotizadas en bolsa. Editorial Académica
Española.
Cotner, J. S., Fletcher, H. D. (2000). Computing the Cost of Capital for privately held firm. American
Business Review, v. 18, n. 2, 27-33. URL
Das, M. S. (2015). How IFRS based financial statement define the relationship between capital
structure and firm’s profitability: an analysis based on selected Indian companies. Pacific
Business Review International, v. 8, n. 2, 31-36. URL
Departamento Administrativo Nacional de Estadística – DANE. (2018). Boletín Técnico Encuesta Anual
Manufacturera EAM 2018. URL
EMIS Profesional (s.f.). Software. URL
Fernández, P., Carabias, J. M. (2006). Market Risk Premium: Historical, Expected, Required and
Implied. IESE Business School, 1- 22. http://dx.doi.org/10.2139/ssrn.897676
Faraway, J. J. (2015). Linear Models with R. (2 ed.). CRC Press.
Hall, G. C., Hutchinson, P. J., Michaelas, N. (2004). Determinants of The Capital Structures of European
SMEs. Journal of Business Finance & Accounting, v. 31, n. 5-6, 711-728.
https://doi.org/10.1111/j.0306-686X.2004.00554.x
Hovakimian, A., Li, G. (2011). In search of conclusive evidence: how to test for adjustment to target
capital structure. Journal of Corporate Finance, v. 17, n. 1, 33-44.
https://doi.org/10.1016/j.jcorpfin.2010.07.004

Modelo econométrico basado en la aplicación del WACC para las MiPymes del sector metalmecánico en Colombia
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
22 / 23
Jackova, A. (2017). The financial structure optimization-a strategic tool for competitive fight of
companies. Ad Alta: Journal of Interdisciplinary Research, v. 7, n. 1. URL
Ley 590 de 2000. Por la cual se dictan disposiciones para promover el desarrollo de las micro,
pequeñas y medianas empresa. (2000, 10 de julio). Congreso de la República de Colombia.
No. 44.078. URL
Martínez, C. E., Ledesma, J. S., Russo, A. (2014). Modelos de cálculo de las betas a aplicar en el Capital
Asset Pricing Model: el caso de Argentina. Estudios Gerenciales, v. 30, n. 131, 200-208.
https://doi.org/10.1016/j.estger.2014.03.002
Modigliani, F., Miller, M. H. (1958). The Cost of Capital, Corporation Finance, and the Theory of
Investment. The American Economic Review, v. 48, n. 3, 261-297. URL
Modigliani, F., Miller, M. H. (1963). Corporate income taxes and the cost of capital: A correction. The
American Economic Review, v. 53, n. 3, 433-443. URL
Pachón Palacios, M. L. (2013). Modelo Alternativo para Calcular el Costo de los Recursos Propios.
Universidad EAN. https://doi.org/10.21158/9789587562002
Parra Barrios, A. (2018). Un acercamiento al costo de capital de la empresa: naturaleza y aplicación
en las decisiones financieras. Contexto, v. 7, 5-22. URL
Rodríguez, A. G. (2003). La realidad de la pyme colombiana. Desafío para el desarrollo. Fundes
internacional. URL
Rodríguez-Lavado, M. (2018). Bioinformática: Inteligencia Artificial para profundizar en el
conocimiento de trastornos metabólicos complejos. [Trabajo de grado, Universidad
Complutense de Madrid].
Ross, S. A. (1976). The Arbitraje Theory of Capital Asset Pricing. Journal of Economic Theory, v. 13, n.
3, 341-360. https://doi.org/10.1016/0022-0531(76)90046-6
Sánchez Segura, J. H. (2010). La tasa de descuento en países emergentes aplicación al caso
colombiano. Revista Escuela De Administración De Negocios, v. 69, 120-134.
https://doi.org/10.21158/01208160.n69.2010.520
Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under conditions of risk.
The Journal of Finance, v. 19, n. 3, 425-442.
https://doi.org/10.1111/j.1540-6261.1964.tb02865.x
Situm, M. (2021). Determination of expected cost of equity with the CAPM: Theoretical extension
using the law of error propagation. Managerial and Decision Economics, v. 42, n. 1, 77-84.
https://doi.org/10.1002/mde.3214

Ricardo Fernando Burbano-Delgado / Youseline Garavito-Hernández
Revista CEA, ISSN-p 2390-0725, ISSN-e 2422-3182, Vol. 8 – No. 16, enero-abril 2022, e1974
23 / 23
Stiglitz, J. (1974). On the irrelevance of corporate financial policy. The American Economic Review, v.
64, n. 6, 851-866. URL
Torralba Flores, A., Pérez Paredes, A., Martínez Ángeles, D. M. (2017). Fracaso emprendedor, como
experiencia de aprendizaje para empresarios del municipio de Puebla. Revista GEON
(Gestión, Organizaciones y Negocios), v. 4, n. 2, 25-33.
https://doi.org/10.22579/23463910.21
Tusell, F. (2011). Análisis de Regresión. Introducción Teórica y Práctica Basada en R. Universidad de
Bilbao. URL
Valverde, G. R., Valverde, B. R. (2006). Colinealidad y mínimos cuadrados ponderados. Revista
venezolana de análisis de coyuntura, v. 12, n. 1, 283-296.
Wojewodzki, M., Poon, W. P. H., Shen, J. (2018). The role of credit ratings on capital structure and its
speed of adjustment: An international study. The European Journal of Finance, v. 24, n. 9,
735-760. https://doi.org/10.1080/1351847X.2017.1354900