挑选赢家：一种评估初创公司质量的数据驱动方法

我们考虑评估初创公司质量的问题。由于成功的初创公司十分罕见且影响成功的因素十分复杂，这可能极具挑战性。在本工作中，我们收集了数万家初创公司及其业绩、创始人背景和投资者的数据。我们基于布朗运动首达时间开发了一种新颖的初创公司成功模型。与初创公司相关的布朗运动的漂移和扩散是其基于行业、创始人和初始投资者的特征的函数。所有特征均使用我们的海量数据集计算。利用贝叶斯方法，我们能够从模型中获得关于成功初创公司特征的定量见解。为了测试模型的性能，我们用它构建了一个公司投资组合，其目标是最大化至少有一家公司实现退出（IPO 或被收购）的概率，我们将其称为“获胜”。这种“挑选赢家”框架非常通用，可用于建模许多具有低概率、高回报结果的问题，例如制药公司选择开发药物或电影公司选择制作电影。我们将构建挑选赢家投资组合表述为组合优化问题，并表明贪心解具有很强的性能保证。我们将挑选赢家框架应用于选择初创公司投资组合的问题。利用我们的退出概率模型，我们能够构建样本外投资组合，其退出率高达 60%，几乎是顶级风险投资公司的两倍。