پيش‌بيني ورشكستگي مالي با استفاده از مدل لوجيت مركب

Prediction of Bankruptcy Using Mixed Logit Model

براي پيش‌بيني ورشكستگي مالي ‌روش‌هاي متعددي وجود دارد. يكي از اين ‌‌روش‌ها، روش‌هاي آماري يا به‌عبارت بهتر، روش‌هاي اقتصادسنجي است. چون متغير وابسته، يعني ورشكسته‌شدن و ورشكته‌‌نشدن، متغيري گسسته و كيفي است، بايد از مدل‌هاي گسسته براي پيش‌بيني استفاده كرد. در اين مطالعه، از روش لوجيت مركب استفاده شده است كه يكي از روش‌هاي انعطاف‌پذير در مدل‌هاي گسسته است. اساس اين مدل، تابع مطلوبيت تصادفي با ضرايب تصادفي است و با استفاده از روش حداكثر راست‌نمايي شبيه‌سازي ‌شده است. متغير‌هاي توضيحي، نسبت‌هاي مالي شركت‌‌ها هستند كه از مدل زيمسكي استخراج شده است. جامعه آماري، شركت‌هاي فعال در بورس در بازه 1383 تا 1386 ‌است كه دو ‌نمونه تصادفي، يكي براي تخمين و ديگري براي سنجش درصد موفقيت مدل انتخاب شده است. درصد موفقيت مدل، بيشتر از 90 درصد مشاهده شد.

There are a lot of techniques and methods for prediction of bankruptcy; among them “Statistical methods” or econometrics techniques are more popular. As dependent variable in our study is qualitative; it is convenient to use qualitative discrete models. Mixed Logit model is one of the powerful and flexible techniques of discrete choices that allow the coefficients to be random with distribution function. Explanatory variables are financial ratios which derived from Zmijewski’s model. The sample data are from Tehran Stock Exchange’s Brokerage Companies during 2001-2008. We selected two random samples, one for estimation and another for prediction power test. Results show that the degree of successfulness of the model is over 90 percent.