Finanse przedsiębiorczości: Nowe podejścia wykorzystujące uczenie maszynowe i duże zbiory danych

Oryginalny tytuł:

Entrepreneurial Finance: Emerging Approaches Using Machine Learning and Big Data

Zawartość książki:

Entrepreneurial Finance: Emerging Approaches Using Machine Learning and Big Data przedstawia kompleksowy przegląd zastosowań algorytmów uczenia maszynowego w bazie danych Crunchbase. Autorzy podkreślają główne cele badawcze, którymi można się zająć i dokonują przeglądu wszystkich zmiennych i algorytmów wykorzystywanych do każdego celu.

Dla każdego algorytmu uczenia maszynowego autorzy analizują odpowiednie wskaźniki wydajności, aby zidentyfikować model bazowy. Niniejsze opracowanie ma stanowić punkt odniesienia dla badaczy i praktyków w zakresie wykorzystania uczenia maszynowego jako skutecznego narzędzia wspierającego procesy decyzyjne w inwestycjach kapitałowych. Sekcja 2 zawiera wprowadzenie do uczenia maszynowego i przedstawia główne różnice w stosunku do tradycyjnego podejścia statystycznego.

Sekcja 3 zawiera przegląd firm venture capital, które już zastosowały podejście oparte na danych do podejmowania decyzji inwestycyjnych.

Sekcja 4 stanowi wprowadzenie do Crunchbase, jednej z najistotniejszych baz danych dotyczących startupów i inwestorów. Sekcja 5 opisuje zakres niniejszego badania, koncentrując się na wynikach badań, w których zastosowano techniki uczenia maszynowego do danych Crunchbase.

Sekcja 6 klasyfikuje cele badawcze badań i opisuje różne podejścia do uczenia maszynowego. W sekcji 7 opisano przykład tego, w jaki sposób modele zaproponowane w poprzednich badaniach można synergicznie zintegrować z procesem podejmowania decyzji przez inwestorów. Sekcja 8 syntetyzuje wszystkie użyte cechy lub zmienne, które są uzyskiwane bezpośrednio z Crunchbase lub w procesie inżynierii cech.

Sekcja 9 analizuje zastosowane algorytmy. W sekcji 10 omówiono wyniki uzyskane w poprzednich badaniach w celu ustalenia punktu odniesienia dla przyszłych badań w tej dziedzinie. Wreszcie, w sekcji 11 przedstawiono końcową dyskusję na temat możliwości zastosowania uczenia maszynowego jako narzędzia do inwestycji opartych na danych, a wnioski i przyszłe zmiany przedstawiono w sekcji 12.