Professional Documents
Culture Documents
Administracin Financiera
Poltica de Dividendos
La poltica de dividendos forma parte de las decisiones de financiamiento de las empresas. La razn de pago
de dividendos establece la cantidad de utilidades que se puede retener en las compaas como fuente de
financiamiento. Sin embargo, retener una cantidad mayor de utilidades corrientes en las empresas significa
que se dispondr de menos recursos para los pagos corrientes de dividendos. Entonces, un aspecto importante
de la poltica de dividendos consiste en establecer la asignacin adecuada de utilidades entre pagos de divi-
dendos y adiciones a las utilidades retenidas de las empresas. Pero dicha poltica tiene otros aspectos impor-
tantes, como el legal, la liquidez y el control; la estabilidad de los dividendos; los dividendos y las divisiones
de las acciones; la readquisicin de acciones y las cuestiones administrativas.
Por principio de cuentas, nos enfocamos en una pregunta de dos partes: EL pago de dividendos puede
influir en la riqueza de los accionistas y, de ser as, la razn de pago de dividendos la incrementar
al mximo? Suponemos que el riesgo empresarial se mantiene constante. Para evaluar la pregunta de si la
razn del pago de dividendos influye en la riqueza de los accionistas, es necesario analizar primero la poltica
de dividendos de las empresas nicamente como una decisin de financiamiento que implica la retencin de
utilidades. Cada periodo, las compaas deben decidir si retener las utilidades o distribuir una parte o la totali-
dad entre los accionistas en forma de dividendos (en este apartado, se descarta la readquisicin de acciones).
Si las empresas tienen proyectos de inversin que rebasan sus rendimientos requeridos, es decir, con un Valor
Presente Neto (VPN) positivo, recurrirn a las utilidades, adems de los valores principales que resistirn el
incremento de la base de capital para financiar tales proyectos. Si les quedan utilidades despus de financiar
todas las oportunidades aceptables de inversin, se distribuirn entre los accionistas como dividendos. De lo
contrario, no habra dividendos. Si el nmero de oportunidades aceptables de inversin implicara una cantidad
de recursos que rebase el monto de las utilidades retenidas y los valores principales que sustentan tales utili-
dades retenidas, las empresas financiaran las necesidades extraordinarias con la mezcla de una nueva emisin
de capital y valores principales.
Cuando se trata de polticas de dividendos estrictamente como una decisin de financiamiento, el pago de
dividendos es un pasivo residual. El porcentaje de utilidades pagadas como dividendos fluctuar de un periodo
a otro para mantener las variaciones en el nivel de oportunidades de inversin aceptable para las empresas.
Si dichas oportunidades son abundantes, es posible que el porcentaje de utilidades pagadas sea cero. Por otra
parte, si las compaas no pueden encontrar oportunidades residuales de inversin, el pago de dividendos ser
del 100% de las utilidades. Cuando se presentan situaciones entre estos dos extremos, la razn del pago de
dividendos ser una fraccin entre cero y uno.
El manejo de la poltica de dividendos como un pasivo residual, determinado exclusivamente con base en la
disponibilidad de propuestas aceptables de inversin, implica que los dividendos son irrelevantes. Son en
realidad los dividendos slo una forma de distribuir fondos no utilizados? Debe ser, ms bien, el
pago de dividendos una variable de decisin activa con retenciones de utilidades como un efecto
residual? Para dar respuesta a estar interrogantes, es necesario analizar el argumento de que los dividendos
son irrelevantes, lo cual significa que los cambios en la razn de pago de dividendos (si se mantienen constantes
las oportunidades de inversin) no influyen en la riqueza de los accionistas.
Domingo, 17 de mayo de 2015
Modelo de minimizacin de costos de agencia y de costos de transaccin
ste modelo formulado por Rozeff minimiza los costos de transaccin y los costos de agencia para optimizar la
poltica de dividendos de las empresas. El modelo combina los costos de transaccin que pueden ser controla-
dos, limitando el pago de dividendos, ya que recurrir al mercado tiene altos costos (riesgo) y por otra parte,
controlando los costos de agencia, aumentando el pago de dividendos, para evitar el uso ineficiente de los
recursos, dispersin de la propiedad, implica disminucin de control. La idea central del modelo es que el ratio
ptimo de pago de dividendos es el nivel donde la suma de estos costos se reduce al mnimo (Gutirrez Urza,
2009).
Si el costo total (CT) es la suma del costo de agencia asociado con el capital comn externo (CA) y el costo de
transaccin asociados con el financiamiento externo (CB), que se representa con la siguiente expresin:
= +
Modelo terico de la tasa ptima de pago de dividendos
Modelo I
Donde:
CFA = Costos fijos totales de agencia (aquellos que son independientes del monto de dividendos paga-
dos en el periodo)
CVA = Costos variables totales de agencia (los que cambian en razn inversa al monto de dividendos
pagados en el periodo).
La funcin de costos variables totales de agencia CVA se define con la siguiente expresin:
= ( )
Donde:
Se asume que es posible estimar los CVA cuando D = 0, como una proporcin que llamamos b respecto del
nivel de X. Por ejemplo:
= ( ) Por la ley de exponentes sabemos que el exponente cero equivale a 1.
Por lo tanto, tendremos:
=
Supongamos que b = 10% y que X = $10000. Cuando D = 0, obtenemos:
= . ( )
= $
Domingo, 17 de mayo de 2015
Modelo II
CFA = $20
= 20%
b = 10%
c = 0.1%
X = $10000
k = 12%
Min CT = 20 + 1000
Min CT = 1020
Las condiciones necesarias que deben satisfacer los ptimos de problemas de optimizacin no lineal con res-
tricciones de desigualdad se conocen como las condiciones de Kuhn-Tucker y son una generalizacin del mtodo
de los multiplicadores de LaGrange para restricciones de desigualdad.
Domingo, 17 de mayo de 2015
Variables aleatorias
Recuerda que entendemos como experimento a cualquier proceso que genera resultados bien definidos. Ahora
queremos concentrarnos en el proceso de asignar valores numricos a los resultados experimentales. Para
hacerlo presentamos la nocin de variable aleatoria.
Para cualquier experimento en particular una variable aleatoria puede definirse de modo que cada resultado
experimental posible genere exactamente un valor numrico para la variable aleatoria. Por ejemplo, si con-
sideramos el experimento de vender automviles un da en una concesionaria, podramos describir los resul-
tados experimentales en funcin de la cantidad de automviles vendidos. En este caso, si x = cantidad de
automviles vendidos, x se conoce como variable aleatoria. El valor numrico particular que asume este tipo
de variable depende del resultado del experimento; es decir, el valor especfico de la variable aleatoria no se
conoce hasta que se observa el resultado experimental.
Por ejemplo, para el experimento de lanzar una moneda una vez, el resultado experimental ser cara o cruz,
de los cuales ninguno tiene un valor numrico natural; sin embargo, podramos querer expresar los resultados
en funcin de una variable aleatoria. Por tanto, necesitamos una regla que pueda utilizarse para asignar un
valor numrico a cada uno de los resultados experimentales. Una posibilidad es establecer la variable aleatoria
x = 1 si el resultado experimental es cara, y x = 0 si el resultado experimental es cruz. Aunque los valores
numricos para x son arbitrarios, x es una variable aleatoria porque describe los resultados experimentales en
forma numrica.
Una variable aleatoria puede clasificarse ya sea como discreta o continua, dependiendo de los valores nu-
mricos que asuma. Si slo puede asumir una secuencia finita o infinita de valores (por ejemplo, 1, 2, 3,...) se
trata de una variable aleatoria discreta. La cantidad de unidades vendidas, el nmero de defectos observados,
el nmero de clientes que entra en un banco en un da de operacin, y as por el estilo, son ejemplos de
variables aleatorias discretas. Las primeras dos y la ltima variable aleatoria de la tabla anterior son discretas.
Otros ejemplos, como el peso, el tiempo y la temperatura que pueden asumir cualquier valor en un intervalo
determinado o en una coleccin de intervalos son variables aleatorias continuas. Tambin, la tercera variable
aleatoria de la tabla anterior es una variable aleatoria continua, ya que puede asumir cualquier valor del inter-
valo de 0 a 100 (por ejemplo, 56.33 o 64.223).
Una manera de determinar si una variable aleatoria es discreta o continua es pensar en los valores de la variable
como si fueran puntos de una recta. Elija dos puntos que representen los valores que la variable aleatoria podra
asumir. Si el segmento de recta entero entre los dos puntos tambin representa los valores posibles que la variable
aleatoria puede asumir, sta es continua.
Domingo, 17 de mayo de 2015
Variables aleatorias discretas
Despus de establecer una variable aleatoria y su distribucin de probabilidad, podemos determinar una va-
riedad de informacin de probabilidad adicional, dependiendo de las necesidades e intereses de quien toma las
decisiones. Por ejemplo, en el problema de DiCarlo Motors la distribucin de probabilidad mostrada en la tabla
anterior se puede utilizar para proporcionar la informacin siguiente:
1. Existe una probabilidad de 0.18 de que no se venda ningn automvil durante un da.
2. El volumen de ventas ms probable es 1, con f (1) = 0.39.
3. Hay una probabilidad de 0.05 de un da de ventas excepcional en que se vendan cuatro o cinco auto-
mviles.
Valor esperado
El valor esperado de una variable aleatoria es el valor medio o promedio. Para experimentos que pueden
repetirse varias veces, el valor esperado se interpreta como el valor medio a largo plazo para la variable
aleatoria. Sin embargo, el valor esperado no necesariamente es el nmero que pensamos asumir la variable
aleatoria la siguiente vez que se realice el experimento. De hecho, es imposible que DiCarlo venda exactamente
1.50 automviles en un da cualquiera. No obstante, si imaginamos que en esta compaa se venden autom-
viles durante muchos das en el futuro, el valor esperado de 1.50 automviles proporciona el volumen medio,
o promedio, de ventas diario.
El valor esperado puede ser importante para un administrador o gerente desde el punto de vista tanto de la
planeacin como de la toma de decisiones. Por ejemplo, suponga que DiCarlo Motors estar abierta 60 das
durante los tres meses siguientes. Cuntos automviles se vendern durante este tiempo? Aunque podemos
especificar las ventas exactas para cualquier da, el valor esperado de 1.50 automviles por da proporciona
una estimacin de ventas esperada o promedio de 60(1.50) = 90 automviles para el periodo siguiente de
tres meses. En cuanto a establecer cuotas de ventas o planear pedidos, el valor esperado puede ser una
informacin til para la toma de decisiones.
Domingo, 17 de mayo de 2015
Varianza
El valor esperado proporciona una idea del valor medio o central para la variable aleatoria, pero con frecuencia
queremos una medida de la dispersin, o variabilidad, de los valores posibles de esta variable.
Como muestra la ecuacin Var(x) = 2 = (x )2 f(x), una parte esencial de la frmula de la varianza es
la desviacin, x , la cual mide la distancia de un valor particular de la variable aleatoria al valor esperado
o medio, . En el clculo de la varianza de una variable aleatoria discreta, elevamos al cuadrado las desvia-
ciones y luego las ponderamos por la probabilidad correspondiente. La suma de estas desviaciones cuadradas,
ponderadas para todos los valores de la variable aleatoria, es la varianza. En otras palabras, la varianza es un
promedio ponderado de las desviaciones elevadas al cuadrado.
El clculo de la varianza para la cantidad de ventas diarias en el problema de DiCarlo Motors se resume en la
tabla anterior. Vemos que la varianza para la cantidad de automviles vendidos por da es 1.25. Una medida
de variabilidad relacionada es la desviacin estndar, , que se define como la raz cuadrada positiva de la
varianza. Para DiCarlo Motors la desviacin estndar de la cantidad de automviles vendidos por da es:
= 1.25 = 1.118
Con el propsito de facilitar la interpretacin gerencial, la desviacin estndar puede preferirse sobre la varianza
debido a que se mide en las mismas unidades que la variable aleatoria ( = 1.118 automviles vendidos por
da). La varianza ( 2) se mide en unidades cuadradas y por tanto para un gerente es ms difcil interpretarla.
Otra medida de tendencia central es el rango medio. Cuando se ordena un conjunto de datos de acuerdo a
su magnitud, siempre habr un valor ms bajo (L) y otro ms alto (H). El rango medio es un nmero situado
exactamente a medio camino entre ambos. Se determina sacando el promedio de las puntuaciones alta y baja:
+
=
Por ejemplo, en una muestra ordenada tenemos los siguientes datos: 3, 3, 4, 5, 5 y 7; por lo tanto, L = 3 y H
= 7. De esta manera, el rango medio ser:
+
= =
Domingo, 17 de mayo de 2015
Una vez determinado el punto medio de un conjunto de datos, nuestra bsqueda de informacin se dirigir
de inmediato a las medidas de dispersin. Estas medidas de dispersin son el rango, la varianza y la des-
viacin estndar. Estos valores numricos describen la cantidad de dispersin o variabilidad que puede en-
contrarse entre los datos. Los datos estrechamente agrupados tendrn valores relativamente pequeos, mien-
tras que los ms extendidos poseern valores ms grandes de las diversas medidas de la dispersin.
El rango es la medida ms simple de la dispersin. Consiste en la diferencia entre las piezas de datos mayor
(H) y menor (L):
=
El rango es una medida de la distancia a lo largo de todo el conjunto de datos. Las otras dos medidas de
dispersin la varianza y la desviacin estndar son en realidad medidas de dispersin alrededor de la media.
A fin de desarrollar una medida de dispersin alrededor de la media, consideremos primero el concepto mismo
de desviacin a partir de la media. Un valor individual x se desva de la media en una distancia igual a (x ).
Esta desviacin ser de cero si x tiene un valor igual al de la media. (x ); ser positivo si x es mayor que
, y negativo si x es menor que .
6+3+8+5+3 25
Al calcular la media, tendremos: Media = = = =5
5 5
Ahora, obtenemos la desviacin de la media de cada una de las cinco piezas de datos de la siguiente manera:
Podramos suponer que la suma de todas estas desviaciones, (x ), puede funcionar como medida de
dispersin en torno a la media; sin embargo, debes observar con detalle que la suma de los valores (x ) en
la muestra anterior es exactamente cero. De hecho, siempre tendr valor de cero.
Con base en lo anterior, podemos entender que si esta medida va a ser siempre cero, no tendr ningn valor
para describir un conjunto particular de datos. No obstante, todava queremos utilizar el concepto de desviacin
alrededor de la media. De este modo puedes observar que parece haber un valor de cancelacin entre los
valores de x menores que la media (negativos) y los valores mayores que la media (positivos). Este efecto de
cancelacin podra evitarse si todas las desviaciones fueran positivas. Para realizar este paso, utilizamos el
valor absoluto de x representado por: |x - |. Con la muestra del ejemplo
anterior, obtenemos las desviaciones, cuya suma es 8.
Utilizando este dato, podemos definir un valor conocido como desviacin media = |x | = 8 = 1.6
n 5
Aun cuando esta medida particular de la desviacin no se emplea con frecuencia, si constituye una medida de
la dispersin.
Existe otra forma de eliminar el efecto de cancelacin. Al elevar al cuadrado todas las desviaciones, se tendrn
siempre valores positivos. Cuando se sumen tales valores, el resultado ser positivo. La suma de los cuadrados
de las desviaciones en torno a la media, (x )2, se utilizar entonces para definir la varianza.
La varianza, 2 = s2 de una muestra es el valor numrico obtenido al evaluar con los datos de la muestra la
frmula siguiente:
Varianza = 2 = s2 = (x )2
n1
Domingo, 17 de mayo de 2015
Donde n es el tamao de la muestra. La varianza de una muestra es una medida
de dispersin de los datos alrededor de la media. Por ejemplo, la varianza de la
muestra anterior 6, 3, 8, 5, 3 se obtendr de la siguiente manera:
2 = (x - )2 = 18 = 18 = 4.5
n1 51 4
2, 3, 7, 8 y 10
Paso 1
Calculamos la media = 2 + 3 + 7 + 8 + 10 = 30 = 6
5 5
Nota:
BIBLIOGRAFA
Ehrhardt, Michael C., y Brigham, Eugene F. (2007) Finanzas corporativas. 2 edicin. Mxico. Cengage Lear-
ning.
Freund, John E., y Simon, Gary A. (1994) Estadstica Elemental. 8 edicin. Mxico. Editorial Pearson Educa-
cin.
Van Horne, James C., y Wachowicz, John JR. (2002) Fundamentos de administracin financiera. Mxico.
Pearson Educacin.