Entrepreneurial Finance: Emerging Approaches Using Machine Learning and Big Data
Vállalkozói finanszírozás: A Crunchbase adatbázisában alkalmazott gépi tanulási algoritmusok alkalmazásáról nyújt átfogó áttekintést. A szerzők kiemelik a főbb kutatási célokat, amelyekkel foglalkozni lehet, és áttekintik az egyes célokhoz használt összes változót és algoritmust.
A szerzők minden egyes gépi tanulási algoritmus esetében elemzik a megfelelő teljesítménymutatókat, hogy meghatározzák az alapmodellt. A tanulmány célja, hogy referenciaként szolgáljon a kutatók és a gyakorlati szakemberek számára a gépi tanulásnak mint a részvénybefektetésekkel kapcsolatos döntéshozatali folyamatok támogatásának hatékony eszközének alkalmazásáról. A 2.
szakasz bevezetést nyújt a gépi tanulásba, és felvázolja a hagyományos statisztikai megközelítéshez képest fennálló főbb különbségeket.
A 3. szakasz áttekintést nyújt azokról a kockázati tőkebefektető cégekről, amelyek már alkalmaztak adatvezérelt megközelítést a befektetési döntéshozatalban.
A 4. szakasz bemutatja a Crunchbase-t, az egyik legjelentősebb adatbázist a startup cégekről és befektetőkről. Az 5.
szakasz ismerteti a tanulmány tárgyát, és olyan kutatási hozzájárulásokra összpontosít, amelyek gépi tanulási technikákat alkalmaztak a Crunchbase adataira. A 6. szakasz osztályozza a tanulmányok kutatási céljait, és ismerteti a különböző gépi tanulási megközelítéseket.
A 7. szakasz egy példát ismertet arra, hogy a korábbi tanulmányok által javasolt modellek hogyan integrálhatók szinergikusan a befektetői döntéshozatalba.
A 8. szakasz szintetizálja az összes felhasznált jellemzőt vagy változót, amelyeket vagy közvetlenül a Crunchbase-ből, vagy egy jellemzőfejlesztési folyamat révén szereztünk be. A 9.
szakasz elemzi az alkalmazott algoritmusokat.
A 10. szakasz a korábbi kutatások során kapott eredményeket tárgyalja, hogy megteremtse az alapot az e területen végzett jövőbeli kutatásokhoz. Végül a 11.
szakasz a gépi tanulásnak mint az adatvezérelt befektetések eszközének alkalmazhatóságát tárgyalja, míg a 12. szakaszban a következtetések és a jövőbeli fejlesztések kerülnek bemutatásra.