A Study of the Influence of Factors on the Models of the Market Price of Common Stock and Its Elasticity with a Neutral Approach to Dividend Policy as an Artificial Intelligence Tool

En el mundo de las empresas públicas, el precio de una sola acción es más que un simple número en una pantalla; es un reflejo de la salud de una empresa, su promesa futura y la confianza que los inversores depositan en ella. Para los propietarios de estas empresas, el objetivo final es maximizar este valor, asegurando que su riqueza crezca con el tiempo. Sin embargo, alcanzar este objetivo se ve complicado por un debate persistente: cuánto del beneficio de una empresa debe pagarse a los accionistas en forma de dividendos y cuánto debe reservarse para financiar el crecimiento futuro. Algunas teorías sugieren que pagar dividendos no importa en absoluto, mientras que otras argumentan que la decisión es crucial. Una tercera perspectiva, más equilibrada, sugiere que una empresa puede encontrar un camino "neutral", uno que respete los intereses de todas las partes interesadas y garantice la estabilidad a largo plazo. Este punto medio es donde comienza un nuevo estudio de Sergey Krylov, de la Universidad Federal de los Urales, con el objetivo de comprender exactamente cómo diferentes palancas financieras impulsan el precio de una acción hacia arriba o hacia abajo cuando una empresa sigue este enfoque neutral.

El investigador se propuso construir un mapa preciso de estas fuerzas financieras. Se centró en un conjunto específico de factores que determinan el precio de mercado de una acción: cuánto beneficio obtiene la empresa por acción, qué tan eficientemente utiliza su dinero para generar rendimientos, la tasa de descuento general que el mercado aplica a las ganancias futuras, la tasa de retorno que los inversores exigen y la tasa a la que se espera que crezcan los dividendos. El desafío era que estos factores no actúan de forma aislada; están entrelazados en complejos modelos matemáticos. Para desenredarlos, Krylov empleó un método conocido como análisis de factores deterministas, el cual trata aquí como una forma de inteligencia artificial. En este contexto, la "inteligencia" no es un robot tomando decisiones, sino un proceso sistemático y apto para computación de predicción. Funciona tomando un punto de partida conocido, cambiando un factor específico a la vez mientras se mantiene todo lo demás constante, y calculando exactamente cuánto desplaza ese único cambio el precio final. Esto permite a una empresa ver, con claridad, el impacto aislado de una decisión antes de que sea tomada.

Para probar este enfoque, el estudio aplicó estos modelos a una empresa pública hipotética llamada "Gamma". Los investigadores establecieron un escenario base utilizando datos del cierre de un año de reporte y luego crearon un pronóstico para el año siguiente, ajustando los factores clave para ver qué sucedería. Observaron que cuando el nivel de capitalización del mercado, que actúa como una tasa de descuento para los flujos de caja futuros, aumentó del 15.3% al 16.1%, el precio esperado de la acción cayó significativamente 104.839 rublos. Por el contrario, cuando las ganancias por acción de la empresa aumentaron de 157.48 rublos a 164.53 rublos, el precio de la acción subió 78.817 rublos. El estudio también rastreó cómo estos cambios afectaban la "elasticidad" del precio de la acción, una medida de qué tan sensible es el precio a los cambios en factores específicos. Por ejemplo, la sensibilidad del precio al retorno sobre la inversión de la empresa cambió ligeramente a medida que otras condiciones cambiaban, demostrando que la relación entre estas variables es dinámica y sensible.

Los resultados de esta simulación proporcionaron un desglose claro y paso a paso de cómo cada factor contribuyó al resultado final. Cuando se combinaron todos los cambios, el efecto neto fue un aumento modesto en el precio de la acción de 12.145 rublos. Esta pequeña ganancia fue la suma de varias fuerzas de mayor magnitud y opuestas: la caída causada por la mayor tasa de descuento del mercado fue compensada parcialmente por las ganancias de mayores beneficios y mejores rendimientos de inversión. El estudio también reveló que si la tasa de crecimiento de los dividendos se mantenía constante en un 5%, no tenía un efecto inmediato en el cambio de precio en este escenario específico, resaltando cómo algunos factores pueden permanecer neutrales bajo ciertas condiciones. Al aislar estos efectos, el método permite a los gerentes predecir exactamente cómo una decisión específica, como alterar la política de dividendos o mejorar la eficiencia de la inversión, repercutirá en el precio de la acción.

Este trabajo confirma que el uso de un método sistemático de sustitución en cadena para analizar estos modelos complejos es una herramienta viable y efectiva para la gestión financiera. Ofrece una forma de ir más allá de las conjeturas, proporcionando una manera estructurada para pronosticar cómo las acciones de una empresa serán percibidas por el mercado. El estudio sugiere que, al comprender la influencia precisa de cada factor, una empresa pública puede gestionar mejor su precio de acción y su política de dividendos de una manera que apoye el desarrollo sostenible. Si bien el método se basa en la suposición de que los factores cambian de forma independiente, lo cual es una simplificación del mundo real, los resultados ofrecen un marco poderoso para la toma de decisiones. La investigación concluye que este enfoque, enmarcado como una herramienta de inteligencia artificial para la predicción, puede ayudar a las empresas a navegar las complejidades del mercado de valores, asegurando que sus estrategias no sean solo esperanzas, sino pasos calculados hacia la maximización del valor para el accionista.