服务热线：400-858-9000 咨询/投诉热线：18658148790
问
机器学习能否助力风险合作？
会员昵称： 提问时间：2021/01/12
问题描述：近几年，以机器学习、特别是深度学习为代表的人工智能（AI）得到了长足的发展，机器学习和人工智能也成为出现在街头巷尾的高频词汇。今天我们把目光放在风险合作（venture capital），看看机器学习能否在一级市场有所作为。
您还可以输入 1000 字
答
共6条回复
孙吴 专家回答
高级合作总监
2016年，AlphaGo以无可争议的优势战胜了李世石；2017年它的升级版更是风卷残云一般战胜了以柯洁为代表的中方各路围棋高手。AI在围棋领域的大获全胜给了我们很大的启发，一个适合使用机器学习来解决的问题应该包括以下三个性质：
1.信息边界明确，状态有限；
2.所有信息完全公开透明；
3.有明确的胜负判断标准。
我们来看看风险合作是否满足这三个条件。风险合作的定义如下：
风险合作主要是指向初创企业提供资源支持并取得该公司股份的一种合作方式。风险合作公司为一专业的合作公司，由一群具有科技及财务相关知识与经验的人所组合而成的，经由直接合作被合作公司股权的方式，提供资源给需要资源者（被合作公司）。风投公司的资源大多用于合作新创事业或是未上市企业，并不以经营被合作公司为目的，仅是提供资源及专业上的知识与经验，以协助被合作公司获取更大的利润为目的，所以是一追求长期利润的高风险高报酬事业。
在一个创业公司合作的过程中，通常分为种子轮（seed）、A轮、B轮、……、F轮（一般IPO前不超过F轮）、最后是IPO。以IPO上市退出无疑会带给合作人最大的收益；在上市无望的情况下，被收购也是一种比较好的退出方式。根据上面的定义，风投的手段是合作有希望的早期创业公司，目的是在退出时为合作人牟取超高额收益。
1.信息边界明确，状态有限；
2.所有信息完全公开透明；
3.有明确的胜负判断标准。
我们来看看风险合作是否满足这三个条件。风险合作的定义如下：
风险合作主要是指向初创企业提供资源支持并取得该公司股份的一种合作方式。风险合作公司为一专业的合作公司，由一群具有科技及财务相关知识与经验的人所组合而成的，经由直接合作被合作公司股权的方式，提供资源给需要资源者（被合作公司）。风投公司的资源大多用于合作新创事业或是未上市企业，并不以经营被合作公司为目的，仅是提供资源及专业上的知识与经验，以协助被合作公司获取更大的利润为目的，所以是一追求长期利润的高风险高报酬事业。
在一个创业公司合作的过程中，通常分为种子轮（seed）、A轮、B轮、……、F轮（一般IPO前不超过F轮）、最后是IPO。以IPO上市退出无疑会带给合作人最大的收益；在上市无望的情况下，被收购也是一种比较好的退出方式。根据上面的定义，风投的手段是合作有希望的早期创业公司，目的是在退出时为合作人牟取超高额收益。
发表
某先生
回答数：1|被采纳数：0
这表明当 t ≤ ν 时，μ(t) 和 σ(t) 为常数；而当 t ＞ ν 时，μ(t) 和 σ(t) 按指数衰减。ν、τ、μ_0 及 σ_0 需要根据训练集数据得到，其中 ν 和 τ 的取值对所有公司相同，而 μ_0 及 σ_0 是每个公司特有的参数。用什么来决定每个公司的 μ_0 和 σ_0 呢？你一定已经猜到了：公司的特征！如此一来，公司特征就和上述布朗运动有机的结合起来了。
某先生
回答数：1|被采纳数：0
2 领导团队
领导团队笼统的包括高管（含创始人）以及顾问。主要考虑的角度包括，团队成员在过去是否有成功的创业经验、团队成员之间工作和教育背景的相似性和互补性、团队和公司所处行业的符合度、以及团队的平均年龄。下面分别说明。
首先，团队成员过去的创业经验包括如下六个指标。
其次，利用 Linkedin 的数据，Hunter and Zaman (2017) 抓取了所有领导团队成员在成立/加入本公司之前的工作经历，并从中计算出了如下代表他们工作经验和背景的特征。
在计算工作重合度时，Hunter and Zaman (2017) 采用了 Jaccard Index（一种评价两个集合中元素相似度的常见方法）。具体方法为，领导团队成员两两配对，找出他们之前工作单位的交集和并集，用交集中成员的数量除以并集中成员的数量求出 Jaccard Index。这个指标的取值在 0 到 1 之间，是工作重合度的度量，越高说明重合度越高。对于每个配对，都能得到一个 Jaccard Index，然后计算这些 Jaccard Index 的均值和标准差，作为工作重合度的均值和标准差。
在领导团队的教育背景方面，Hunter and Zaman (2017) 考虑了最高学历、是否毕业于名校、以及教育背景重合度等特征。这些特征包括：
在名校的表单中，Hunter and Zaman (2017) 仅考虑了美国的学校（这是个不足？），它们包括：伯克利、布朗大学、加州理工、卡耐基梅隆、哥伦比亚、康奈尔、达特茅斯、杜克大学、哈佛大学、约翰霍普金斯、麻省理工、西北大学、普林斯顿、斯坦福、芝加哥大学、宾夕法尼亚大学、以及耶鲁大学。在计算教育背景重合度时，同样采用的是 Jaccard Index，不再赘述。
对于团队教育背景和公司所处行业的相似性，Hunter and Zaman (2017) 使用了 WordNet 词汇数据库，计算每个领导团队成员学术专业和公司所处行业之间的语义相似度（具体方法是 Palmer-Wu 相似度分数，见 Wu and Palmer 1994）。得到由每个成员计算出的相似度后，取它们的均值作为团队教育背景和公司行业的相似性的度量。
最后一个关于创始团队的指标是在成立该公司时，团队的平均年龄。出于年龄数据不全的考量，作者假设团队成员 18 岁高中毕业、22 岁本科毕业，然后根据他们获得相应学位的年份和公司创办的年份计算出目标年龄。
领导团队笼统的包括高管（含创始人）以及顾问。主要考虑的角度包括，团队成员在过去是否有成功的创业经验、团队成员之间工作和教育背景的相似性和互补性、团队和公司所处行业的符合度、以及团队的平均年龄。下面分别说明。
首先，团队成员过去的创业经验包括如下六个指标。
其次，利用 Linkedin 的数据，Hunter and Zaman (2017) 抓取了所有领导团队成员在成立/加入本公司之前的工作经历，并从中计算出了如下代表他们工作经验和背景的特征。
在计算工作重合度时，Hunter and Zaman (2017) 采用了 Jaccard Index（一种评价两个集合中元素相似度的常见方法）。具体方法为，领导团队成员两两配对，找出他们之前工作单位的交集和并集，用交集中成员的数量除以并集中成员的数量求出 Jaccard Index。这个指标的取值在 0 到 1 之间，是工作重合度的度量，越高说明重合度越高。对于每个配对，都能得到一个 Jaccard Index，然后计算这些 Jaccard Index 的均值和标准差，作为工作重合度的均值和标准差。
在领导团队的教育背景方面，Hunter and Zaman (2017) 考虑了最高学历、是否毕业于名校、以及教育背景重合度等特征。这些特征包括：
在名校的表单中，Hunter and Zaman (2017) 仅考虑了美国的学校（这是个不足？），它们包括：伯克利、布朗大学、加州理工、卡耐基梅隆、哥伦比亚、康奈尔、达特茅斯、杜克大学、哈佛大学、约翰霍普金斯、麻省理工、西北大学、普林斯顿、斯坦福、芝加哥大学、宾夕法尼亚大学、以及耶鲁大学。在计算教育背景重合度时，同样采用的是 Jaccard Index，不再赘述。
对于团队教育背景和公司所处行业的相似性，Hunter and Zaman (2017) 使用了 WordNet 词汇数据库，计算每个领导团队成员学术专业和公司所处行业之间的语义相似度（具体方法是 Palmer-Wu 相似度分数，见 Wu and Palmer 1994）。得到由每个成员计算出的相似度后，取它们的均值作为团队教育背景和公司行业的相似性的度量。
最后一个关于创始团队的指标是在成立该公司时，团队的平均年龄。出于年龄数据不全的考量，作者假设团队成员 18 岁高中毕业、22 岁本科毕业，然后根据他们获得相应学位的年份和公司创办的年份计算出目标年龄。
某先生
回答数：1|被采纳数：0
以上介绍了从行业、团队和早期合作者这三个维度如何构建创业公司的特征。其中的难点在于数据的抓取、数据的清洗（提高数据质量）、以及合作人和公司关系图谱的构建。
