如何操纵机器学习进行风投

 

《麦肯锡季刊》：向我们介绍一下你在Hone Capital成立初期所面临的挑战以及你是如何碰到AngelList的。

 

Veronica Wu：中科招商投资管理集团的首席执行官单祥双(Xiangshuang Shan)曾对我说他想设立国际业务，那时我还没有做过风险投资。我只知道他们是做什么的，也知道进入硅谷的风险投资领域有多困难。成功进入硅谷的外部资本寥寥无几。部分原因是信誉问题。如果你是一名正试图开办公司的企业家，那么你怎么知道下一轮会有一家外国公司，而在硅谷的人们已经建立了信任的记录。

 

对我们来说，问题变成了：“我们如何获得最重要的交易，以便我们建立信任网络?”我很幸运，我的一位前麦肯锡同事向我介绍了一个名为AngelList的平台，这可能是VC投资场景中的一个有趣的技巧。我很快就了解了更多与此相关的信息，即他们如何建立由顶级天使投资者组成的线上生态系统以及源源不断的经过审核的种子交易。该平台使我们得以接触大量关联度极高的人员——我们原本不知道如何与这些人建立联系，我们还未变得更加成熟之前，它们中的一些人甚至不会考虑与我们建立长期的合作。因此，我们将AngelList视为立即可以利用风投社区的机会。

 

我们还见证了AngelList巨大的数据潜力。我们对早期种子交易的了解并不多，因此很难获得与此相关的信息。我将其视为可以挖掘的数据金矿。因此，我们决定赌一把，也就是与AngelList合作，看看它是否真的可以加速我们获得优质交易的机会。到目前为止，一切都很好。我们非常高兴。我们已经见证了交易数量的巨大增长。因此，当我们开始时，每周大约产生10笔交易，而现在已经接近20笔了。不过，要我说，平均而言，我们只研究了其中80%的交易就因此拒绝了。但是，AngelList团队所建立的交易多样性简直令人难以置信。

 

《麦肯锡季刊》：你是如何创建机器学习模型的?数据都提供了哪些有趣的洞察?

 

Veronica Wu：我们从过去十年的30000笔交易数据库中创建了一个机器学习模型，该数据库来源广泛，其中包括Crunchbase，Mattermark和PitchBook数据。对于我们历史数据库中的每笔交易，我们都研究了一个团队是否进行了A轮融资并探讨了每笔交易的400个特征。通过此分析，我们发现了种子交易的20个特征，这些特征可以最可靠地预测未来的成功。

 

根据这些数据，我们的模型会为我们审核的每笔交易生成一份投资建议，其中考虑到的因素包括投资者的历史转化率，筹集的资金总额，创始团队的背景以及由财团牵头的专业领域等。

 

我们得出的洞察之一是，未能进入A轮融资的初创公司的平均种子投资为50万美元，而进入A轮融资的初创公司的平均投资为150万美元。 因此，如果一个团队获得的投资低于150万美元的门槛，这表明他们的想法没有引起投资者的足够兴趣，这可能不值得我们花时间，或者这虽然是一个好主意，但是需要更多资金才能取得成效。另一个洞察来自对创始人背景的分析，该见解表明了这样一个事实，即与毕业于两所不同大学的两位创始人达成交易的可能性是与来自同一所大学的两位创始人达成交易的可能性的两倍。这支持了观点的多样化是一种优势。

 

《麦肯锡季刊》：你是否遇到过这样的情况，即你的团队希望继续进行的交易，但是数据表明你可能要重新审视最初的结论?

 

Veronica Wu：实际上，我们最近才遇到一个这样的案例，在这个案例中，我们的分析表明成功的概率为70%或80%。 但是，当我们最初对它进行研究时发现这种商业模式没有意义。从表面上看，它似乎并不有利可图，而且受到诸多监管方面的限制。尽管如此，这些指标看起来十分惊艳。因此，我对主要投资者说：“请向我详细介绍这笔交易及其运作方式。”

 

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!