Universidad del Zulia (LUZ)

Revista Venezolana de Gerencia (RVG)

Año 31 No. 115, 2026, e3111525

Julio- septiembre

ISSN 1315-9984 / e-ISSN 2477-9423

Como citar: Robayo, G. F., y Vidal-Llana, X. (2026). Sensibilidad estructural en el costo de capital: un ajuste multidimensional ante volatilidad de mercado. Revista Venezolana De Gerencia, 31(115), e3111525. https://doi.org/10.52080/rvgluz.31.115.25

Sensibilidad estructural en el costo de capital: un ajuste multidimensional ante volatilidad de mercado

Robayo Cabrera, Glen Freddy *

Vidal-Llana, Xenxo **

Resumen

El costo promedio ponderado de capital constituye una herramienta central en la valoración financiera y en la evaluación de proyectos de inversión. Su formulación clásica, basada en el modelo de valoración de activos de capital y en la teoría de estructura de capital, asume estabilidad estructural en variables que, en contextos de alta volatilidad y cambios sistémicos, presentan comportamientos dinámicos. El objetivo de la presente investigación es proponer un mecanismo de ajuste estructural del costo promedio ponderado de capital mediante el desarrollo del Factor de Ajuste Multidimensional, concebido como un correctivo complementario basado en crecimiento, volatilidad y liquidez estandarizadas. La investigación es de tipo teórica–conceptual, con diseño analítico–propositivo y demostración ilustrativa controlada. Los resultados evidencian que la incorporación del Factor de Ajuste Multidimensional permite introducir sensibilidad estructural en la tasa de descuento sin reemplazar el modelo de valoración de activos de capital ni alterar la formulación clásica del costo promedio ponderado de capital, sino corrigiendo sus supuestos de estabilidad bajo escenarios de inestabilidad sistémica. Se concluye que el modelo propuesto amplía el marco tradicional del costo de capital y abre nuevas líneas de investigación empírica orientadas a la calibración estructural en distintos regímenes de mercado.

Palabras clave: Costo de capital; costo promedio; capital; ajuste estructural; volatilidad.

Recibido: 14.04.26 Aceptado: 10.08.26

* Magíster en Finanzas y Economía Empresarial, docente de la Universidad Bolivariana del Ecuador (UBE) Duran, Ecuador, Universitat de Valencia, España; Correo: gfrobayoc@ube.edu.ec; glenroca@alumni.uv.es; ORCID: https://orcid.org/0009-0006-9195-7423

** PhD in Business, MSc in Actuarial and Financial Sciences, BSc in Mathematics, Universitat de València. Av. de Blasco Ibáñez, 13, El Pla del Real, 46010, Valencia, España; Correo: juan.j.vidal@uv.es; ORCID: https://orcid.org/0000-0003-1629-2012

Structural Sensitivity in the Cost of Capital: A Multidimensional Adjustment under Market Volatility

Abstract

The weighted average cost of capital is a central tool in financial valuation and investment appraisal. Its classical formulation, grounded in the Capital Asset Pricing Model and capital structure theory, assumes structural stability in variables that, under conditions of high volatility and systemic regime shifts, exhibit dynamic behavior. The objective of this study is to propose a structural adjustment mechanism for the weighted average cost of capital through the development of the Multidimensional Adjustment Factor, conceived as a complementary corrective based on standardized growth, volatility, and liquidity measures. This research is theoretical–conceptual in nature, employing an analytical–propositional design and a controlled illustrative demonstration. The findings indicate that incorporating the Multidimensional Adjustment Factor introduces structural sensitivity into the discount rate without replacing the Capital Asset Pricing Model or altering the classical weighted average cost of capital formulation, but rather correcting its stability assumptions under systemic instability scenarios. The proposed model expands the traditional cost of capital framework and opens new empirical research avenues focused on structural calibration across different market regimes.

Keywords: Cost of capital; average cost; capital; structural adjustment; volatility.

1. Introducción

El costo promedio ponderado de capital (WACC) constituye uno de los instrumentos más relevantes en la teoría financiera contemporánea y en la práctica de valoración empresarial. Desde la formulación original de la teoría de estructura de capital, que estableció los fundamentos analíticos de la relación entre financiamiento y valor corporativo (Stereńczak, 2024), el WACC ha sido adoptado como referencia estándar para la evaluación de proyectos de inversión.

La evolución del modelo incorporó el efecto fiscal de la deuda como elemento determinante en la generación de valor, fortaleciendo su aplicabilidad en entornos corporativos reales (Acharya & Schaefer, 2006). Bajo esta arquitectura conceptual, el WACC integra el costo del capital propio, usualmente estimado mediante el CAPM, y el costo de la deuda ajustado por impuestos, consolidando un esquema de descuento coherente con los fundamentos del equilibrio financiero.

No obstante, aunque el marco teórico es consistente, la evidencia empírica demuestra que la estimación práctica del WACC no es homogénea ni estructuralmente estable. Diferencias metodológicas en su cálculo generan variaciones significativas en los resultados finales, incluso bajo supuestos similares (Tambiah, 2011). Estas divergencias adquieren relevancia cuando se considera que pequeñas variaciones en la tasa de descuento pueden alterar sustancialmente la rentabilidad proyectada y el valor presente de los flujos de caja (Cala et al., 2017).

El problema se intensifica en contextos de alta inestabilidad macrofinanciera. Estudios como los de Zhang et al. (2020), Bekaert et al. (2013) y Narayan et al. (2021) han demostrado que eventos sistémicos, como crisis sanitarias o financieras, provocan incrementos abruptos en la volatilidad agregada y en la interconexión entre mercados, modificando la percepción global del riesgo. En tales escenarios, la dinámica del mercado no responde a patrones lineales ni estacionarios, sino a cambios de régimen que alteran las primas exigidas por los inversionistas.

Bekaert et al. (2013) y Mali & Lim (2022) han evidenciado que la significancia de los factores tradicionales de riesgo puede modificarse bajo condiciones de crisis, lo que sugiere que las primas incorporadas en los modelos de valoración no permanecen constantes en el tiempo (Li & Duan, 2021). Este hallazgo es particularmente relevante, pues el costo promedio ponderado de capital, en su formulación clásica, asume implícitamente que los componentes del costo de capital evolucionan dentro de un marco relativamente estable o ajustable mediante parámetros convencionales.

De manera complementaria, estudios sobre el costo de la deuda han señalado que su determinación depende críticamente de condiciones de liquidez y spreads crediticios, los cuales pueden experimentar variaciones estructurales ante shocks externos (Baule, 2018). Esto implica que la tasa de descuento utilizada en procesos de valoración puede verse afectada por dinámicas estructurales del entorno financiero.

Desde una perspectiva conceptual, esta evidencia revela una tensión estructural: el WACC es formalmente consistente bajo supuestos de estabilidad relativa, pero el entorno financiero opera bajo dinámicas que incluyen volatilidad persistente, cambios de liquidez y variaciones en expectativas de crecimiento. La literatura sobre valoración de flujos futuros ha reconocido que las expectativas desempeñan un papel central en la determinación de la tasa de descuento implícita en el mercado (Bejar-León et al., 2017).

En consecuencia, se configura una brecha conceptual relevante. El problema no reside en la invalidez del WACC ni del CAPM como fundamentos teóricos, sino en la ausencia de un mecanismo formal que permita introducir una corrección estructural sistemática ante cambios de régimen sin alterar la arquitectura conceptual del modelo. A pesar de la literatura existente sobre ajustes regulatorios y revisiones metodológicas del costo de capital (Moreno-Torres, 2021), no se ha formalizado un esquema multiplicativo que incorpore explícitamente la sensibilidad estructural prospectiva del entorno financiero manteniendo intacta la formulación clásica.

Esta brecha adquiere mayor importancia en economías emergentes y en contextos caracterizados por alta incertidumbre, donde la volatilidad y la liquidez presentan mayor elasticidad frente a perturbaciones externas. En respuesta a esta problemática, la presente investigación propone el desarrollo del modelo FAM (Factor de Ajuste Multidimensional), concebido como un mecanismo de corrección estructural del WACC.

A diferencia de enfoques tradicionales que ajustan el costo de capital exclusivamente con base en información histórica o contemporánea, el modelo propuesto incorpora una dimensión prospectiva del comportamiento del mercado. La premisa central es que las expectativas futuras sobre crecimiento, volatilidad y liquidez influyen en la percepción estructural del riesgo y, por tanto, en la tasa de descuento relevante para la valoración.

El objetivo de la presente investigación es proponer un mecanismo de ajuste estructural del costo promedio ponderado de capital mediante el desarrollo del Factor de Ajuste Multidimensional, concebido como un correctivo complementario basado en crecimiento, volatilidad y liquidez estandarizadas.

2. Costo de capital y su estimación

El costo promedio ponderado de capital representa la tasa de descuento que refleja el costo promedio de los recursos financieros utilizados por una empresa, ponderados según su estructura de capital. Su formalización se encuentra en la evolución de la teoría de estructura de capital, que estableció la relación entre financiamiento y valor empresarial (Stereńczak, 2024). La generalización posterior del modelo permitió incorporar fricciones de mercado y ajustes fiscales, consolidando el papel del escudo tributario en la determinación del valor corporativo (Brusov & Filatova, 2025). Desde el punto de vista operativo, el modelo integra el costo del capital propio y el costo de la deuda ajustado por impuestos; sin embargo, investigaciones aplicadas han demostrado que su estimación práctica puede variar considerablemente dependiendo del enfoque metodológico adoptado (Grüninger & Kind, 2013), lo que impacta directamente en la valoración empresarial.

El costo del capital propio suele estimarse mediante el modelo de valoración de activos de capital; no obstante, la literatura posterior ha desarrollado modelos multifactoriales que amplían la explicación del rendimiento esperado. Bekaert et al. (2013) y Mali & Lim (2022) han señalado que la capacidad explicativa de los factores puede variar bajo diferentes regímenes de mercado, y que el comportamiento de las primas no es estructuralmente constante, especialmente bajo condiciones de estrés financiero. Esto sugiere que el riesgo sistemático puede adoptar configuraciones dinámicas que no siempre son capturadas completamente por un modelo unifactorial. En cuanto al costo de la deuda, estudios contemporáneos han subrayado que su determinación responde significativamente a spreads crediticios y condiciones de liquidez sistémica (Baule, 2018), y que, aunque el escudo fiscal actúa como amortiguador parcial, no elimina la exposición ante shocks macroeconómicos (Danielson, 2023).

El costo promedio ponderado de capital cumple también un rol normativo en sectores regulados. En industrias como energía eléctrica y servicios públicos, su determinación influye en la fijación de tarifas y en la remuneración del capital invertido (Bedoya-Cadavid et al., 2023), y variaciones en su estimación pueden modificar la estructura tarifaria y la sostenibilidad financiera del sector (Romeijnders & Mulder, 2022). En el ámbito bancario, el costo de capital exhibe sensibilidad frente a condiciones sistémicas y regulatorias, reflejando la interdependencia entre riesgo financiero y estabilidad del sistema (Xiao & Zhou, 2024). En el contexto latinoamericano, Logreira-Vargas et al. (2025), Zambrano et al. (2023) y Chávez et al. (2025) han analizado cómo los determinantes de la estructura de capital varían entre países y sectores productivos, reforzando la idea de que el costo de capital debe interpretarse considerando las características institucionales y financieras propias de cada economía.

3. Condiciones estructurales del mercado: volatilidad, liquidez y expectativas de crecimiento

La volatilidad agregada constituye una medida clave del riesgo sistémico. Zhang et al. (2020), Bekaert et al. (2013) y Narayan et al. (2021) han demostrado que eventos sistémicos, como crisis sanitarias o financieras, provocan incrementos abruptos en volatilidad y correlaciones internacionales, alterando la dinámica de los mercados financieros. De manera complementaria, estudios sobre crédito fintech y comportamiento financiero en entornos digitales han mostrado que las innovaciones financieras pueden amplificar o mitigar dinámicas de riesgo dependiendo del contexto (Girardone et al., 2024).

La liquidez de mercado influye igualmente en la formación de precios y en la prima exigida por los inversionistas. Brennan et al. (2012) señalan que condiciones de liquidez afectan tanto el costo del capital propio como el costo de la deuda, y que en entornos de contracción, los inversionistas demandan mayor compensación por riesgo. Zambrano et al. (2023) encontraron además que los indicadores de liquidez y endeudamiento mantienen una relación significativa con la rentabilidad empresarial en mipymes del sector inmobiliario en Ecuador, sugiriendo que las condiciones de liquidez influyen en la capacidad de financiamiento y en la percepción del riesgo financiero.

Finalmente, la valoración financiera se fundamenta en la actualización de flujos futuros esperados, y la tasa de descuento incorpora expectativas de crecimiento y riesgo agregado (Bejar-León et al., 2017). Aproximaciones alternativas han planteado esquemas conceptualmente novedosos para capturar dinámicas estructurales en la determinación del valor (Brusov & Filatova, 2025), reconociendo que el crecimiento sectorial esperado constituye una variable clave en la percepción estructural del riesgo y en la formación de expectativas. En conjunto, esta evidencia revela que el entorno financiero opera bajo dinámicas que incluyen volatilidad persistente, cambios de liquidez y variaciones en expectativas de crecimiento.

4. Consideraciones metodológicas de la investigación

La presente investigación es de naturaleza teórica–conceptual con diseño analítico–propositivo. Su propósito no es realizar estimaciones empíricas directas ni contrastaciones estadísticas sobre una muestra observada, sino desarrollar formalmente un mecanismo de ajuste estructural del costo promedio ponderado de capital (WACC) mediante la formulación del modelo FAM. El enfoque metodológico se sustenta en la modelización financiera y en el análisis crítico de literatura especializada en estructura de capital, determinación del costo de capital, volatilidad sistémica, liquidez de mercado y cambios de régimen financiero.

En coherencia con el carácter conceptual del estudio, la población no se define en términos de individuos o empresas empíricamente observadas, sino como un universo teórico compuesto por modelos y enfoques relacionados con la determinación del costo de capital. Este universo conceptual incluye desarrollos clásicos de estructura de capital, extensiones regulatorias del WACC, aproximaciones multifactoriales al costo del capital propio y literatura sobre dinámica de riesgo sistémico.

La muestra del estudio está constituida por un conjunto de treinta referencias académicas seleccionadas por su relevancia temática, actualidad y pertinencia metodológica. Estas referencias comprenden investigaciones teóricas, aplicaciones sectoriales del WACC, estudios regulatorios y análisis sobre volatilidad, liquidez y primas de riesgo. La selección se realizó con base en criterios de consistencia conceptual, contribución a la discusión sobre estabilidad estructural del costo de capital y capacidad explicativa frente a escenarios de cambio de régimen.

Los criterios de selección se orientaron a asegurar coherencia entre la revisión teórica y la propuesta estructural desarrollada. Se consideraron investigaciones que abordaran explícitamente la determinación del WACC, su sensibilidad ante variaciones macroeconómicas, la dinámica de spreads crediticios, la influencia de la volatilidad agregada y la liquidez de mercado, así como estudios que analizaran expectativas de crecimiento en procesos de valoración intertemporal.

El instrumento principal de recolección de información fue la revisión documental estructurada y el análisis conceptual comparativo. La información fue sistematizada mediante matrices de análisis que permitieron identificar supuestos implícitos en la formulación tradicional del WACC y reconocer variables prospectivas relevantes para la construcción del factor de ajuste.

Con el fin de evidenciar la operatividad del modelo, se diseñó una demostración ilustrativa comparativa bajo dos regímenes de mercado: un escenario de estabilidad estructural y un escenario de crisis o cambio de régimen. En el primer caso se asumen condiciones de volatilidad moderada, liquidez amplia y crecimiento sectorial estable, coherentes con un entorno financiero tradicional. En el segundo escenario se consideran incrementos en volatilidad agregada, contracción de liquidez y revisión de expectativas de crecimiento, reflejando un contexto de alta incertidumbre sistémica.

Este diseño metodológico no pretende realizar inferencia estadística ni estimaciones poblacionales, sino demostrar la consistencia interna y la capacidad explicativa del modelo propuesto. La comparación entre regímenes permite evidenciar cómo la incorporación de una dimensión prospectiva estructural introduce sensibilidad dinámica en la tasa de descuento sin alterar la arquitectura clásica del WACC, reforzando así la coherencia conceptual del enfoque planteado.

5. Formalización y operacionalización del factor de ajuste multidimensional

El costo promedio ponderado de capital ha propuesto diversas extensiones y ajustes metodológicos, pero ninguna ha formalizado un mecanismo multiplicativo que incorpore simultáneamente crecimiento sectorial, volatilidad operativa y liquidez empresarial como corrección estructural prospectiva de la tasa de descuento. Esta sección constituye la contribución central del estudio: el desarrollo formal del Factor de Ajuste Multidimensional como un esquema de corrección estructural que opera sobre el costo promedio ponderado de capital sin alterar su arquitectura clásica, a diferencia de enfoques previos que modifican directamente los componentes del modelo base (Dobrowolski et al., 2022; Brusov & Filatova, 2025).

Esta sección establece, de forma explícita y verificable, el procedimiento para construir cada componente del Factor de Ajuste Multidimensional y su integración en la corrección del costo promedio ponderado de capital. El objetivo no es reemplazar el modelo de valoración de activos de capital ni la estructura clásica del costo promedio ponderado de capital, sino introducir un mecanismo multiplicativo de corrección estructural que refleje condiciones prospectivas del entorno sectorial y empresarial con base en información financiera observable.

5.1. WACC base (modelo de referencia)

Se parte del WACC tradicional, utilizado ampliamente en valoración y regulación:

Ecuación (1). WACC base

(Ecuación 1)

Donde:

E: valor del patrimonio (equity) de la empresa i en t

D: valor de la deuda (debt) de la empresa i en t

V= E + D: valor total de financiamiento

Rs: costo del capital propio

Kd : costo de la deuda antes de impuestos

T: tasa impositiva efectiva

Este WACC es el punto de partida. El ajuste FAM se aplica después, como una corrección estructural, manteniendo intacta la arquitectura del modelo base.

5.2. Definición general del Factor de Ajuste Estructural (FAM)

El FAM se construye a partir de tres dimensiones estructurales:

1. Crecimiento sectorial (winsorizado)
2. Volatilidad sectorial (basada en ROA)
3. Liquidez empresarial (prueba ácida)

Ecuación (2). FAM (estructura)

(Ecuación 2)

Interpretación económica (signos del modelo):

•Mayor crecimiento sectorial ⇒ menor riesgo estructural ⇒ reduce el ajuste (signo negativo).

•Mayor volatilidad sectorial ⇒ mayor incertidumbre estructural ⇒ aumenta el ajuste (signo positivo).

•Mayor liquidez empresarial ⇒ menor riesgo financiero de corto plazo ⇒ reduce el ajuste (signo negativo).

5.3. Estandarización (Z-score): cómo se calcula Z(X)

Las tres variables se transforman con un Z-score para volverlas comparables y evitar que una domine por escala.

•Estandarización Z

(Ecuación 3)

Donde:

•: media de X calculada en el universo de comparación

•: desviación estándar de X en el mismo universo

5.4. Universo de comparación recomendado (clave para consistencia)

Para el enfoque sectorial del FAM se recomienda estandarizar por sector y período, porque el modelo se interpreta como ajuste estructural relativo dentro del entorno competitivo inmediato:

(Ecuación 4)

Esto implica que la empresa sí se compara contra el comportamiento “normal” de su sector en ese período, lo cual es coherente con análisis sectoriales del WACC y su heterogeneidad metodológica.

5.4. Componente 1: Crecimiento sectorial winsorizado Gs,t

•Paso 1. Construcción de ventas sectoriales agregadas

Se define la variable de ventas por empresa:

•Ventasi,s,t: ventas (o ingresos operacionales) de la empresa i, sector s, período t.

Luego se construye la serie sectorial agregada mediante promedio (o suma, según disponibilidad y conveniencia). Si el objetivo es neutralizar el tamaño de firmas extremadamente grandes, el promedio es preferible:

Ecuación (4). Ventas promedio sectoriales

(Ecuación 5)

Donde Ns,t es el número de empresas observadas en el sector s en t. (Rahman, 2022)

•Paso 2: Winsorización de ventas sectoriales

Las series financieras suelen contener valores extremos (outliers) por errores contables, shocks puntuales o firmas atípicas. Para evitar que estos extremos distorsionen el crecimiento sectorial, se aplica winsorización:

•Sea pL y Up percentiles inferiores y superiores (por ejemplo, 1% y 99% o 5% y 95%).

•La winsorización reemplaza valores menores que pL por el valor del percentil pL , y mayores que Up por el del percentil Up .

Se define:

Ecuación (5). Ventas sectoriales winsorizadas

(Ecuación 6)

La winsorización es una práctica estándar para robustecer medidas agregadas ante valores extremos, especialmente en datos contables de empresas heterogéneas. (Kánová et al., 2023)

•Paso 3: Crecimiento sectorial (logarítmico)

Con ventas sectoriales winsorizadas, el crecimiento se define como diferencia de logaritmos:

Ecuación (6). Crecimiento sectorial winsorizado

(Ecuación 7)

= ventas promedio del sector en el año actual

= ventas promedio del sector en el año anterior

¿Por qué usar logaritmo?

1. La diferencia de logaritmos aproxima una tasa de crecimiento continua.
2. La medida es más estable cuando hay alta variabilidad en ventas.
3. Reduce asimetrías: un aumento del 50% y una caída equivalente se representan de forma más simétrica que con tasas simples.
4. Es coherente con el tratamiento intertemporal de crecimiento en procesos de valoración.
5. Componente 2: Volatilidad sectorial VOLs,t basada en ROA

La volatilidad en este modelo no se mide con precios bursátiles, sino con dispersión de desempeño operativo/contable dentro del sector, lo cual permite aplicarlo en mercados donde no existe información de mercado para la mayoría de las empresas.

•Paso 4: ROA por empresa

Se define el ROA:

Ecuación (7). ROA empresarial

(Ecuación 8)

•Paso 5: Volatilidad sectorial como dispersión transversal

La volatilidad sectorial se define como la desviación estándar transversal del ROA dentro del sector:

Ecuación (8). Volatilidad sectorial basada en ROA

VOLi,s,t = sd(ROAi,s,t) (Ecuación 9)

¿Por qué usar desviación estándar transversal del ROA?

1. Captura heterogeneidad de desempeño dentro del sector en un período.
2. Sectores con alta dispersión en rentabilidad reflejan mayor incertidumbre estructural.
3. Esta volatilidad es útil cuando no hay series de retornos de mercado para micro/medianas empresas. (Xiao & Zhou, 2024)

5.5. Componente 3: Liquidez empresarial LIQi,t (prueba ácida)

La liquidez empresarial se aproxima con la prueba ácida por su foco en activos líquidos reales.

Ecuación (9). Prueba ácida

(Ecuación 10)

¿Por qué prueba ácida y no liquidez corriente?

1. Excluye inventarios, que pueden no ser realizables rápidamente.
2. Representa mejor la capacidad inmediata de pago.
3. Vincula riesgo de corto plazo con estabilidad financiera, relevante para costo de capital.

Construcción final del FAM (paso a paso)

Una vez obtenidos Gs,t , VOLs,t y LIQi,t, se estandarizan:

Ecuación (10). Componentes estandarizados

(Ecuación 11)

(Ecuación 12)

Luego se construye el FAM:

Ecuación (11). FAM final

FAMi,s,t =-Z(Gs,t)+Z(VOLs,t)-Z(LIQi,t)

(Ecuación 13)

De esta forma, el FAM queda expresado en una escala comparable y con interpretación económica directa.

Corrección estructural del WACC (mecanismo multiplicativo)

El WACC ajustado se define como:

Ecuación (12). WACC corregido

(Ecuación 14)

•Si FAMi,s,t > 0, el ajuste aumenta el WACC (mayor riesgo estructural).

•Si FAMi,s,t < 0, el ajuste reduce el WACC (mejoras estructurales).

•Si FAMi,s,t ≈ 0, el WACC apenas cambia.

5.6. Estimación de sin arbitrariedad (regresión auxiliar)

Para evitar asignación discrecional de , se propone una estimación empírica exploratoria mediante regresión auxiliar:

Ecuación (13). Regresión auxiliar para calibración de

(Ecuación 15)

Aquí, se interpreta como la sensibilidad promedio del WACC ante cambios estructurales capturados por el FAM. Este enfoque es defendible porque:

1. Convierte el parámetro en estimable (no arbitrario).
2. Permite calibración sectorial si se estima por sector.
3. Puede extenderse a panel con efectos fijos si se desea robustez en trabajos futuros

5.7. Síntesis operacional

Para implementar el modelo se siguen los siguientes pasos:

1. Calcular WACCi,t con la ecuación (1).
2. Construir con la ecuación (4).
3. Aplicar winsorización y obtener con la ecuación (5).
4. Calcular Gs,t con la ecuación (6).
5. Calcular ROAi,s,t con la ecuación (7).
6. Calcular VOLs,t con la ecuación (8).
7. Calcular LIQi,t con la ecuación (9).
8. Estandarizar y obtener Z-scores con la ecuación (10).
9. Construir FAMi,s,t con la ecuación (11).
10. Calcular WACCi,t* con la ecuación (12).
11. Estimar con la ecuación (13) si se desea calibración no arbitraria.

Tabla 1

Resumen de variables y medición

Variable	Nivel	Medición	Fórmula
Gs,t	Sector	Crecimiento logarítmico de ventas sectoriales winsorizadas	Ec. (6)
VOLs,t	Sector	Dispersión transversal del ROA	Ec. (8)
LIQi,t	Empresa	Prueba ácida	Ec. (9)
FAMi,s,t	Empresa-Sector	Combinación estandarizada	Ec. (11)
	Empresa	Corrección multiplicativa	Ec. (12)
	Parámetro	Regresión auxiliar	Ec. (13)

Desde una perspectiva gerencial, el Factor de Ajuste Multidimensional ofrece a los tomadores de decisiones una herramienta operativa para incorporar señales estructurales del entorno en la tasa de descuento utilizada en procesos de valoración y evaluación de inversiones. A diferencia del costo promedio ponderado de capital tradicional, que asume condiciones de mercado relativamente estables, el modelo ajustado permite que directivos financieros, analistas de inversión y reguladores identifiquen cuándo el entorno sectorial justifica una revisión estructural de la tasa de descuento, mejorando así la coherencia entre el riesgo percibido y el riesgo formalmente incorporado en las decisiones estratégicas.

Los resultados obtenidos mediante la formalización del Factor de Ajuste Multidimensional son consistentes con la literatura clásica del costo promedio ponderado de capital, que ha demostrado que la estructura financiera incide directamente en la valoración empresarial (Brusov & Filatova, 2025). En particular, el mecanismo multiplicativo propuesto responde a las divergencias metodológicas significativas identificadas entre sectores y jurisdicciones, que sugieren que la estabilidad paramétrica del modelo tradicional no es universalmente homogénea (Grüninger & Kind, 2013).

La incorporación de las tres dimensiones estructurales del Factor de Ajuste Multidimensional —crecimiento sectorial, volatilidad operativa y liquidez empresarial— permite precisamente capturar esas variaciones que el modelo base no recoge, especialmente en contextos regulatorios o tarifarios donde pequeñas variaciones en la tasa de descuento generan efectos económicos sustanciales (Bedoya-Cadavid et al., 2023).

Rahman (2022), Aguilar et al. (2024) y Chávez et al. (2025) han demostrado que el costo de capital influye de manera directa en la rentabilidad empresarial y en la toma de decisiones de inversión. Este hallazgo es particularmente relevante para los resultados del presente estudio, pues si el costo de capital impacta directamente en la rentabilidad, una tasa de descuento estructuralmente rígida que no incorpore las condiciones del entorno puede generar distorsiones en la valoración.

La evidencia reciente sobre comportamiento de mercados durante episodios de crisis global mostró incrementos abruptos en volatilidad agregada y cambios en correlaciones sistémicas, alterando la dinámica del riesgo financiero (Zhang et al., 2020). Dichos cambios de régimen evidencian que los parámetros de riesgo no son invariantes en el tiempo y que la exposición estructural puede modificarse de forma acelerada (Bekaert et al., 2013). Bajo este escenario, la tasa de descuento aplicada en procesos de valoración debería incorporar algún mecanismo que capture esta sensibilidad estructural.

En relación con el componente de deuda, estudios contemporáneos han subrayado que el costo del financiamiento responde significativamente a spreads crediticios y condiciones de liquidez sistémica (Baule, 2018). Aunque el escudo fiscal actúa como amortiguador parcial, no elimina la exposición ante shocks macroeconómicos (Danielson, 2023). Esto implica que el WACC tradicional puede experimentar fluctuaciones relevantes cuando cambian las condiciones estructurales del mercado.

Desde la perspectiva operativa, la utilización del ROA como indicador de volatilidad sectorial permite capturar dispersión en desempeño económico independiente de la estructura de capital (Aguilar et al., 2024). Esta decisión metodológica evita duplicación del efecto financiero ya incorporado en el WACC y fortalece la coherencia interna del modelo. Asimismo, la estandarización transversal mediante puntuaciones Z facilita comparabilidad sectorial, reduciendo distorsiones por escala contable (Baker et al., 2013).

Bejar-León et al. (2017) y Brusov & Filatova (2025) reconocen que la tasa de descuento implícita en los mercados incorpora expectativas de crecimiento y riesgo agregado; sin embargo, tales expectativas no se formalizan explícitamente dentro de la ecuación clásica del costo promedio ponderado de capital. Este vacío es precisamente lo que abordan los resultados del presente estudio: el Factor de Ajuste Multidimensional introduce una corrección estructural multiplicativa que permite incorporar dinámicas anticipadas de crecimiento sectorial, volatilidad agregada y liquidez empresarial, operacionalizando de forma explícita aquellas expectativas estructurales que el modelo base no captura, sin alterar su arquitectura conceptual.

En mercados emergentes o en empresas no cotizadas, donde la información de mercado es limitada, la necesidad de ajustes estructurales adquiere mayor relevancia. En la investigación previa desarrollada en Propuesta del cálculo del WACC para empresas que no cotizan en los mercados de valores como variante de la gestión del riesgo empresarial (Robayo & Vidal-Llana, 2025), se evidenció que la estimación del WACC requiere adaptaciones metodológicas cuando no existen precios observables en bolsa. El modelo FAM amplía esta línea conceptual al introducir sensibilidad estructural prospectiva.

Desde el punto de vista regulatorio, estudios aplicados han enfatizado la importancia de coherencia metodológica y consistencia en la estimación del costo de capital (Moreno-Torres Gálvez, 2021). La calibración del parámetro mediante regresión auxiliar reduce arbitrariedad y fortalece la defendibilidad técnica del ajuste estructural, alineándose con prácticas econométricas utilizadas en contextos regulatorios (Narayan et al., 2021). Para Girardone et al. (2024) y Pilay-Majao et al. (2024), han evidenciado que la velocidad de transmisión de shocks financieros ha aumentado en los mercados contemporáneos, lo que implica que los parámetros de riesgo pueden modificarse de forma más acelerada que en períodos anteriores.

En conjunto, la discusión evidencia que el modelo FAM no sustituye los fundamentos clásicos del WACC, sino que introduce un mecanismo sistemático de corrección estructural que mejora su capacidad adaptativa ante cambios de régimen financiero. Su contribución reside en formalizar una capa adicional de sensibilidad sectorial y prospectiva, manteniendo intacta la arquitectura teórica tradicional, pero ampliando su aplicabilidad en entornos dinámicos y economías emergentes.

6. Conclusiones

El presente estudio desarrolló un mecanismo de corrección estructural del costo promedio ponderado de capital (WACC) a través del modelo FAM (Factor de Ajuste Multidimensional). La propuesta no sustituye la arquitectura clásica del WACC ni modifica los fundamentos del CAPM, sino que introduce una capa adicional de sensibilidad estructural orientada a capturar dinámicas sectoriales y condiciones de mercado anticipadas que pueden alterar la percepción del riesgo financiero.

El principal aporte del estudio radica en formalizar un esquema multiplicativo que permite ajustar la tasa de descuento en función del comportamiento estructural del entorno. Al integrar crecimiento sectorial, volatilidad operativa y liquidez empresarial mediante un proceso de estandarización transversal, el modelo FAM reconoce que el riesgo no es únicamente una característica individual de la empresa, sino también una manifestación del entorno sectorial agregado. Esta perspectiva introduce una noción de elasticidad estructural del WACC frente a cambios de régimen financiero.

Desde el punto de vista metodológico, el estudio aporta un procedimiento formal y replicable para operacionalizar el ajuste estructural, incluyendo la definición matemática de los componentes, su estandarización y la posibilidad de calibración empírica del parámetro de sensibilidad. La introducción de un parámetro calibrable reduce la arbitrariedad y abre la puerta a validaciones empíricas futuras bajo distintos sectores y horizontes temporales. En términos prácticos, el modelo FAM puede fortalecer procesos de valoración corporativa, análisis de inversión y diseño regulatorio, al permitir que la tasa de descuento incorpore señales estructurales del entorno. Esto contribuye a mejorar la coherencia entre riesgo percibido y riesgo formalmente incorporado en decisiones financieras estratégicas.

No obstante, el estudio también reconoce limitaciones. El modelo requiere disponibilidad y calidad de información sectorial consistente, y su calibración empírica depende de futuras investigaciones que permitan estimar la estabilidad del parámetro de ajuste bajo distintos regímenes económicos. Asimismo, la linealidad implícita en el mecanismo multiplicativo podría ser explorada en investigaciones posteriores mediante enfoques no lineales o dinámicos.

En consecuencia, se identifican varias líneas de investigación futura. En primer lugar, la validación empírica del modelo en diferentes sectores económicos y países, especialmente en mercados emergentes. En segundo lugar, la estimación dinámica del parámetro de sensibilidad bajo distintos escenarios macroeconómicos. En tercer lugar, la comparación del desempeño del FAM frente a modelos multifactoriales tradicionales en procesos reales de valoración. Finalmente, resulta pertinente explorar extensiones que incorporen variables adicionales de riesgo sistémico o indicadores macrofinancieros de alta frecuencia.

En síntesis, el modelo FAM propone una evolución estructural del WACC que preserva sus fundamentos clásicos, pero amplía su capacidad adaptativa ante entornos financieros dinámicos. Su contribución reside en introducir un mecanismo formal que reconoce explícitamente la influencia del comportamiento sectorial y del entorno macrofinanciero sobre la tasa de descuento, fortaleciendo la coherencia conceptual entre riesgo estructural y valoración financiera.

Referencias

Acharya, V. V., & Schaefer, S. (2006). Liquidity risk and correlation risk: Implications for risk management (Working Paper). NYU – Stern. https://w4.stern.nyu.edu/sternfin/vacharya/public_html/acharya_schaefer2.pdf

Aguilar, V., Naula, F., & Cabrera, F. (2024). Cost of capital in the energy sector, in emerging markets, the case of a dollarized economy. Energies, 17(19), 4782. https://doi.org/10.3390/en17194782

Baker, S. R., Bloom, N., & Davis, S. J. (2013). Measuring economic policy uncertainty (Chicago Booth Research Paper No. 13-02). SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2198490

Baule, R. (2018). The cost of debt capital revisited. Business Research, 12(2), 721–753. https://doi.org/10.1007/s40685-018-0070-6

Bedoya-Cadavid, J. A., Lanzas-Duque, Á. M., & Salazar, H. (2023). WACC for electric power transmission system operators: The case of Colombia. Energies, 16(2), 964. https://doi.org/10.3390/en16020964

Bejar-León, L. M., Jijon-Gordillo, E. R., & Soria-Freire, V. J. (2017). Valoración de flujos futuros mediante el uso eficiente del costo promedio ponderado de capital (WACC). Polo del Conocimiento, 2(7), 156–189. https://doi.org/10.23857/pc.v2i7.231

Bekaert, G., Hoerova, M., & Lo Duca, M. (2013). Risk, uncertainty and monetary policy. Journal of Monetary Economics, 60(7), 771–788. https://doi.org/10.1016/j.jmoneco.2013.06.003

Brennan, M. J., Huh, S. W., & Subrahmanyam, A. (2012). An analysis of the Amihud illiquidity premium (Working Paper). SSRN. https://doi.org/10.2139/ssrn.1859632

Brusov, P., & Filatova, T. (2025). Qualitatively new approach to business valuation and company value. Mathematics, 13(1), 80. https://doi.org/10.3390/math13010080

Cala, G., Noriega, E., Enrique, A., & López, G. (2017). El impacto del WACC (Weighted Average Cost of Capital) en la valoración de empresas. Revista Universidad Libre, 1–14. https://doi.org/10.18041/2216-1236/innovando.9.2017.3898

Chávez, J. M., Moncada, E. S., & Arbulú, P. A. (2025). Relación entre capital, costo de capital promedio ponderado y riesgo país en el sector alimentario. Revista venezolana de gerencia, 30(111), 1392–1407. https://doi.org/10.52080/rvgluz.30.111.9

Danielson, M. G. (2023). Tax shields, the weighted average cost of capital, and the appropriate discount rate for a project with a finite useful life. Journal of Risk and Financial Management, 16(9), 398. https://doi.org/10.3390/jrfm16090398

Dobrowolski, Z., Drozdowski, G., Panait, M., & Apostu, S. A. (2022). The weighted average cost of capital and its universality in crisis times: Evidence from the energy sector. Energies, 15(18), 6655. https://doi.org/10.3390/en15186655

Girardone, C., Nieri, L., Piserà, S., & Santulli, R. (2024). Does FinTech credit affect firms’ cost of capital and capital structure? European Journal of Finance, 1–21. https://doi.org/10.1080/1351847X.2024.2383643

Grüninger, M. C., & Kind, A. H. (2013). WACC calculations in practice: Incorrect results due to inconsistent assumptions - status quo and improvements. Accounting and Finance Research, 2(2), 36–44. https://doi.org/10.5430/afr.v2n2p36

Kánová, M., Drábek, J., Ćurić, P., & Pirc Barčić, A. (2023). Quantification of expected return of investment in wood processing sectors in Slovakia. Forests, 15(1), 75. https://doi.org/10.3390/f15010075

Li, K., & Duan, Y. (2021). Research on the application of Fama and French three-factor and five-factor models in American industry. Journal of Physics: Conference Series, 1865(4), 042105. https://doi.org/10.1088/1742-6596/1865/4/042105

Logreira-Vargas, C., Pinos-Luzuriaga, L. G., Tonon-Ordoñez, L. B., & Vásquez-Peñaloza, L. (2025). Comparative analysis of capital structures in Latin America companies. Revista venezolana de gerencia, 30(109), 446–461. https://doi.org/10.52080/rvgluz.30.109.5

Mali, D., & Lim, H. J. (2022). Does relative (absolute) efficiency affect capital costs? Annals of Operations Research, 315(2), 1037–1060. https://doi.org/10.1007/s10479-021-04159-0

Moreno-Torres Gálvez, A. (2021). Aplicación regulatoria del WACC. Boletín Económico de ICE, (3137), 57–68. https://doi.org/10.32796/bice.2021.3137.7255

Narayan, P. K., Phan, D. H. B., & Liu, G. (2021). COVID-19 lockdowns, stimulus packages, travel bans, and stock returns. Finance Research Letters, 38, 101732. https://doi.org/10.1016/j.frl.2020.101732

Pilay-Majao, A., Chasipanta-Baraja, J., Reyes-Armas, R., & Oña-Sinchiguano, B. (2024). Evaluación del riesgo crediticio y su impacto en el costo de capital de la COAC Sierra Centro Cía. Ltda. 593 Digital Publisher CEIT, 9(4), 470–482. https://doi.org/10.33386/593dp.2024.4.2539

Rahman, F. (2022). Impact of WACC on firm profitability: Evidence from food and allied industry of Bangladesh. European Journal of Business and Management Research, 7(6), 89–92. https://doi.org/10.24018/ejbmr.2022.7.6.1707

Robayo, G., & Vidal-Llana, X. (2025). Cálculo del WACC para empresas que no cotizan en mercados de valores como variante de la gestión del riesgo empresarial. European Public & Social Innovation Review, 10, 1–17. https://doi.org/10.31637/epsir-2025-2410

Romeijnders, W., & Mulder, M. (2022). Optimal WACC in tariff regulation under uncertainty. Journal of Regulatory Economics, 61(2), 89–107. https://doi.org/10.1007/s11149-022-09447-6

Stereńczak, S. (2024). Illiquidity and stock returns: The moderating role of investors’ holding period in Central and Eastern European markets. International Journal of Emerging Markets, 19(8), 2025–2045. https://doi.org/10.1108/IJOEM-01-2022-0125

Tambiah, M. A. (2011). FAST WACC formula (Documento de investigación No. 1). HAL Open Science. https://hal.science/hal-00561564

Xiao, C., & Zhou, W. (2024). WACC analysis of banks: Take JPMorgan Chase and Industrial and Commercial Bank of China as examples. Business, Economics and Management EMFRM, 24, 2273–2277. https://doi.org/10.54097/z9pze279

Zambrano, F., Rivera, C. I., & Sánchez, M. E. (2023). Rentabilidad de las mipymes del sector inmobiliario en Ecuador. Revista Venezolana de Gerencia, 28(103), 1021–1036. https://doi.org/10.52080/rvgluz.28.103.7

Zhang, D., Hu, M., & Ji, Q. (2020). Financial markets under the global pandemic of COVID-19. Finance Research Letters, 36, 101528. https://doi.org/10.1016/j.frl.2020.101528