热点专题

您所在位置:首页 > 热点专题 > 正文

减少信息不对称!机器学习正在风投中发挥作用

文章作者:www.paulrstat.com发布时间:2019-10-17浏览次数:731

我要分享的大数据摘要2019.9.30

大数据摘要

来源:《福布斯》

编译:张瑞义,楚扬,爱玲

机器学习已经在风险投资领域。

许多风险投资从业者表示,使用大数据指导风险投资的前景非常广阔,而机器学习可以减少投资者之间的信息不对称性,从而使双方之间的合作更加和谐。

在2008年金融危机之后,银行利率急剧下降,风险资本突然变得炙手可热,并获得了可观的回报。然而,在短短的十年内,市场发生了变化并达到饱和,商业帝国继续上升。早期投资很难获得稳定的回报。实际上,资本可用,资金也可以流通。大大小小的公司随处可见。

因此,投资变得极为困难,想要获利的愿望就像大海捞针。而且,当前的投资工具箱无法帮助投资者更好地应对不确定性和抵抗风险。因此,我们正在考虑使用机器学习来引导风险投资。

风险投资并不容易,机器学习可以帮助

我们不仅可以使用机器学习来识别市场差距,掌握整体市场趋势,建立更好的投资组合,匹配匹配的投资者或交易,还可以获得竞争对手的情报和潜在的收购机会。同时,机器学习模型也可以用于改进我们的定价和评估系统。即使在风险投资的最后阶段,风险公司也已经达到了成长阶段,我们仍然可以使用机器学习来获取更多信息。从这些角度来看,机器学习确实有很大帮助。

我没有说另一种情况,但这确实是我们关心的问题:机器学习可以使用大数据来帮助我们找到潜在的创业公司。因此,我们的目的是在不参考数据报告的情况下评估创业公司的成功潜力。

从大数据中查找指标

通过研究,我发现大数据可以帮助确定可以确定初创企业成功的指标。为此,我想出了一个相对复杂的表格,列出了一些影响因素以及这些因素的可能用途。积极的影响。

链接如下:

为了进行更全面的调查,我们对12万多家公司进行了调查,他们寻求的指标不仅可以用于指导收购和首次公开发行,还可以预测公司的下一轮融资甚至生存。

我们使用了一种类似于回测的方法,利用时间轴作为线索,调查到2015年还不到4年的公司,并使用100多种指标和5种模型来预测其未来。在当年的盈利能力中,这五个模型包括:支持向量机,决策树,随机森林,极端随机数和梯度提升树。

在这些算法中,随机森林和梯度增强树似乎表现最佳,尤其是在特定情况下。然而,几乎不可能找到通用算法,但是不同算法中特征权重的差异可以进一步揭示数据的内涵。

从左到右,随机森林,极端随机树和梯度提升树算法中不同特征的权重

未来可以

如果您进行了深入的研究,您会发现'自动化风险投资实际上是一件非常困难的事情。我们的目标不是将风险资本完全移交给机器学习或大数据。实际上,这似乎是一种幻想。当然,这并不妨碍机器学习作为帮助投资者降低风险的辅助工具。这是我们研究的方向。

同时,要声明的一件事是精心准备和良好的决策能力确实可以为投资者提供帮助,但这并不能解决所有问题。如果公司的原始财务信息不完整,则机器学习工具可以为投资者获取更多信息,以完成估值,但是它不能替代投资者来完成交易。当然,公司是否可以融资,不仅取决于投资者的估值,还取决于公司的管理能力和创造增值的能力。

机器学习可以在风险投资的道路上走多远?我们将拭目以待。

相关报告:

实习/专职编辑招聘

加入我们,体验专业技术媒体的每个细节,并与一群世界上最优秀的人才一起成长在最有前途的行业中。协调北京清华东门,在大数据摘要主页对话页面上回复“招聘”以获取详细信息。请直接将简历发送至

志愿者介绍背景回复“志愿者”加入我们收集报告投诉

大数据摘要

来源:《福布斯》

编译:张瑞义,楚扬,爱玲

机器学习已经在风险投资领域。

许多风险投资从业者表示,使用大数据指导风险投资的前景非常广阔,而机器学习可以减少投资者之间的信息不对称性,从而使双方之间的合作更加和谐。

在2008年金融危机之后,银行利率急剧下降,风险资本突然变得炙手可热,并获得了可观的回报。然而,在短短的十年内,市场发生了变化并达到饱和,商业帝国继续上升。早期投资很难获得稳定的回报。实际上,资本可用,资金也可以流通。大大小小的公司随处可见。

因此,投资变得极为困难,想要获利的愿望就像大海捞针。而且,当前的投资工具箱无法帮助投资者更好地应对不确定性和抵抗风险。因此,我们正在考虑使用机器学习来引导风险投资。

风险投资并不容易,机器学习可以帮助

我们不仅可以使用机器学习来识别市场差距,掌握整体市场趋势,建立更好的投资组合,匹配匹配的投资者或交易,还可以获得竞争对手的情报和潜在的收购机会。同时,机器学习模型也可以用于改进我们的定价和评估系统。即使在风险投资的最后阶段,风险公司也已经达到了成长阶段,我们仍然可以使用机器学习来获取更多信息。从这些角度来看,机器学习确实有很大帮助。

我没有说另一种情况,但这确实是我们关心的问题:机器学习可以使用大数据来帮助我们找到潜在的创业公司。因此,我们的目的是在不参考数据报告的情况下评估创业公司的成功潜力。

从大数据中查找指标

通过研究,我发现大数据可以帮助确定可以确定初创企业成功的指标。为此,我想出了一个相对复杂的表格,列出了一些影响因素以及这些因素的可能用途。积极的影响。

链接如下:

为了进行更全面的调查,我们对12万多家公司进行了调查,他们寻求的指标不仅可以用于指导收购和首次公开发行,还可以预测公司的下一轮融资甚至生存。

我们使用了一种类似于回测的方法,利用时间轴作为线索,调查到2015年还不到4年的公司,并使用100多种指标和5种模型来预测其未来。在当年的盈利能力中,这五个模型包括:支持向量机,决策树,随机森林,极端随机数和梯度提升树。

在这些算法中,随机森林和梯度增强树似乎表现最佳,尤其是在特定情况下。然而,几乎不可能找到通用算法,但是不同算法中特征权重的差异可以进一步揭示数据的内涵。

从左到右,随机森林,极端随机树和梯度提升树算法中不同特征的权重

未来可以

如果您进行了深入的研究,您会发现'自动化风险投资实际上是一件非常困难的事情。我们的目标不是将风险资本完全移交给机器学习或大数据。实际上,这似乎是一种幻想。当然,这并不妨碍机器学习作为帮助投资者降低风险的辅助工具。这是我们研究的方向。

同时,要声明的一件事是精心准备和良好的决策能力确实可以为投资者提供帮助,但这并不能解决所有问题。如果公司的原始财务信息不完整,则机器学习工具可以为投资者获取更多信息,以完成估值,但是它不能替代投资者来完成交易。当然,公司是否可以融资,不仅取决于投资者的估值,还取决于公司的管理能力和创造增值的能力。

机器学习可以在风险投资的道路上走多远?我们将拭目以待。

相关报告:

实习/专职编辑招聘

加入我们,体验专业技术媒体的每一个细节,并与一群世界上最优秀的人才一起成长在最有前途的行业中。协调北京清华东门,在大数据摘要首页对话页面上回复“招聘”以获取详细信息。请直接将简历发送至

志愿者介绍背景答复“志愿者”加入我们