通过可解释机器学习揭示高增长企业的关键预测因子

预测高增长企业已引起技术预测和机器学习领域日益增长的关注。大多数现有研究主要利用财务数据进行预测。然而，研究表明企业的研发活动及其在技术生态系统中的网络位置也可能是有价值的预测因子。为解析不同特征的相对重要性，本文分析了来自 5,071 家企业的财务数据和专利数据，提取了三类特征：财务特征、专利 granted 的技术特征，以及源自企业与其主要技术连接的网络特征。通过利用集成学习算法，我们展示了将财务特征与技术特征、网络特征或两者结合的模型，相对于仅使用财务特征的模型，能够更准确地预测高增长企业。为深入探讨此问题，我们评估了每个单个特征在其所属类别中的预测能力，使用可解释人工智能方法。在非财务特征中，企业 granted 专利的最大经济价值以及与企业主要技术相关的专利数量最为重要。此外，企业规模与高增长概率呈正相关，直到达到某个阈值规模后，相关性才会趋于平台化。相反，企业 granted 专利的最大经济价值仅在超过某个阈值后，才与高增长概率呈正相关。这些发现阐明了各种特征在预测高增长企业中的复杂预测作用，并可为技术资源分配和投资决策提供指导。