Costo de capital bajo el enfoque de la lógica difusa en el sector industrial de Cuenca – Ecuador
Palabras clave:
Costo de capital, lógica difusa, intervalos de confianza, expertizaje y contraexpertizaje.
Resumen
Las empresas industriales de la ciudad de Cuenca-Ecuador, son consideradas el icono del desarrollo económico de la ciudad, región y país. El problema de la investigación se direcciona al desconocimiento de nuevas herramientas de cálculo del costo de capital llamado también TMAR (tasa mínima atractiva de rendimiento), lo determinan desde la forma tradicional. El objetivo del estudio es presentar a los directivos y empresarios una nueva forma de cálculo de este indicador económico con el apoyo de la lógica difusa, desarrollando intervalos de confianza mediante rango de valores, con el propósito de disminuir la incertidumbre dentro de esta estimación, con ello se trata de reducir la subjetividad o riesgo que puede tener el cálculo tradicional, ambiguo e impreciso. Los resultados de la aplicación de esta herramienta de vanguardia describen la variabilidad entre el valor obtenido del indicador y el valor real del mismo, así, en un intervalo de confianza indica que, dentro del rango establecido, cualquier valor es ideal para los fines organizacionales, por medio de este instrumento la gerencia podrá tomar decisiones más acertadas en beneficio de su empresa.
Descargas
La descarga de datos todavía no está disponible.
Citas
1. Arias, Leonel; Rave, Silvia y Castaño, Juan (2006), Metodologías para la medición del riesgo financiero en inversiones. Scientia Et Technica, XII (32), 275-278.
2. Arimany, N., Farreras, A., y Rabaseda, J. (2016). Análisis económico financiero del sector vinícola de La Rioja en un entorno de crisis. Intangible Capital, 12(1): 268-294.
3. Bernal, D., y Amat, O. (2012). Anuario de ratios financieros sectoriales en México para análisis comparativo empresarial. Ra Ximhai, 8(2), 271-286.
4. Casanovas, M., y Fernández, A. (2003). La gestión de la tesorería en la incertidumbre. Madrid, España. Ediciones Pirámide.
5. Gitman, J. (2007). Principios de administración financiera. Decimoprimera edición. México. Pearson Educación
6. Gutiérrez, J. (2006). Aplicación de los conjuntos borrosos a las decisiones de inversión. Administer 9.
7. Hernández, R., Fernández, C. y Baptista, M. (2014). Metodología de la investigación. México D.F: McGraw-Hill.
8. Medina, S. (2006). Estado de la cuestión acerca del uso de la lógica difusa en problemas financieros. Cuadernos de Administración, XIX (32), 195-223.
9. Milanesi, Gastón (2016), La tasa interna de retorno promedio borrosa: desarrollos y aplicaciones. Journal of Economics. Finance and Administrative Science, 21, pp. 39–47.
10. Muñoz, Manuel y Avilés, Ezequiel (2014), La incorporación de la lógica difusa al
11. modelo Black-Scholes, para la determinación del precio de la opción cambiaria mexicana. Revista Internacional Administración & Finanzas, 7 (7), 55-73.
12. Nava, A. (2009). Análisis financiero: una herramienta clave para una gestión financiera eficiente. Revista Venezolana de Gerencia, 14(48), 606-628.
13. Kaufmann, A. y Gil, J. (1986). Introducción de la teoría de subconjuntos borrosos a la gestión de las empresas. Madrid, España: Milladoiro.
14. Kaufmann, A. y Gil, J. (1987). Técnicas operativas de gestión para el tratamiento de la incertidumbre. Barcelona, España: Hispano Europea.
15. Kaufmann, Arnold y Gil-Aluja Jaime (1989). Modelos para la investigación de efectos olvidados. Barcelona, España. Milladoiro.
16. Luna, K., y Sarmiento, W. (2019). Evaluación económica bajo el enfoque difuso: Caso industrias de la ciudad de Cuenca-Ecuador. Revista Venezolana de Gerencia, 24 (86), 547-562
17. Rico, M., y Tinto, J. (2008). Matemática borrosa: algunas aplicaciones en las ciencias económicas, administrativas y contables. Revista de Contaduría, (52), 199-214.
18. Rico, Marco y Tinto, Jaime (2010), Herramientas con base en subconjuntos borrosos. Propuesta procedimental para aplicar expertizaje y recuperar efectos olvidados en la información contable. Actualidad Contable Faces, 13 (21), 127-146.
19. Zúñiga, S., y Soria, K. (2009). Costo de capital en el sector pesque¬ro-acuícola chileno. Interciencia, 34(8), 543-550.
20. Zadeh, Lofti, Asker (1965), Fuzzy Sets and their applications to cognitive and decision processes. London, Academic Press Inc.
References
1. Arias, Leonel; Rave, Silvia and Castaño, Juan (2006), Methodologies for measuring financial risk in investments. Scientia Et Technica, XII (32), 275-278.
2. Arimany, N., Farreras, A., and Rabaseda, J. (2016). Financial economic analysis of the wine sector in La Rioja in a crisis environment. Intangible Capital, 12 (1): 268-294.
3. Bernal, D., and Amat, O. (2012). Yearbook of sectoral financial ratios in Mexico for comparative business analysis. Ra Ximhai, 8 (2), 271-286.
4. Casanovas, M., and Fernández, A. (2003). Managing the treasury in uncertainty. Madrid Spain. Pyramid Editions.
5. Gitman, J. (2007). Principles of financial management. Eleventh edition. Mexico. Pearson Education
6. Gutiérrez, J. (2006). Application of fuzzy sets to investment decisions. Administer 9.
7. Hernández, R., Fernández, C. and Baptista, M. (2014). Investigation methodology. Mexico D.F: McGraw-Hill.
8. Medina, S. (2006). State of the question about the use of fuzzy logic in financial problems. Administration Notebooks, XIX (32), 195-223.
9. Milanesi, Gastón (2016), The blurred average internal rate of return: developments and applications. Journal of Economics. Finance and Administrative Science, 21, pp. 39–47.
10. Muñoz, Manuel and Avilés, Ezequiel (2014), The incorporation of fuzzy logic to
11. Black-Scholes model, to determine the price of the Mexican exchange option. International Journal Administration & Finance, 7 (7), 55-73.
12. Nava, A. (2009). Financial analysis: a key tool for efficient financial management. Venezuelan Management Magazine, 14 (48), 606-628.
13. Kaufmann, A. and Gil, J. (1986). Introduction of fuzzy subsets theory to business management. Madrid, Spain: Milladoiro.
14. Kaufmann, A. and Gil, J. (1987). Management operational techniques for the treatment of uncertainty. Barcelona, Spain: Hispanic European.
15. Kaufmann, Arnold and Gil-Aluja Jaime (1989). Models for the investigation of forgotten effects. Barcelona, Spain. Milladoiro.
16. Luna, K., and Sarmiento, W. (2019). Economic evaluation under the fuzzy approach: Industry case of the city of Cuenca-Ecuador. Venezuelan Management Magazine, 24 (86), 547-562
17. Rico, M., and Tinto, J. (2008). Fuzzy mathematics: some applications in the economic, administrative and accounting sciences. Journal of Accounting, (52), 199-214.
18. Rico, Marco and Tinto, Jaime (2010), Tools based on fuzzy subsets. Procedural proposal to apply expertise and recover forgotten effects in accounting information. Actualidad Contable Faces, 13 (21), 127-146.
19. Zúñiga, S., and Soria, K. (2009). Capital cost in the Chilean fishery-aquaculture sector. Interciencia, 34 (8), 543-550.
20. Zadeh, Lofti, Asker (1965), Fuzzy Sets and their applications to cognitive and decision processes. London, Academic Press Inc.
2. Arimany, N., Farreras, A., y Rabaseda, J. (2016). Análisis económico financiero del sector vinícola de La Rioja en un entorno de crisis. Intangible Capital, 12(1): 268-294.
3. Bernal, D., y Amat, O. (2012). Anuario de ratios financieros sectoriales en México para análisis comparativo empresarial. Ra Ximhai, 8(2), 271-286.
4. Casanovas, M., y Fernández, A. (2003). La gestión de la tesorería en la incertidumbre. Madrid, España. Ediciones Pirámide.
5. Gitman, J. (2007). Principios de administración financiera. Decimoprimera edición. México. Pearson Educación
6. Gutiérrez, J. (2006). Aplicación de los conjuntos borrosos a las decisiones de inversión. Administer 9.
7. Hernández, R., Fernández, C. y Baptista, M. (2014). Metodología de la investigación. México D.F: McGraw-Hill.
8. Medina, S. (2006). Estado de la cuestión acerca del uso de la lógica difusa en problemas financieros. Cuadernos de Administración, XIX (32), 195-223.
9. Milanesi, Gastón (2016), La tasa interna de retorno promedio borrosa: desarrollos y aplicaciones. Journal of Economics. Finance and Administrative Science, 21, pp. 39–47.
10. Muñoz, Manuel y Avilés, Ezequiel (2014), La incorporación de la lógica difusa al
11. modelo Black-Scholes, para la determinación del precio de la opción cambiaria mexicana. Revista Internacional Administración & Finanzas, 7 (7), 55-73.
12. Nava, A. (2009). Análisis financiero: una herramienta clave para una gestión financiera eficiente. Revista Venezolana de Gerencia, 14(48), 606-628.
13. Kaufmann, A. y Gil, J. (1986). Introducción de la teoría de subconjuntos borrosos a la gestión de las empresas. Madrid, España: Milladoiro.
14. Kaufmann, A. y Gil, J. (1987). Técnicas operativas de gestión para el tratamiento de la incertidumbre. Barcelona, España: Hispano Europea.
15. Kaufmann, Arnold y Gil-Aluja Jaime (1989). Modelos para la investigación de efectos olvidados. Barcelona, España. Milladoiro.
16. Luna, K., y Sarmiento, W. (2019). Evaluación económica bajo el enfoque difuso: Caso industrias de la ciudad de Cuenca-Ecuador. Revista Venezolana de Gerencia, 24 (86), 547-562
17. Rico, M., y Tinto, J. (2008). Matemática borrosa: algunas aplicaciones en las ciencias económicas, administrativas y contables. Revista de Contaduría, (52), 199-214.
18. Rico, Marco y Tinto, Jaime (2010), Herramientas con base en subconjuntos borrosos. Propuesta procedimental para aplicar expertizaje y recuperar efectos olvidados en la información contable. Actualidad Contable Faces, 13 (21), 127-146.
19. Zúñiga, S., y Soria, K. (2009). Costo de capital en el sector pesque¬ro-acuícola chileno. Interciencia, 34(8), 543-550.
20. Zadeh, Lofti, Asker (1965), Fuzzy Sets and their applications to cognitive and decision processes. London, Academic Press Inc.
References
1. Arias, Leonel; Rave, Silvia and Castaño, Juan (2006), Methodologies for measuring financial risk in investments. Scientia Et Technica, XII (32), 275-278.
2. Arimany, N., Farreras, A., and Rabaseda, J. (2016). Financial economic analysis of the wine sector in La Rioja in a crisis environment. Intangible Capital, 12 (1): 268-294.
3. Bernal, D., and Amat, O. (2012). Yearbook of sectoral financial ratios in Mexico for comparative business analysis. Ra Ximhai, 8 (2), 271-286.
4. Casanovas, M., and Fernández, A. (2003). Managing the treasury in uncertainty. Madrid Spain. Pyramid Editions.
5. Gitman, J. (2007). Principles of financial management. Eleventh edition. Mexico. Pearson Education
6. Gutiérrez, J. (2006). Application of fuzzy sets to investment decisions. Administer 9.
7. Hernández, R., Fernández, C. and Baptista, M. (2014). Investigation methodology. Mexico D.F: McGraw-Hill.
8. Medina, S. (2006). State of the question about the use of fuzzy logic in financial problems. Administration Notebooks, XIX (32), 195-223.
9. Milanesi, Gastón (2016), The blurred average internal rate of return: developments and applications. Journal of Economics. Finance and Administrative Science, 21, pp. 39–47.
10. Muñoz, Manuel and Avilés, Ezequiel (2014), The incorporation of fuzzy logic to
11. Black-Scholes model, to determine the price of the Mexican exchange option. International Journal Administration & Finance, 7 (7), 55-73.
12. Nava, A. (2009). Financial analysis: a key tool for efficient financial management. Venezuelan Management Magazine, 14 (48), 606-628.
13. Kaufmann, A. and Gil, J. (1986). Introduction of fuzzy subsets theory to business management. Madrid, Spain: Milladoiro.
14. Kaufmann, A. and Gil, J. (1987). Management operational techniques for the treatment of uncertainty. Barcelona, Spain: Hispanic European.
15. Kaufmann, Arnold and Gil-Aluja Jaime (1989). Models for the investigation of forgotten effects. Barcelona, Spain. Milladoiro.
16. Luna, K., and Sarmiento, W. (2019). Economic evaluation under the fuzzy approach: Industry case of the city of Cuenca-Ecuador. Venezuelan Management Magazine, 24 (86), 547-562
17. Rico, M., and Tinto, J. (2008). Fuzzy mathematics: some applications in the economic, administrative and accounting sciences. Journal of Accounting, (52), 199-214.
18. Rico, Marco and Tinto, Jaime (2010), Tools based on fuzzy subsets. Procedural proposal to apply expertise and recover forgotten effects in accounting information. Actualidad Contable Faces, 13 (21), 127-146.
19. Zúñiga, S., and Soria, K. (2009). Capital cost in the Chilean fishery-aquaculture sector. Interciencia, 34 (8), 543-550.
20. Zadeh, Lofti, Asker (1965), Fuzzy Sets and their applications to cognitive and decision processes. London, Academic Press Inc.
Publicado
2021-01-09
Cómo citar
Luna-Altamirano , K. A., Sarmiento-Espinoza , W. H., Andrade-Cordero , C. F., & Zamora-Zamora , E. G. (2021). Costo de capital bajo el enfoque de la lógica difusa en el sector industrial de Cuenca – Ecuador. Revista Científica FIPCAEC (Fomento De La investigación Y publicación científico-técnica multidisciplinaria). ISSN : 2588-090X . Polo De Capacitación, Investigación Y Publicación (POCAIP), 6(1), 402-417. https://doi.org/10.23857/fipcaec.v6i1.348
Sección
Artículos de Investigación
