Up until now, venture capital investment decision has been made by investment professionals called venture capitalist, because there are no ways in assessing venture business and its related risks other than experienced individuals with proven track record. This is especially the case for valuing young start-up companies with little objective information (e.g., financial status) and few more subjective information (e.g. business potentials proposed). Under such environment, venture capitalists (VCs) are forced to rely on their own intuitions, which are mostly based on their past experience. And given that outsiders rarely accumulate such experience, VCs are practically the only type of specialists who make investment decisions.
This study challenges this notion by comparing VCs predictions in forecasting which start-ups to succeed with predictions by four commonly known, general-purpose machine learning algorithms: Logistic Regression, Na？ve Bayes, Classification Tree, and Neural Networks. Less than 200 cases of actual companies who received investment were used for “training” these algorithms.
Despite the simplicity of the algorithms and relatively small size of data used for training them, the performance of computer algorithms was better than human VCs in predicting a firm’s success. The computer algorithms even outperformed human VCs in overall hit ratios and especially in predicting start-up firm’s failure. When compared with high-performing VCs (top 25% percent of study participants), computer algorithms’ prediction accuracy showed no significant difference.
The result demonstrates strong potential for using computer algorithms in venture capital investment, and even suggests that algorithm-based venture capital investing can outperform traditional human VC investing. Findings imply that computerized investment system, based on customized algorithm with large dataset for training could be used by the industry in near future.
현재까지 벤처캐피탈의 투자의사결정은 심사역, 또는 그들로 구성된 committee에서 사람에 의해 결정되어 왔다. 왜냐하면, VC투자에 따른 불확실성 및 사업성을 평가하는데 있어 경험 및 역량이 풍부한 심사역(사람)을 달리 대체할 만한 수단이 없었기 때문이다. 더구나 투자를 고려하는 기업이 초기단계여서 재무제표 등의 정량적 평가지표가 없이, 사업성 등의 정성적 평가지표만을 가지고 판단하는 경우, VC심사역의 개별적 경험 또는 직관(intuition) 에 의지하여 투자 의사결정을 할 수 밖에는 없었다. 본 연구는 이러한 심사역에 의한 VC투자 의사결정에 대하여, 200개 미만의 실제 데이터로 학습된, 4개의 널리 알려진 알고리즘들에 기초하여 만든 5개의 투자성공 예측시스템이 ‘전문적인 VC 심사역’에 의한 투자성공 예측과 얼마나 차이가 나는지를 실험을 통해 비교하였다.
그 결과, 알고리즘에 의한 투자예측시스템이 실험에 참여한 30명의 현직 VC의 적중률보다 높게 나타났다. 적중률이 높은 상위 1/4 분위수의 VC와 비교할 때는 예측률에 있어서 대등하며,통계적 차이는 없었다. 이러한 결과는 Machine Learning에 의한 VC투자가 실제로 가능할 수 있음을 보여주는 것으로, 더 많은 양의 데이터와 더 복잡한 변수로 학습된, 더 정교한 알고리즘에 의한 기계적인 투자가 ‘전문적인 VC에 의한 투자’보다 더 나은 성적을 보여줄 수도 있다는 점을 시사한다.
