Análisis de las razones financieras

INVENTARIOS Serie - Parte 5
Inventarios
Supply Chain
Logística
Finanzas
Autor
Afiliación

Cristian Chiquito Valencia

Independent @ CHV

Fecha de publicación

February 21, 2025

Para continuar con nuestro análisis del impacto de la administración de inventarios, debemos tener presente algunas razones financieras. No vamos a cubrirlas todas, pero sí vamos a estimar los valores de las Pymes en el Valle del Cauca, con la intención de que puedas usar estos datos para el desarrollo de la serie.

Lo primero, por si no lo sabías, existe un Sistema Integrado de Información Societaria donde puedes ver el Estado de Situación Financiera, el Estado de Resultado Integral, entre otros, que reportan las empresas. Lo administra una entidad adscrita del Ministerio de Comercio, Industria y Turismo: la Superintendencia de Sociedades.

Adscrita: creada por la ley o autorizadas por esta, que cumplen funciones administrativas que integran la rama ejecutiva y cuentan con personería jurídica (tiene libertad para desarrollar su objeto, capaz de adquirir derechos y obligaciones, representar y ser representada), patrimonio propio y autonomía propia.

Código 
library(tidyverse)
library(data.table)
library(gt)

knitr::opts_chunk$set(message = FALSE, warning = FALSE, fig.align = "center")

estilo_summary <- function(resumen){
    resumen |> 
        summary() |> 
        as.data.frame() |> 
        rownames_to_column() |> 
        #dplyr::select(c(Var2,Freq)) |> 
        rename(Medida = rowname,
               Frecuencia = x) |> 
        mutate(Frecuencia = round(Frecuencia,4))
}

aplicar_theme_table <- function(gt_table) {
    gt_table %>%
        cols_align(align = "center") |> 
        tab_options(
            table.border.top.color = "orange",
            table.font.color = "#1e2c46",
            table_body.hlines.color = "orange",
            column_labels.background.color = "#1e2c46"
        )
}

Vamos a revisar los datos:

Código 
data <- openxlsx::read.xlsx("./210030_Estado de situación financiera, corriente_no corriente.xlsx") |> 
    data.table()

# Función para extraer texto dentro de parentesis
extraer_texto <- function(texto){
    inicial <- gregexpr("\\(", texto)[[1]]
    final <- gregexpr("\\)", texto)[[1]]
    substring(texto, inicial + 1, final - 1)
}

# Vector con los nombres extraídos
nuevo_nombre <- colnames(data) |> 
    purrr::map(~extraer_texto(.x)) |> 
    unlist()

# Asignar nombres en inglés
data <- setNames(data, ifelse(nuevo_nombre != "", nuevo_nombre, colnames(data)))

# Cambiar otros nombres
data <- data |> 
    rename(Razon.Social = "Raz&#243;n.social.de.la.sociedad",
           Direccion = "Direcci&#243;n.de.notificaci&#243;n.judicial.registrada.en.C&#225;mara.de.Comercio",
           Departamento = "Departamento.de.la.direcci&#243;n.del.domicilio",
           Ciudad = "Ciudad.de.la.direcci&#243;n.del.domicilio",
           TotalCurrentFinancialAssetsSELL= "Total_activos_corrientes_distintos_de_los_activos_no_corrientes_o_grupo_de_activos_para_su_disposicion_clasificados_como_mantenidos_para_la_venta_o_como_mantenidos_para_distribuir_a_los_propietarios",
           OtherCurrentFinancialAssetsSELL= "Activos_no_corrientes_o_grupos_de_activos_para_su_disposicion_clasificados_como_mantenidos_para_la_venta_o_como_mantenidos_para_distribuir_a_los_propietarios",
           PropertyPlantAndEquipmentWithDEP= "Propiedades_de_inversi&#243;n_al_costo_menos_depreciacion_acumulada_y_deterioro",
           TotalCurrentFinancialLiabilitiesSELL = "Total_pasivos_corrientes_distintos_de_los_pasivos_incluidos_en_grupos_de_activos_para_su_disposicion_clasificados_como_mantenidos_para_la_venta",
           OtherCurrentFinancialLiabilitiesSELL= "Pasivos_incluidos_en_grupos_de_activos_para_su_disposicion_clasificados_como_mantenidos_para_la_venta")

# Solo veremos el periodo final
data <- data |> 
    filter(Periodo == "Periodo Actual",
           Fecha.de.Corte == "2022-12-31")


gt(head(data,5)) |> 
    aplicar_theme_table() |> 
    tab_options(table.width = pct(50))
Punto.de.Entrada Nombre.Formulario NIT Fecha.de.Corte Razon.Social CIIU Tipo.societario Direccion Departamento Ciudad Periodo CashAndCashEquivalents TradeAndOtherCurrentReceivables Inventories CurrentTaxAssetsCurrent CurrentBiologicalAssetsAtCost CurrentBiologicalAssetsAtFairValue OtherCurrentFinancialAssets OtherCurrentNonfinancialAssets CurrentNoncashAssetsPledgedAsCollateralForWhichTransfereeHasRightByContractOrCustomToSellOrRepledgeCollateral TotalCurrentFinancialAssetsSELL OtherCurrentFinancialAssetsSELL CurrentAssets PropertyPlantAndEquipment PropertyPlantAndEquipmentWithDEP InvestmentProperty Goodwill IntangibleAssetsOtherThanGoodwill NoncurrentBiologicalAssetsAtCost NoncurrentBiologicalAssetsAtFairValue NoncurrentReceivables NoncurrentInventories DeferredTaxAssets CurrentTaxAssetsNoncurrent OtherNoncurrentFinancialAssets OtherNoncurrentNonfinancialAssets NoncurrentNoncashAssetsPledgedAsCollateralForWhichTransfereeHasRightByContractOrCustomToSellOrRepledgeCollateral NoncurrentAssets Assets CurrentProvisionsForEmployeeBenefits OtherShorttermProvisions CurrentProvisions TradeAndOtherCurrentPayables CurrentTaxLiabilitiesCurrent OtherCurrentFinancialLiabilities ShorttermBorrowings CurrentPortionOfLongtermBorrowings OtherCurrentNonfinancialLiabilities TotalCurrentFinancialLiabilitiesSELL OtherCurrentFinancialLiabilitiesSELL CurrentLiabilities NoncurrentProvisionsForEmployeeBenefits OtherLongtermProvisions NoncurrentProvisions NoncurrentPayables DeferredTaxLiabilities CurrentTaxLiabilitiesNoncurrent OtherNoncurrentFinancialLiabilities LongtermBorrowings OtherNoncurrentNonfinancialLiabilities NoncurrentLiabilities Liabilities IssuedCapital SharePremium TreasuryShares InversionSuplementariaAlCapitalAsignado OtherEquityInterest SuperavitPorRevaluacion OtherReserves RetainedEarnings Equity EquityAndLiabilities
Pymes-Individuales Estado de situaci&#243;n financiera, corriente/no corriente 800000090 2022-12-31 Ingenieros Servicios Constructivos SAS F4111 - Construcci&#243;n de edificios residenciales 08. SOCIEDAD POR ACCIONES SIMPLIFICADA SAS Carrera 38 26 17 OFICINA 922 y 926 ANTIOQUIA MEDELLIN-ANTIOQUIA Periodo Actual 2922 3769426 0 108391 NA NA NA 8548153 NA 12428892 NA 12428892 357599 NA NA NA NA NA NA NA NA NA NA NA NA NA 357599 12786491 304289 3279 307568 1292633 733077 1235364 1235364 NA NA 3568642 NA 3568642 NA NA NA NA NA NA NA NA 4743536 4743536 8312178 1500000 2392140 NA NA 0 NA 10616 571557 4474313 12786491
Pymes-Individuales Estado de situaci&#243;n financiera, corriente/no corriente 800000241 2022-12-31 CERERIA EL SAGRADO CORAZON LTDA C3290 - Otras industrias manufactureras n.c.p. 03. SOCIEDAD LIMITADA KM 5.5 VIA LA BUITRERA PREDIO LA CANANEA VALLE CALI-VALLE Periodo Actual 434850 3294074 2412864 NA NA NA 51621 NA NA 6193409 NA 6193409 564126 NA NA NA NA NA NA NA NA NA NA 18708 NA NA 582834 6776243 114962 NA 114962 2775642 294400 253216 253216 NA NA 3438220 NA 3438220 NA NA NA NA NA NA NA NA NA NA 3438220 200000 NA NA NA NA 132740 130902 2874381 3338023 6776243
Pymes-Individuales Estado de situaci&#243;n financiera, corriente/no corriente 800000268 2022-12-31 INVERSIONES SCHLEGEL DONADO SAS L6810 - Actividades inmobiliarias realizadas con bienes propios o arrendados 08. SOCIEDAD POR ACCIONES SIMPLIFICADA SAS CARRERA 53 82 115 ATLANTICO BARRANQUILLA-ATLANTICO Periodo Actual 53687 0 25408 17038 0 0 0 516081 0 612214 0 612214 NA 4939698 2189617 0 0 0 0 0 0 0 0 0 0 0 7129315 7741529 0 0 0 1531298 44434 0 0 0 0 1575732 0 1575732 0 0 0 0 345913 0 2780438 2780438 0 3126351 4702083 70000 0 0 0 0 1970655 35000 963791 3039446 7741529
Pymes-Individuales Estado de situaci&#243;n financiera, corriente/no corriente 800000276 2022-12-31 AVICOLA EL MADRO&#209;O SA A0145 - Cr&#237;a de aves de corral 01. SOCIEDAD AN&#211;NIMA KM 6 VIA GIRON CR 12 # 57 - 88 SANTANDER BUCARAMANGA-SANTANDER Periodo Actual 2331706 60436680 42997280 14035926 20869714 NA 1391059 3106904 NA 145169269 NA 145169269 132086107 NA NA NA 50000 NA NA NA NA 1266864 NA 141186 NA NA 133544157 278713426 4079708 NA 4079708 84899951 8285620 26275037 18918026 7357011 69993 123610309 NA 123610309 NA NA NA NA 10438735 NA 47342439 47342439 2230000 60011174 183621483 3576000 17073150 NA NA NA 41224684 1788000 31430109 95091943 278713426
Pymes-Individuales Estado de situaci&#243;n financiera, corriente/no corriente 800000296 2022-12-31 ZR INGENIERIA SA F4290 - Construcci&#243;n de otras obras de ingenier&#237;a civil 01. SOCIEDAD AN&#211;NIMA CL 106 57 23 OF 204 BOGOTA D.C. BOGOTA D.C. Periodo Actual 8991 416673 1482034 NA NA NA 527379 NA NA 2435077 NA 2435077 648 NA NA NA NA NA NA 4202324 NA NA NA 27131 NA 200 4230303 6665380 25059 NA 25059 28018 21233 NA NA NA 37349 111659 NA 111659 NA NA NA 2665814 49490 232926 NA NA NA 2948230 3059889 1000000 NA NA NA NA NA 276021 2329470 3605491 6665380

Revisemos cuántos datos tenemos envolatados (missing values):

Código 
# Aplicar a cada columna una validación de NA
sapply(data, function(x) sum(is.na(x))) |> 
    data.frame() |> 
    rownames_to_column() |> 
    setNames(c("Rubro","Missing")) |> 
    gt_preview(top_n = 5, bottom_n = 10) |> 
    aplicar_theme_table()
Rubro Missing
1 Punto.de.Entrada 0
2 Nombre.Formulario 0
3 NIT 0
4 Fecha.de.Corte 0
5 Razon.Social 0
6..62
63 IssuedCapital 0
64 SharePremium 17590
65 TreasuryShares 21859
66 InversionSuplementariaAlCapitalAsignado 21697
67 OtherEquityInterest 19220
68 SuperavitPorRevaluacion 16563
69 OtherReserves 5426
70 RetainedEarnings 22
71 Equity 0
72 EquityAndLiabilities 0

Y qué pasa entonces con los valores en cero:

Código 
# Aplicar a cada columna una validación de CEROS
sapply(data, function(x) sum(x==0, na.rm = TRUE)) |> 
    data.frame() |> 
    rownames_to_column() |> 
    setNames(c("Rubro","Missing")) |> 
    gt_preview(top_n = 5, bottom_n = 10) |> 
    aplicar_theme_table()
Rubro Missing
1 Punto.de.Entrada 0
2 Nombre.Formulario 0
3 NIT 0
4 Fecha.de.Corte 0
5 Razon.Social 0
6..62
63 IssuedCapital 0
64 SharePremium 2136
65 TreasuryShares 2678
66 InversionSuplementariaAlCapitalAsignado 2607
67 OtherEquityInterest 2331
68 SuperavitPorRevaluacion 1977
69 OtherReserves 695
70 RetainedEarnings 12
71 Equity 2
72 EquityAndLiabilities 3

Me parece razonable suponer que habrán errores en las empresas que no reportan, o que reportan en ceros, Assets, Liabilities, Equity y EquityAndLiabilities. Así que van para afuera.

Código 
# Descartar NA y 0's
# data <- data |> 
#     filter_at(vars(Assets, Liabilities, Equity, EquityAndLiabilities),
#               all_vars(!is.na(.))) |> 
#     filter_at(vars(Assets, Liabilities, Equity, EquityAndLiabilities),
#               all_vars(!.==0))

cols <- c("Assets", "Liabilities", "Equity", "EquityAndLiabilities")

data <- data |>
  filter_at(vars(!!!cols), ~ !is.na(.) & . != 0)

Vamos a ver por departamento cuántas empresas tiene el reporte:

Código 
# Tabla para cantidad de empresas por departamento
data |> 
    group_by(Departamento) |> 
    summarise(Cantidad = n()) |> 
    arrange(desc(Cantidad)) |> 
    mutate(Proporcion = round(100*Cantidad / sum(Cantidad),2),
           Acumulado = paste0(cumsum(Proporcion),"%")) |> 
    gt_preview() |> 
    aplicar_theme_table()
Departamento Cantidad Proporcion Acumulado
1 BOGOTA D.C. 10207 41.61 41.61%
2 ANTIOQUIA 4308 17.56 59.17%
3 VALLE 2386 9.73 68.9%
4 ATLANTICO 1548 6.31 75.21%
5 CUNDINAMARCA 1254 5.11 80.32%
6..31
32 GUAINIA 1 0.00 100%

El balance general resume los bienes, pasivos y capital de los dueños de un negocio en un momento, que generalmente es a final del año o de un trimestre. El estado de pérdidas y ganancias resume los ingresos y gastos de la compañía durante un periodo determinado. El primero es una foto de la posición financiera, el segundo es el resumen de la rentabilidad en el tiempo.

Existen razones financieras para comparar las empresas.

Razones de liquidez

Capacidad de una empresa para cumplir con sus obligaciones a corto plazo.

Liquidez corriente

\[ \frac{\text{Activos corriente}}{\text{Pasivos corrientes}} \]

En teoría, entre más alta sea la liquidez corriente, mayor será la capacidad de la empresa para pagar sus deudas. Aunque esta razón debe verse como una medida burda porque no toma en cuenta la liquidez de los componentes individuales de los activos corrientes. Una empresa que tiene activos corrientes compuestos principalmente de efectivo y cuentas por cobrar no vencidas, en general se ve como con más liquidez que una empresa cuyos activos corrientes son principalmente inventarios. En consecuencia, recurrimos a una prueba de la liquidez de la empresa más severa: la razón de la prueba ácida.

La liquidez tiene dos dimensiones:

1. El tiempo requerido para convertir el activo en efectivo.

2. La certidumbre del precio obtenido.

Incluso si el precio obtenido en cuentas por cobrar fuera tan predecible como el obtenido sobre los inventarios, las cuentas por cobrar serían un activo más líquido que los inventarios, en virtud del tiempo más corto requerido para convertir el activo en efectivo. Si se tuviera más certidumbre del precio obtenido sobre las cuentas por cobrar que sobre los inventarios, las cuentas por cobrar se considerarían de mayor liquidez.

Código 
data |> 
    filter(Departamento == "VALLE") |> 
    mutate(liquidez_corriente = CurrentAssets/CurrentLiabilities) |> 
    filter(liquidez_corriente < 10) |> 
    ggplot(aes(liquidez_corriente))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN LIQUIDEZ CORRIENTE", y = "DENSIDAD",
         title = "LIQUIDEZ CORRIENTE EN EL VALLE DEL CAUCA")+
    scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Aquí las cifras más aterrizadas para los que les gustan los datos;

Código 
resultado_liquidez_corriente <- data |> 
    filter(Departamento == "VALLE") |> 
    mutate(liquidez_corriente = CurrentAssets/CurrentLiabilities) |> 
    filter(liquidez_corriente < 10) |> 
    with(ecdf(liquidez_corriente)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()

resultado_liquidez_corriente
Medida Frecuencia
Min. 0.0000
1st Qu. 1.1563
Median 1.6934
Mean 2.3014
3rd Qu. 2.7441
Max. 9.9827

Razon de la prueba ácida (rápida)

\[ \frac{\text{Activos corrientes - Inventarios}}{\text{Pasivos corrientes}} \]

Esta razón sirve como complemento de la liquidez corriente al analizar la liquidez. Excluye los inventarios —que se supone es la porción menos líquida de los activos corrientes— del numerador. La razón se concentra principalmente en los activos corrientes más líquidos —efectivo, valores de corto plazo y cuentas por cobrar— en relación con las obligaciones actuales. Así, esta razón ofrece una medida más precisa de la liquidez que la liquidez corriente:

Código 
data |> 
    filter(Departamento == "VALLE") |> 
    mutate(prueba_acida = (CurrentAssets - Inventories)/CurrentLiabilities) |> 
    filter(prueba_acida < 10) |> 
    ggplot(aes(prueba_acida))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN LIQUIDEZ CORRIENTE (sin Inventarios)", y = "DENSIDAD",
         title = "PRUEBA ÁCIDA EN EL VALLE DEL CAUCA")+
    scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Código 
resultado_prueba_acida <- data |> 
    filter(Departamento == "VALLE") |> 
    mutate(prueba_acida = (CurrentAssets - Inventories)/CurrentLiabilities) |> 
    filter(prueba_acida < 10) |>
    with(ecdf(prueba_acida)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()

resultado_prueba_acida
Medida Frecuencia
Min. 0.0000
1st Qu. 0.6344
Median 1.0728
Mean 1.6211
3rd Qu. 1.8941
Max. 9.9846

Tenemos una diferencia de NA, 0.6206 entre las medianas de las razones.

Estas razones no nos dicen si las cuentas por cobrar y/o los inventarios de hecho son demasiado altos. Si lo son, esto afectaría nuestra impresión inicial favorable de la liquidez de la compañía. Por eso, necesitamos ir detrás de las razones y examinar el tamaño, la composición y la calidad de estos dos activos corrientes importantes

Razones de apalancamiento financiero (deuda)

Indican el grado en el que una empresa se financia mediante deuda.

Razón entre deuda y capital

\[ \frac{\text{Deuda total}}{\text{Capital de accionistas}} \]

Nos dice cuánto de cada peso aportan los accionistas como financiamiento. En general, si fueras un acreedor, querrías tener una razón baja, porque así será mayor el nivel de financiamiento de la empresa que aportan los accionistas, el márgen de protección de los acreedores en caso de una disminución del valor de los activos o de pérdidas totales.

Código 
data |> 
    filter(Departamento == "VALLE") |> 
    mutate(deuda_capital = Liabilities/Equity) |> 
    filter(deuda_capital >= 0, deuda_capital <= 5) |> 
    ggplot(aes(deuda_capital))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN DEUDA CAPITAL", y = "DENSIDAD",
         title = "DEUDA / CAPITAL EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Podría requerirse, dependiendo de la naturaleza del negocio, excluir las acciones preferenciales del capital e incluirlo en deuda porque representan una reclamación anterior desde el punto de vista de los inversionistas en acciones ordinarias. Pero aquí, lo hacemos de manera sencilla.

Código 
data |> 
    filter(Departamento == "VALLE") |> 
    mutate(deuda_capital = Liabilities/Equity) |> 
    filter(deuda_capital >= 0, deuda_capital <= 5) |> 
    with(ecdf(deuda_capital)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0000
1st Qu. 0.2174
Median 0.7107
Mean 1.0686
3rd Qu. 1.5373
Max. 4.9913

Una comparación de la razón entre deuda y capital para una companía dada con empresas similares nos indica si es digna de crédito, así como el riesgo financiero de la empresa.

Razón entre deuda y activos totales

Esta razón tiene un propósito similar a la razón entre deuda y capital. Resalta la importancia relativa del financiamiento mediante deuda mostrando el porcentaje de los activos de la empresa que está solventado por el financiamiento mediante deuda.

\[ \frac{\text{Deuda total}}{\text{Activos totales}} \]

Si la empresa tuviera que liquidarse ya, los activos podrían venderse por una cantidad neta antes de que los acreedores tuvieran pérdidas. Cuanto más alta esta razón, más alto el riesgo de financiamiento.

Código 
data |> 
    filter(Departamento == "VALLE") |> 
    mutate(deuda_activos_total = Liabilities/Assets) |> 
    filter(deuda_activos_total >= 0, deuda_activos_total <= 2) |> 
    ggplot(aes(deuda_activos_total))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN DEUDA ACTIVOS TOTALES", y = "DENSIDAD",
         title = "DEUDA / ACTIVOS TOTALES EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Aquí se nos presenta una distribución con dos picos. Seguro que algún día les explico cómo enfrentarse a esto.

Código 
data |> 
    filter(Departamento == "VALLE") |> 
    mutate(deuda_activos_total = Liabilities/Assets) |> 
    filter(deuda_activos_total >= 0, deuda_activos_total <= 2) |> 
    with(ecdf(deuda_activos_total)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0000
1st Qu. 0.2057
Median 0.4680
Mean 0.4656
3rd Qu. 0.6832
Max. 1.9793

Podríamos decir por ahora que el 46% de los bienes de la empresa están financiados con deuda, de varios tipos. Y el 54% restante del financiamiento proviene del capital de los accionistas.

Los datos anteriores reflejan cortes de diciembre del año 2022. Si te interesa conocer la información más actual, o profundizar en otro tipo de análisis no dudes en contactarme.

Recuerda que ninguna razón por sí sola nos entrega suficiente información para juzgar las condiciones financieras y el desempeño de una empresa. Debemos asegurarnos de analizar un grupo de indicadores, determinar si hay estacionalidad en las cifras, revisar las tendencias.

Razones de cobertura

Relacionan los cargos financieros de una empresa con su capacidad para servirlos o cubrirlos.

Razón de cobertura de interés

Código 
# Función para extraer texto dentro de parentesis
extraer_texto <- function(texto){
    inicial <- gregexpr("\\(", texto)[[1]]
    final <- gregexpr("\\)", texto)[[1]]
    substring(texto, inicial + 1, final - 1)
}

# Vector con los nombres extraídos
nuevo_nombre <- function(info){
    colnames(info) |> 
    purrr::map(~last(extraer_texto(.x))) |> 
    unlist()
}

pyg <- openxlsx::read.xlsx("./310030_Estado de resultado integral, resultado del periodo, por funcion de gasto(3).xlsx") |> 
    data.table() |> 
    filter(Fecha.de.Corte == "2022-12-31")

# Asignar nombres en inglés
pyg <- setNames(pyg, ifelse(nuevo_nombre(pyg) != "", nuevo_nombre(pyg), colnames(pyg)))

pyg <- pyg |> 
    filter(Periodo == "Periodo Actual", 
           `Departamento.de.la.direcci&#243;n.del.domicilio` == "VALLE")

Esta razón sirve como medida de la capacidad de una empresa para cumplir con los pagos de interés y evitar bancarrota. A mayor valor, mayor la probabilidad de lograr cubrir pagos sin dificultad. Además, da información acerca de la posibilidad de enfrentar nueva deuda.

Código 
pyg |> 
    mutate(cobertura_interes = ProfitLossBeforeTax/FinanceCosts) |> 
    filter(cobertura_interes >= 0, cobertura_interes <= 20) |> 
    ggplot(aes(cobertura_interes))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN COBERTURA INTERÉS", y = "DENSIDAD",
         title = "UAII/GASTO INTERÉS EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Estos son los resultados para la razón de cobertura de interés:

Código 
pyg |> 
    mutate(cobertura_interes = ProfitLossBeforeTax/FinanceCosts) |> 
    filter(cobertura_interes >= 0, cobertura_interes <= 20) |> 
    with(ecdf(cobertura_interes)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0007
1st Qu. 1.0434
Median 2.7108
Mean 4.5117
3rd Qu. 6.4900
Max. 19.9509

Además de los pagos de interés, podemos agregar pagos del principal sobre las obligaciones de deuda, los dividendos de acciones preferenciales y los pagos de arrendamiento. Un análisis más amplio evaluará la capacidad de una empresa para cubrir todos los cargos de naturaleza fija.

Razones de actividad

Miden qué tan efectiva es la manera en que la empresa usa sus activos.

Razón de rotación de cuentas por cobrar

Proporciona un panorama de la calidad de las cuentas por cobrar de la empresa y qué tan exitosa es en sus cobros.

\[ \frac{\text{Ventas netas a crédito anuales}}{\text{Cuentas por cobrar}} \]

Código 
caratula <- openxlsx::read.xlsx("./10000_Carátula.xlsx") |> 
    data.table()

full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,14,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(RCC = Revenue / `TradeAndOtherCurrentReceivables`,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(RCC > 0, RCC <= 20, !is.na(RCC), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
   # ggplot(aes(as.numeric(tiempo), RCC, group = as.factor(tiempo)))+
    ggplot(aes(RCC))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN ROTACIÓN CUENTAS POR COBRAR", y = "DENSIDAD",
         title = "VENTAS A CRÉDITO / CUENTAS POR COBRAR EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Nos dice el número de veces que las cuentas por cobrar se han convertido en efectivo durante el año. Aquí estamos suponiendo que todos los ingresos fueron por ventas a crédito (no tenemos información acerca de la cantidad exacta a través de los archivos de SIIS).

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,14,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(RCC = Revenue / `TradeAndOtherCurrentReceivables`,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(RCC > 0, RCC <= 20, !is.na(RCC), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
    with(ecdf(RCC)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0000
1st Qu. 1.5373
Median 4.0015
Mean 5.0863
3rd Qu. 7.3056
Max. 19.8855

Cuando las ventas son estacionales o han aumentado considerablemente en el año, usar el balance de las cuentas por cobrar al final del año puede no ser adecuado. Con estacionalidad, un promedio de los balances mensuales puede ser lo más apropiado. Con crecimiento, el balance de las cuentas por cobrar será engañosamente alto en relación con las ventas. El resultado es que la conversión de cuentas por cobrar en efectivo calculado es una estimación sesgada y baja del número de conversiones durante el año. En este caso, un promedio de las cuentas por cobrar al inicio y final del año será adecuado si el crecimiento en las ventas fue estable en el año.

Rotación de cuentas por cobrar en días

\[ \frac{\text{Días del año}}{\text{Rotación de cuentas por cobrar}} = \frac{\text{Cuentas por cobrar x días del año}}{\text{Ventas a crédito anuales}} \]

Nos dice el número promedio de días que las cuentas por cobrar están en circulación antes de ser cobradas, que para el caso de las empresas del Valle del Cauca es:

\[ \frac{365}{4}≅90 \]

Podríamos decir que aunque un periodo promedio de cobro demasiado alto suele ser malo, un promedio muy bajo no necesariamente es bueno. Un periodo promedio muy bajo de cobro puede ser un síntoma de una política de crédito excesivamente restrictiva. Las pocas cuentas por cobrar que aparecen en los libros tal vez sean de primera calidad, pero las ventas quizás estén indebidamente restringidas —y las ganancias son menores a las que podrían ser— debido a que se otorgan créditos con muchas restricciones a los clientes.

Razón de rotación de cuentas por pagar

Capacidad de pago oportuno a los proveedores o el de algún potencial cliente candidato a crédito.

\[ \frac{\text{Días en el año}}{\text{Rotación de cuentas por pagar}}=\frac{\text{Cuentas por pagar x días en el año}}{\text{Compras a crédito anuales}} \]

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,14,43,51,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12,13)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(RCP = (CurrentLiabilities+Inventories) / CostOfSales,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(RCP > 0, RCP < 5, !is.na(RCP), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
   # ggplot(aes(as.numeric(tiempo), RCC, group = as.factor(tiempo)))+
    ggplot(aes(RCP))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN ROTACIÓN CUENTAS POR PAGAR", y = "DENSIDAD",
         title = "CUENTAS POR PAGAR / COMPRAS A CRÉDITO EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,14,43,51,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12,13)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(RCP = (CurrentLiabilities+Inventories) / CostOfSales,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(RCP > 0, RCP < 5, !is.na(RCP), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
    with(ecdf(RCP)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0019
1st Qu. 0.3258
Median 0.5793
Mean 0.8367
3rd Qu. 1.0276
Max. 4.9754

Razón de rotación de inventarios

Determina qué tan efectiva es la empresa al administrar el inventario y también es una indicación de la liquidez del inventario.

\[ \frac{\text{Costo de bienes vendidos}}{\text{Inventarios}} \]

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,14,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12,13)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(RDI = CostOfSales / Inventories,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(RDI > 0, RDI <= 20, !is.na(RDI), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
    ggplot(aes(RDI))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN ROTACIÓN INVENTARIOS", y = "DENSIDAD",
         title = "COSTO DE BIENES / INVENTARIOS EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

La razón de rotación de inventario nos dice cuántas veces el inventario se convierte en cuentas por cobrar a través de las ventas durante el año. Esta razón, como las otras, debe juzgarse en relación con las razones del pasado y el futuro esperado de la empresa y en relación con las razones de empresas similares, o el promedio de la industria o ambos.

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,14,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12,13)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(RDI = CostOfSales / Inventories,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(RDI > 0, RDI <= 20, !is.na(RDI), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
    with(ecdf(RDI)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0002
1st Qu. 1.7339
Median 3.6109
Mean 5.1111
3rd Qu. 7.3148
Max. 19.9807

En general, cuanto más alta sea la rotación de inventario, más eficiente será su manejo, y más “fresco” y líquido será ese inventario. Sin embargo, algunas veces una rotación alta del inventario indica una existencia precaria. Por lo tanto, en realidad puede ser un síntoma de que hay un nivel de inventario muy bajo y con frecuencia se incurre en faltantes. Una rotación de inventario relativa- mente baja muchas veces es señal de un movimiento lento o de artículos obsoletos en el inventario

Rotación de inventario en días

\[ \frac{\text{Días del año}}{\text{Rotación de inventario}}=\frac{\text{Inventario x Días en el año}}{\text{Costo de bienes vendidos}} \]

Nos dice cuántos días, en promedio, pasan antes de que el inventario se convierta en cuentas por pagar mediante las ventas.

\[ \frac{365}{3.61}≅100 \]

Ciclo de operación

Es el tiempo que transcurre desde el compromiso de efectivo para compras hasta el cobro de las cuentas por cobrar que resultan de la venta de bienes o servicios.

\[ \text{Rotación de inventario en días } +\text{ Rotación de cuentas por cobrar en días} \]

La mayoría de las empresas no pagan la materia prima de inmediato, sino compran a crédito e incurren en una cuenta por pagar.

\[ 100+90=190 \text{ días para empresas del Valle del Cauca} \]

¿Por qué preocuparse por el ciclo de operación de una empresa? Una empresa con un ciclo de operación muy corto puede operar de manera efectiva con una cantidad relativamente pequeña de activos corrientes, y liquidez corriente y razón de prueba ácida relativamente bajas. Esta empresa tiene una liquidez relativa en un sentido “dinámico”: puede generar un producto, venderlo y cobrar en efectivo por él, todo en un periodo relativamente corto. No tiene que apoyarse en niveles de liquidez “estáticos” altos como los mide la liquidez corriente o la razón de la prueba ácida.

Razón de rotación de activos totales

Nos indica la eficiencia relativa con la que una empresa usa sus activos totales para generar ventas.

\[ \frac{\text{Ventas netas}}{\text{Activos totales}} \]

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,39,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12,13)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(rotacion_capital = Revenue / Assets,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(rotacion_capital > 0, rotacion_capital <= 5, !is.na(rotacion_capital), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
    ggplot(aes(rotacion_capital))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "RAZÓN ROTACIÓN ACTIVOS TOTALES", y = "DENSIDAD",
         title = "VENTAS NETAS / ACTIVOS TOTALES EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Código 
full_join(
data |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,13,39,62,72)) |> 
    unique() 
,
pyg |> 
    filter(Periodo == "Periodo Actual") |> 
    dplyr::select(c(3,4,5,12,13)) |> 
    unique()
) |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(rotacion_capital = Revenue / Assets,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(rotacion_capital > 0, rotacion_capital <= 5, !is.na(rotacion_capital), tiempo >=0, !is.na(tiempo)) |> 
    filter(tiempo < 50) |> 
    with(ecdf(rotacion_capital)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0000
1st Qu. 0.1534
Median 0.7450
Mean 1.0356
3rd Qu. 1.5722
Max. 4.9878

Podría existir una inversión excesiva en cuentas por cobrar y en inventarios.

Razones de rentabilidad

Relacionan las ganancias con las ventas y la inversión.

Márgen de ganancias brutas

Nos da la ganancia de la empresa relativa a las ventas, después de deducir el costo de producir los bienes. Es una medida de la eficiencia en la operación de la empresa, al igual que un indicador de cómo se asigna precio a los productos.

\[ \frac{\text{Ventas netas - Costo de bienes vendidos}}{\text{Ventas netas}} \]

Código 
pyg |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(margen_bruto = 100 * (Revenue-CostOfSales)/Revenue,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(margen_bruto > 0, margen_bruto <= 200, !is.na(margen_bruto), tiempo >=0, !is.na(tiempo)) |> 
    ggplot(aes(margen_bruto))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "MARGEN DE GANANCIAS BRUTAS (%)", y = "DENSIDAD",
         title = "RENTABILIDAD (VENTAS) EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Código 
pyg |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(margen_bruto = 100 * (Revenue-CostOfSales)/Revenue,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(margen_bruto > 0, margen_bruto <= 200, !is.na(margen_bruto), tiempo >=0, !is.na(tiempo)) |> 
    with(ecdf(margen_bruto)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0747
1st Qu. 18.2208
Median 29.5569
Mean 35.1813
3rd Qu. 46.7363
Max. 100.0000

Si el márgen de tu empresa está por encima del \(30\%\) significa que es más efectiva al producir y vender productos por arriba del costo que la mitad de las empresas en la región considerada.

Márgen de ganancia neta

Una medida de la rentabilidad de las ventas después de impuestos de la empresa tomando en cuenta todos los gastos e impuestos sobre la renta. Nos indica el ingreso neto por peso de venta.

\[ \frac{\text{Ganancia neta después de impuestos}}{\text{Ventas netas}} \]

Código 
pyg |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(margen_neto = 100 * (ProfitLoss)/Revenue,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(margen_neto > 0, margen_neto <= 30, !is.na(margen_neto), tiempo >=0, !is.na(tiempo)) |> 
    ggplot(aes(margen_neto))+
    geom_density(col = "orange", size = 1.2) +
    labs(x = "MARGEN DE GANANCIAS NETAS (%)", y = "DENSIDAD",
         title = "RENTABILIDAD (VENTAS) EN EL VALLE DEL CAUCA")+
    #scale_x_continuous(breaks = c(seq(0, 100, by = 1)))+
    theme_minimal()+
    theme(text = element_text(color = "#1e2c46"))

Código 
pyg |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(margen_neto = 100 * (ProfitLoss)/Revenue,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(margen_neto > 0, margen_neto <= 30, !is.na(margen_neto), tiempo >=0, !is.na(tiempo)) |> 
    with(ecdf(margen_neto)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 0.0118
1st Qu. 2.1408
Median 4.5822
Mean 6.5547
3rd Qu. 8.5911
Max. 29.9613

Si el margen de ganancia bruta en esencia no cambia en un periodo de varios años, pero el margen de ganancia neta disminuye en el mismo periodo, sabemos que se puede deber a gastos de ventas, generales y administrativos más altos en relación con las ventas o a una tasa de impuestos más alta. Por otro lado, si el margen de ganancia bruta disminuye, sabemos que el costo de producir bienes con respecto a las ventas ha aumentado. Este suceso, a la vez, puede deberse a precios más bajos o a menor eficiencia operativa en relación con el volumen.

Rendimiento sobre la inversión

Es la capacidad de generar ganancias sobre los activos totales.

\[ \text{Capacidad para generar ganancias = Rentabilidad x Eficiencia de activos} \]

\[ \text{RSI = Márgen de ganancia neta x Rotación de activos totales} \]

Ni el margen de ganancia neta ni la razón de rotación de activos totales, por sí mismos, representan una medida adecuada de la efectividad global. El margen de ganancia neta ignora la utilización de activos, y la razón de rotación de los activos totales ignora la rentabilidad sobre las ventas. La razón del rendimiento sobre la inversión, o capacidad de generar ganancias, resuelve estas deficiencias.

Para el Valle del Cauca:

\[ \text{4.58\% x 0.74= 3.38\%} \]

Aquí lo calculamos usando valores de la mediana y no la media.

Rendimiento sobre capital

Compara la ganancia neta después de impuestos (menos los dividendos de acciones preferenciales, si las hay) con el capital que los accionistas han invertido en la empresa:

\[ \frac{\text{Ganancia neta después de impuestos}}{\text{Capital de accionistas}} \]

O con el enfoque Du Pont:

\[ \text{Rendimiento sobre capital = Márgen de ganancia neta x Rotación de activos totales x Multiplicador de capital} \]

Código 
data |> 
    left_join(caratula[,c(3,11)], by = c("NIT")) |> 
    mutate(multiplicador = Assets/Equity,
           tiempo = 2024 - as.numeric(substr(`Fecha.de.constitución.(Aaaa-Mm-Dd)`,1,4))) |> 
    filter(multiplicador > 0, multiplicador <= 30, !is.na(multiplicador), tiempo >=0, !is.na(tiempo)) |> 
    with(ecdf(multiplicador)) |> 
    estilo_summary() |> 
    gt() |> 
    aplicar_theme_table()
Medida Frecuencia
Min. 1.0000
1st Qu. 1.2796
Median 1.8143
Mean 2.8331
3rd Qu. 2.9409
Max. 29.9845

El multiplicador de capital se calcula como \(\text{Activos totales / Capital accionistas}\) por lo que para el Valle del Cauca el rendimiento sobre capital es

\[ 3.38\% \text{ x } 1.81=6.11\% \]

Aquí terminamos con las bases financieras para nuestra serie.

Cómo citar

BibTeX
@online{chiquito_valencia2025,
  author = {Chiquito Valencia, Cristian},
  title = {Análisis de Las Razones Financieras},
  date = {2025-02-21},
  url = {https://cchiquitovalencia.github.io/posts/2025-02-21-finantial_ratios/},
  langid = {en}
}
Por favor, cita este trabajo como:
Chiquito Valencia, Cristian. 2025. “Análisis de Las Razones Financieras.” February 21, 2025. https://cchiquitovalencia.github.io/posts/2025-02-21-finantial_ratios/.