Poder Predictivo de las Tasas de Descuento en los Modelos de Valoración Financiera: Evidencia de Empresas Industriales de Subsectores Tecnológicos en la New York Stock Exchange

Resumen

Este artículo analiza comparativamente tres métodos de tasas de descuento en la valoración financiera (WACC, Ke y Kd) aplicados a 19 empresas, 57 observaciones, del sector industrial con subsectores tecnológicos listadas en la Bolsa de Nueva York, que contaran con reportes 10-K de 2021 a 2024. A través de un enfoque cuantitativo y el uso de métricas de error absoluto y porcentual, se evaluó la precisión predictiva de cada tasa. Se aplicaron técnicas estadísticas no paramétricas (Friedman y Wilcoxon) y modelos avanzados como GLM y regresión de efectos mixtos, con apoyo de SPSS y Python. Los resultados muestran que no existen diferencias estadísticamente significativas entre los métodos evaluados, aunque WACC y Kd presentaron un desempeño ligeramente superior en términos de error absoluto y ranking. El modelo mixto reveló que la mayor fuente de variación en los errores proviene de las características individuales de cada empresa, no del método de valoración. Se concluye que la elección del método debe basarse en la coherencia técnica y el contexto empresarial, más que en una supuesta superioridad estadística. Este estudio se inserta en la intersección entre finanzas corporativas y gestión tecnológica, al analizar empresas del sector industrial con presencia en subsectores intensivos en tecnología e innovación, donde los métodos tradicionales de valoración enfrentan retos asociados a los activos intangibles y a los cambios acelerados del entorno competitivo.