投资者长思多想 如何判断 创建者前工作历史层次上,我们已经搭建新度量器 显示实体解析和时间序列解析数据集 显示未来成功

具体地说,我们的目标是量化“从来经验 ” 。虽然工作仍在进行中,但我们的首例尝试是在创建者简历上取最大值三角洲更清晰地说,我们已经搭建分数解答问题计算公司保值期间的估值变化 并返回所有经验的最大变化

研究第一批投资(首轮融资)创建公司时,发现高公司*评分和高50x复用率之间有统计意义关系**数据集2010至2018年3万轮提高>500k

Congray分数是所有创建者最大分数
关系线性并用逻辑回归测试

几件外卖

1. 500+评分带受击率最高:10x受击率比人口平均率高一倍(20.5%对10.2%)和50x受击率接近三倍(7.4%对2.9%)结果表明高分显示性能优异
2. 十倍点击率仅为7.8%,+++1评分带最弱性能,甚至低于人口平均数低分表示不成功
3. 评分带增加后,攻击率也会增加,例如10x攻击率从7.8%跳到20.5%++++++++++++关系正线性并具有统计意义(p < 0.001)。

数据再分解到第一批投资公司中 标签为种子或种子前交易 并发价低于20M注意高带样本大小下降,导致微小不均匀性

并存历史经验与创建者分数如何影响未来性能评估角色资历时,我们搭建了分数约0到1分位分数的分类器,低分表示低级贡献像实习生和助手一样,高分代表执行官、创建者和董事会成员。

下图例子说明模型对标题的实战 使你对模型输出感知

算上创建者前职级时(所有创建者中最大分数创建者都为特定公司创建者),我们的数据显示资历对未来性能有额外影响。

基于图3,初级取用量显示10x和50x攻击率对资历较高者来说往往更高(Siority > 0.8),表明经验在产生成功交易方面起着关键作用。

层次上,我们正努力将这些分数整合到预测性指标中 以衡量投资者未来表现并编织更多因素(开源捐款、学术捐款和前经验对新公司的相关性)以构建更多预测性经验分数

关于上述分析,TLDR表示,大风险结果极不常见,因为风险资本电法,本研究为创建者成功并影响前几家公司的公司提供了优势。以上评分度量表也可以用于发现不太显眼创建者关注非品牌独角兽公司

使用交互图表并查看更多数据研究时,请考虑aqualvc.com签名