基于 CrunchBase 数据的初创企业成功预测与风投组合模拟
机器学习
2023-09-28 v1 计算工程、金融与科学
计算金融
摘要
由于创业生态系统固有的波动性，预测初创企业的成功是一项艰巨的挑战。Crunchbase 等大型数据库的出现，加上可获取的开放数据，使得机器学习和人工智能能够应用于更精确的预测分析。本文关注处于 B 轮和 C 轮投资阶段的初创企业，旨在预测关键的成功里程碑，如实现首次公开募股（IPO）、达到独角兽地位或执行成功的兼并与收购（M&A）。我们引入了用于预测初创企业成功的新型深度学习模型，整合了融资指标、创始人特征、行业类别等多种因素。我们研究的一个显著特点是使用了一种全面的回测算法来模拟风险投资过程。该模拟允许针对历史数据对我们的模型性能进行稳健评估，为其在实际投资环境中的实用价值提供可操作的见解。在 Crunchbase 上评估我们的模型，我们实现了 14 倍资本增长，并成功识别出 B 轮高潜力初创企业，包括 Revolut、DigitalOcean、Klarna、Github 等。我们的实证结果阐明了纳入多样化特征集对提高模型预测准确性的重要性。总之，我们的工作展示了深度学习模型和替代性非结构化数据在预测初创企业成功方面的巨大前景，并为该研究领域的未来进展奠定了基础。
引用
@article{arxiv.2309.15552,
title = {Startup success prediction and VC portfolio simulation using CrunchBase data},
author = {Mark Potanin and Andrey Chertok and Konstantin Zorin and Cyril Shtabtsovsky},
journal= {arXiv preprint arXiv:2309.15552},
year = {2023}
}
备注
13 pages, preprint