fa پیش‌بینی ورشکستگی مالی با استفاده از مدل لوجیت مرکب پولی و مالی پولی و مالی كاربردي Applicable <p style="DIRECTION: rtl" align="justify">  برای پیش‌بینی ورشکستگی مالی ‌روش‌های متعددی وجود دارد. یکی از این ‌‌روش‌ها ، روش‌های آماری یا به‌عبارت بهتر، روش‌های اقتصادسنجی است. چون متغیر وابسته، یعنی ورشکسته‌شدن و ورشکته‌‌نشدن، متغیری گسسته و کیفی است، باید از مدل‌های گسسته برای پیش‌بینی استفاده کرد. در این مطالعه، از روش لوجیت مرکب استفاده شده است که یکی از روش‌های انعطاف‌پذیر در مدل‌های گسسته است . اساس این مدل ، تابع مطلوبیت تصادفی با ضرایب تصادفی است و با استفاده از روش <a name="OLE_LINK41"></a><a name="OLE_LINK40">حداکثر راست‌نمایی </a>شبیه‌سازی ‌شده است. متغیر‌های توضیحی، نسبت‌های مالی شرکت‌‌ها هستند که از مدل زیمسکی استخراج شده است<a name="OLE_LINK29"></a><a name="OLE_LINK28"> . </a>جامعۀ آماری، شرکت‌های فعال در بورس در بازۀ ۱۳۸۳ تا ۱۳۸۶ ‌است که دو ‌نمونۀتصادفی، یکی برای تخمین و دیگری برای سنجش درصد موفقیت مدل انتخاب شده است. درصد موفقیت مدل، بیشتر از ۹۰ درصد مشاهده شد. </p> 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. لوجیت مرکب، ورشکستگی مالی، تابع مطلوبیت تصادفی، ضرایب تصادفی. Bankruptcy, Mixed Logit, Random Utility Function, Random Coefficients. 1 21 http://jfm.khu.ac.ir/browse.php?a_code=A-11-194-3&slc_lang=fa&sid=1 Parviz Mohammadzadeh پرویز محمدزاده pmohamadzadeh@yahoo.com@yahoo.com 10031947532846002546 10031947532846002546 No Tabriz University دانشگاه تبریز Alireza Jalili Marand علیرضا جلیلی مرند Alireza.jalili.m@gmail.com 10031947532846002547 10031947532846002547 Yes Tabriz University دانشگاه تبریز