Uno studio in cui sono stati addestrati modelli di apprendimento automatico per valutare oltre 1 milione di aziende ha dimostrato che l'intelligenza artificiale (AI) può determinare con precisione se una startup fallirà o avrà successo. Il risultato è uno strumento, segugio, che ha il potenziale per aiutare gli investitori a identificare il prossimo unicorno.

È risaputo che circa il 90% delle startup fallisce:tra il 10% e il 22% fallisce nel primo anno, e questo presenta un rischio significativo per i venture capitalist e altri investitori in società in fase iniziale. Nel tentativo di identificare quali aziende hanno maggiori probabilità di successo, i ricercatori hanno sviluppato modelli di apprendimento automatico formati sulle prestazioni storiche di oltre 1 milione di aziende. I loro risultati, pubblicato su KeAi's Il Journal of Finance and Data Science , mostrano che questi modelli possono prevedere il risultato di un'azienda con una precisione fino al 90%. Ciò significa che potenzialmente 9 aziende su 10 sono valutate correttamente.

"Questa ricerca mostra come gli insiemi di modelli di apprendimento automatico non lineari applicati ai big data abbiano un enorme potenziale per mappare grandi set di funzionalità ai risultati di business, qualcosa che è irraggiungibile con i tradizionali modelli di regressione lineare, " spiega il co-autore Sanjiv Das, Professore di Finanza e Data Science presso la Leavey School of Business della Santa Clara University negli Stati Uniti.

Gli autori hanno sviluppato un nuovo insieme di modelli in cui il contributo combinato dei modelli supera il potenziale predittivo di ciascuno da solo. Ogni modello classifica un'azienda, collocandolo in una delle diverse categorie di successo o in una categoria di fallimento con una probabilità specifica. Per esempio, una società potrebbe avere molte probabilità di successo se l'ensemble afferma che ha una probabilità del 75% di essere nella categoria IPO (quotata in borsa) o "acquisita da un'altra società", mentre solo il 25% della sua previsione rientrerebbe nella categoria dei falliti.

I ricercatori hanno addestrato i modelli sui dati provenienti da Crunchbase, una piattaforma di crowdsourcing contenente informazioni dettagliate su molte aziende. Hanno sposato le osservazioni di Crunchbase con i dati sui brevetti dell'USPTO (United States Patent and Trademark Office). Data la natura crowd-sourced di Crunchbase, non è stata una sorpresa apprendere che le voci di alcune società sono prive di informazioni. Questa osservazione ha ispirato gli autori a misurare la quantità di informazioni mancanti per ciascuna azienda e utilizzare questo valore come input per il modello. Questa osservazione si è rivelata una delle caratteristiche più critiche nel determinare se un'azienda sarebbe stata acquisita o altrimenti fallita.

L'autore principale Greg Ross di Venhound Inc. osserva che l'insieme di modelli, insieme a nuove caratteristiche dei dati, "genera un livello di precisione, precisione e ricordo che supera altri studi simili. Gli investitori possono utilizzarlo per valutare rapidamente le prospettive, alzare potenziali bandiere rosse e prendere decisioni più informate sulla composizione dei loro portafogli".