By Credor Mason

Usar estatísticas para prever o sucesso de um empreendimento não é novidade. O trabalho e a pesquisa atuais no espaço de VC buscam prever o sucesso de startups e analisar quais atributos são mais importantes para diferenciar fundadores excepcionalmente bem-sucedidos.

Muitos desses esforços empregam aprendizado de máquina, aprendizado profundo e outros modelos estatísticos.

Empresas de risco conhecidas, como Empreendimentos de correlação, GV e Ulu Ventures também empregam os seus próprios modelos, muitas vezes utilizando dados proprietários para prever o resultado de um empreendimento e informar melhor as suas decisões de investimento.

Mas embora muita investigação se tenha centrado nas decisões de investimento, pouca tem sido dirigida ao estudo dos próprios capitalistas de risco, especificamente: O que torna um capitalista de risco bem-sucedido?

No outono de 2000, uma equipe de três autores publicou um artigo intitulado “O que torna um capitalista de risco bem-sucedido?” tentando responder a essa mesma pergunta. Os autores começaram por realizar um inquérito a 145 VC com o objetivo de esclarecer quaisquer características ou circunstâncias que possam levar ao sucesso no capital de risco.

Eles sondaram os VCs sobre seus conjuntos de habilidades, experiências e motivos para ingressar no setor. Entre outras descobertas, descobriram que embora um MBA ou outro diploma técnico “seja muito útil, não é necessário para o sucesso” na indústria de capital de risco.

Observaram também que “as competências interpessoais são mais valorizadas do que as competências quantitativas”, como contabilidade ou finanças, e que a inteligência geral é citada como “muito importante”.

Para explorar se essas descobertas são válidas hoje e para ver como a indústria pode ter mudado nos 20 anos desde que esta pesquisa foi feita originalmente, escrevi minha tese enquanto estava na Universidade de Yale olhando quantitativamente quais fatores constituem um bom VC.

Para minha pesquisa, usei Crunchbase e seu rico banco de dados de informações privadas de empresas, insights de investimentos e dados pessoais. Aqui está o que eu encontrei.

Primeiro, o que é ‘sucesso’ em VC?

Antes de criar um modelo para analisar e prever capitalistas de risco bem-sucedidos, eu precisava definir um capitalista de risco bem-sucedido. Uma noção comum na indústria de capital de risco é que os fundos de risco são impulsionados por investimentos atípicos; um único excelente investimento pode ter retornos extremos de 100x ou até 1,000x.

Um investidor realmente bem sucedido, portanto, terá a capacidade de descobrir estes excelentes investimentos. Uma medida de um investimento incrível é em uma empresa unicórnio, ou em uma empresa privada cujo valor é ou excede US$ 1 bilhão. Qualquer investimento de risco que se torne um unicórnio é, portanto, um investimento extremamente bem-sucedido.

Para esta análise, classifiquei investimentos excelentes como investimentos em empreendimentos unicórnios com valores atuais superiores a US$ 1 bilhão, uma vez que os dados do Crunchbase não incluem múltiplo sobre o capital investido, ou MOIC, ou outras métricas suficientes para categorizar o retorno do investimento.

Também usei dois outros conjuntos de dados. Um foi CB Insights, que contém informações sobre empresas unicórnios privadas.

Uma métrica diferente, mas comparável, para avaliar empresas públicas é a capitalização de mercado, ou o valor total da totalidade das ações de uma empresa. Essa métrica pode ajudar na comparação do tamanho relativo de uma empresa com outra. Para obter o valor total de mercado dos empreendimentos no conjunto de dados Crunchbase, usei EmpresasMarketCap.

Embora as empresas unicórnios sejam todas privadas, a minha análise foi agnóstica em relação a empreendimentos privados ou públicos, categorizando qualquer empreendimento cujo valor exceda mil milhões de dólares como um “investimento unicórnio”.

Para ser um capitalista de risco de sucesso, uma pessoa deve ser um bom administrador do capital que administra.

Na maioria dos casos, as empresas de capital de risco recebem o seu financiamento de parceiros limitados. Os sócios limitados selecionam fundos que acreditam estar alinhados com sua filosofia de investimento e que lhes renderão um alto retorno.

Um sócio de uma empresa de capital de risco, o mais alto cargo de governo dentro da empresa, deve administrar seus fundos com cuidado, conduzindo a devida diligência em cada decisão de investimento para aumentar as chances de um melhor retorno.

Os parceiros de risco têm interesse no sucesso dos seus investimentos. Investimentos e fundos bem-sucedidos são benéficos para os parceiros. Ajuda a reputação dos investidores e da empresa, permite uma captação mais fácil de capital futuro de sócios comanditários e os sócios recebem um retorno sobre o retorno dos fundos e dos investimentos. Um investidor de sucesso é aquele que gera um alto retorno sobre os investimentos. Uma forma comum de medir o sucesso é observar o MOIC de um investidor, que mede o desempenho de um investimento ou investidor. Ele compara o valor de um investimento em relação ao seu custo inicial.

Esta métrica é frequentemente utilizada em mercados privados, incluindo capital privado e capital de risco. O cálculo do MOIC de um investidor ou fundo é feito dividindo o valor total dos investimentos (realizados e não realizados) pelo investimento inicial. No entanto, o MOIC não captura nem produz uma medição de sucesso ponderada no tempo. Infelizmente, essa métrica não está disponível publicamente.

Gerando um modelo para prever o sucesso

Depois de limpar, explorar e cortar o conjunto de dados do Crunchbase, ajustei um modelo de regressão logística. Assim como os VCs procuram prever e fazer investimentos atípicos, este estudo procurou prever os capitalistas de risco atípicos. Criei vários modelos diferentes observando como os dois fatores – educação e carreira – afetam o sucesso como capitalista de risco.

Em cada modelo, a variável de resultado é binária – se um investidor faria ou não um investimento unicórnio.

Os coeficientes específicos do modelo são discutidos abaixo, mas, em geral, um coeficiente positivo para uma variável preditora indica que o aumento desse preditor (ou um certo nível desse preditor) está associado a um aumento nas probabilidades logarítmicas de um investimento ser um investimento unicórnio. (aumento da probabilidade).

Por exemplo, um coeficiente positivo por ter frequentado uma das 25 melhores universidades indica um aumento da razão de probabilidade logarítmica para um investimento ser um unicórnio, enquanto um coeficiente negativo para o preditor do indicador fundador significa uma diminuição na razão de probabilidade logarítmica prevista de um investimento em unicórnio.

Modelo 1: Educação

O gráfico acima mostra os coeficientes dos preditores relacionados à educação, incluindo a disciplina estudada, um indicador se o indivíduo concluiu o curso e um indicador de ter frequentado uma das 25 melhores universidades.

Os coeficientes são ordenados de cima para baixo, de acordo com o maior e o menor impacto positivo previsto no log da razão de probabilidade de um investimento em unicórnio. As longas faixas azuis que abrangem cada ponto do coeficiente representam o intervalo de confiança de 95% para o coeficiente previsto. Todos os coeficientes cujas faixas não tocam 0 são considerados estatisticamente significativos no nível alfa de 0.05.

O que esse modelo significa em termos leigos?

Ao observar os coeficientes das disciplinas, verifica-se que as disciplinas de ciência da computação, direito e administração apresentam os coeficientes mais elevados. Assim, o modelo de regressão logística prevê que, mantendo tudo o resto igual, para um investimento atribuído a um investidor que estudou uma dessas áreas teria um efeito significativamente positivo no log da razão de probabilidade do investimento ser um unicórnio quando comparado com a linha de base categoria de uma disciplina artística estudada.

A seguinte hipótese pode ilustrar melhor esse conceito. Suponha que um investidor tenha estudado ciência da computação em Yale. Se esse indivíduo fizesse algum investimento, o seguinte cálculo poderia ser usado para calcular as probabilidades logarítmicas do investimento em um unicórnio:

No exemplo acima, obter um diploma em ciência da computação em uma das 25 melhores universidades aumenta as probabilidades logarítmicas (probabilidade) de um investidor atípico (aquele que fez um investimento em unicórnio).

O que a carreira nos diz sobre o sucesso do VC

Como avaliar os empregos anteriores ou as escolhas de carreira de um investidor ao prever seu sucesso?

No segundo modelo, procuro responder a essa pergunta. A interpretação do gráfico subsequente é muito semelhante à do gráfico do coeficiente de educação, mas em vez disso são plotadas variáveis ​​relacionadas à carreira abaixo. Aqui, o gráfico mostra os coeficientes dos preditores relacionados à carreira, incluindo o emprego anterior de um investidor, bem como um indicador se o indivíduo for um ex-fundador.

Mais uma vez, os coeficientes são ordenados de cima para baixo, do maior (aumento na probabilidade) de um investimento unicórnio para o menor efeito positivo previsto.

Neste modelo, dois tipos de empregos anteriores parecem ser estatisticamente significativos: banqueiros de investimento e consultores de gestão. A categoria básica para empregos anteriores é trabalhar em um dos cinco grandes bancos de investimento: O JPMorgan Chase, Goldman Sachs, Títulos BofA, Morgan Stanley e Citigroup.

Modelo 2: Carreira

Cada coeficiente beta corresponde à diferença no log da razão de probabilidade/probabilidade de um investimento ser um investimento unicórnio desta categoria de base.

Os fundadores não são necessariamente melhores investidores

Um resultado interessante deste modelo é o efeito do coeficiente fundador. Este modelo prevê que se um parceiro de investimento foi um fundador anterior, a probabilidade prevista ou probabilidade logarítmica de esse investimento ser um unicórnio na verdade diminui.

Este é um fenômeno interessante, pois, intuitivamente, pode-se pensar que um fundador seria um juiz melhor para encontrar fundadores unicórnios.

No entanto, ser um fundador pode, na verdade, fazer o oposto. Este resultado, no entanto, contradiz a opinião de Brett Rhyne estudo, que conclui que VCs que já foram fundadores de startups de sucesso têm taxas de sucesso mais altas em seus investimentos quando comparados a VCs não fundadores.

O modelo acima não considera o sucesso do fundador do VC, mas sim se ele já foi fundador. Os resultados divergentes podem ser explicados pelo fato de alguns fundadores malsucedidos serem VCs ruins, mas é necessária mais análise.

O que tudo isso significa?

Por que fazer tudo isso? E o que tudo isso significa? Assim como muitos VCs realizam análises e due diligence em um fundador e startup antes de fazer um investimento, este exercício pode ajudar sócios limitados ou VCs a contratar melhores investidores.

Com base na análise deste projecto e dos modelos elaborados, os LP podem analisar outros factores ou preditores importantes destacados nos modelos acima.

Ao selecionar investidores para financiar, ou quando as empresas de capital de risco contratam ou promovem parceiros, uma análise semelhante pode revelar-se frutífera para obter melhores retornos. Com as limitações dos dados da Crunchbase, as empresas de capital de risco não devem alterar a sua estratégia de contratação e os LP não devem alterar a alocação de fundos.

Em vez disso, este projecto poderá destacar novos caminhos de investigação a serem conduzidos com dados mais limpos e precisos. Numa indústria onde a transferência de um investimento pode custar milhares de milhões em retornos, selecionar o indivíduo certo para o trabalho é da maior importância.

Com base na análise e no modelo, as empresas de capital de risco e os LP devem analisar os assuntos estudados, os empregos anteriores ocupados e as instituições de ensino frequentadas pelos VC para melhor informar a sua alocação de fundos.

Outras pesquisas podem analisar ou incluir outros fatores, incluindo idade, anos de experiência em um emprego ou possivelmente estilo de investimento.

Mason Lender é recém-formado pela Universidade de Yale com especialização dupla em estatística e ciência de dados e assuntos globais. Atualmente ele está construindo uma empresa com Empreendedor Primeiro Em Nova Iórque. Anteriormente, ele trabalhou para Google, McKinsey & Co. e com startups.

Metodologia: Uma nota sobre os dados

Gostaria de agradecer a Brian Macdonald, Ph.D., Departamento de Estatística e Ciência de Dados da Universidade de Yale, e Jorge Torres, JD, professor, bolsista de Engenharia e Empreendedorismo de Yale, Centro Tsai para Pensamento Inovador de Yale. Seu apoio e orientação ao longo deste projeto tornaram isso possível. - Credor Mason

Comecei com limpeza de dados, exploração e visualização do conjunto de dados Crunchbase. Comecei estreitando meu foco mapeando o banco de dados Crunchbase da seguinte forma:

O conjunto de dados Crunchbase é dividido por categoria em várias planilhas com chaves exclusivas relacionadas para mapeamento.

É um grande banco de dados relacional com informações sobre investidores (indivíduos, empresas e seus fundos), empreendimentos (organizações/empresas e suborganizações) e pessoas (investidores e fundadores).

Podemos visualizar a ligação entre cada csv com as linhas conectando suas chaves acima. Para o meu estudo, contei principalmente com o investidor_partners.csv.

Este arquivo contém todos os investimentos armazenados no conjunto de dados do Crunchbase que são atribuídos ou creditados a um parceiro de investimento. Esses parceiros de investimento são os parceiros das empresas de capital de risco que tomam as decisões finais sobre os investimentos. A complementação dos dados armazenados em investidor_partners.csv, graus.csv e people_descriptions.csv foram aproveitados para adicionar mais campos e preditores para minha análise.

Ilustração: Dom Guzmán

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://news.crunchbase.com/venture/vc-success-prediction-crunchbase-data-mason-lender/