Застосування методів машинного навчання для прогнозування успіху стартапу

Прогнозування успіху новоствореного підприємства завжди було актуальною задачею як для інвесторів, так і для дослідників. У теперішній час вона набула ще більшою актуальності стосовно стартапів – молодих інноваційних технологічних підприємств, спрямованих на масштабування свого бізнесу. Дане дослідження спрямоване на створення моделі прогнозування успіху стартапу на основі його описових характеристик. Використовуючи дані платформи Dealroom стосовно статистики фінансування стартапів та їх опису, розроблена модель, яка пов’язує такі характеристики стартапу як: період від заснування до отримання першого фінансування, сфера діяльності, тип і сума першого раунду фінансування, бізнес-модель і застосовані технології із інвестиційним успіхом стартапу, під яким розуміється отримання повторного фінансування. У фінальну вибірку увійшло 123 стартапи, які засновані або ведуть свою діяльність в Україні. Порівняно три алгоритми машинного навчання – логістичну регресію, дерево рішень і випадковий ліс. Незважаючи на обмеженість доступних даних, отримані прийнятні результати з точки зору Accuracy, Sensitivity та F-score. Найкращою моделлю з точки зору передбачення успіху стартапу визначено – дерево рішень, із показниками середньої точності 61 %, 55 %, і 52 % відповідно. Оцінка AUC для дерева рішень встановилася на рівні 58 %, що нижче показників логістичної регресії та випадкового лісу (65 %), але останні моделі досягли таких високих результатів за рахунок кращого передбачення провалів стартапів, у той час коли ж більш практично-значущим є можливість передбачення їх успіху. Всі моделі показали прийнятний рівень точності класифікації AUC, що з впевненістю дозволяє стверджувати про їх ефективність. Система підтримки прийняття рішень стосовно об’єкту інвестування може бути корисною для підприємців, венчурних аналітиків або політиків, які можуть використати побудовані моделі для прогнозування успіху стартапу. Цей прогноз, зі свого боку, може використовуватися для прийняття більш ефективних інвестиційних рішень і розробки релевантної економічної політики, спрямованої на поліпшення загальної екосистеми стартапів