مجلة التمويل والاستثمار والتنمية المستدامة

Predicting Financial Distress Using Binary Logistic Regression: Evidence From Egyptian Listed Companies

Auteurs : Meguellati Amira .

Résumé

Abstract: This research aims to assess the application of binary logistic regression to predict financial distress among companies listed on the Egyptian Stock Exchange (EGX). The study uses a balanced sample of 44 listed companies (22 distressed and 22 non-distressed) during the period 2020–2023 to analyzes 176 company-year observations to demonstrate the construction, estimation, and testing of a binary logistic regression model. The parameters of the model were estimated using the Maximum Likelihood Estimation (MLE) method, and the Best Model selection technique in XLSTAT was applied to select the most influential explanatory variables. The empirical results indicated that the six financial ratios concerning profitability, liquidity, leverage, debt-repayment ability, and operational efficiency were kept in the final model. The model showed outstanding statistical performance, with a non-significant Hosmer–Lemeshow test (p = 0.915), a Nagelkerke R² of 0.803, an overall classification accuracy of 91.48%, and an Area Under the ROC Curve (AUC) of 0.9697. These findings suggest that binary logistic regression provides a reliable, interpretable, and pragmatic approach to modeling financial distress, which is an effective early-warning system for financial analysis and decision-making. --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------…------------------------------------------------------------------------------------- Résumé : Cette étude vise à évaluer l’application de la régression logistique binaire pour prédire les difficultés financières des sociétés cotées à la Bourse égyptienne (EGX). À partir d’un échantillon équilibré de 44 sociétés cotées (22 en difficulté et 22 non en difficulté) sur la période 2020-2023, l’étude analyse 176 observations « société-année » afin d’illustrer la construction, l’estimation et la validation d’un modèle de régression logistique binaire. Les paramètres du modèle ont été estimés à l’aide de la méthode du maximum de vraisemblance (MLE), et la technique de sélection du « meilleur modèle » d’XLSTAT a été utilisée pour identifier les variables explicatives les plus influentes. Les résultats empiriques ont montré que le modèle final retenait six ratios financiers liés à la rentabilité, à la liquidité, à l’endettement, à la capacité de remboursement de la dette et à l’efficacité opérationnelle. Le modèle a affiché des performances statistiques exceptionnelles, avec un test de Hosmer-Lemeshow non significatif (p = 0,915), un R² de Nagelkerke de 0,803, une précision globale de classification de 91,48%, et une aire sous la courbe ROC (AUC) de 0,9697. Ces résultats suggèrent que la régression logistique binaire constitue une approche fiable, interprétable, et pragmatique pour modéliser les difficultés financières, et constitue ainsi un système d’alerte précoce efficace pour l’analyse financière et la prise de décision.

Mots clés

Financial distress prediction ; Binary logistic regression ; Maximum Likelihood Estimation ; Egyptian Stock Exchange