• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Otro
    Los científicos desarrollan IA para predecir el éxito de las empresas emergentes

    La canalización de aprendizaje automático utilizada para entrenar los modelos. Crédito:Greg Ross

    Un estudio en el que se entrenaron modelos de aprendizaje automático para evaluar a más de 1 millón de empresas ha demostrado que la inteligencia artificial (IA) puede determinar con precisión si una empresa de nueva creación fracasará o tendrá éxito. El resultado es una herramienta, Venhound, que tiene el potencial de ayudar a los inversores a identificar el próximo unicornio.

    Es bien sabido que alrededor del 90% de las startups fracasan:entre el 10% y el 22% fracasan en su primer año, y esto presenta un riesgo significativo para los capitalistas de riesgo y otros inversores en empresas en etapa inicial. En un intento por identificar qué empresas tienen más probabilidades de tener éxito, Los investigadores han desarrollado modelos de aprendizaje automático capacitados en el desempeño histórico de más de 1 millón de empresas. Sus resultados, publicado en KeAi La revista de finanzas y ciencia de datos , muestran que estos modelos pueden predecir el resultado de una empresa con hasta un 90% de precisión. Esto significa que potencialmente 9 de cada 10 empresas están correctamente evaluadas.

    "Esta investigación muestra cómo los conjuntos de modelos de aprendizaje automático no lineales aplicados a big data tienen un enorme potencial para asignar grandes conjuntos de funciones a los resultados comerciales, algo que es inalcanzable con los modelos de regresión lineal tradicionales, "explica el coautor Sanjiv Das, Profesor de Finanzas y Ciencia de Datos en la Leavey School of Business de la Universidad de Santa Clara en Estados Unidos.

    Los autores desarrollaron un conjunto novedoso de modelos en el que la contribución combinada de los modelos supera el potencial predictivo de cada uno por sí solo. Cada modelo clasifica a una empresa, colocándolo en una de varias categorías de éxito o una categoría de fracaso con una probabilidad específica. Por ejemplo, Es muy probable que una empresa tenga éxito si el conjunto dice que tiene un 75% de probabilidad de estar en la oferta pública inicial (cotizada en bolsa) o en la categoría de 'adquirida por otra empresa'. mientras que solo el 25% de su predicción entraría en la categoría de fallidos.

    Los investigadores entrenaron los modelos con datos obtenidos de Crunchbase, una plataforma de fuentes múltiples que contiene información detallada sobre muchas empresas. Unieron las observaciones de Crunchbase con datos de patentes de la USPTO (Oficina de Patentes y Marcas de los Estados Unidos). Dada la naturaleza de origen colectivo de Crunchbase, No fue ninguna sorpresa saber que en algunas entradas de empresas falta información. Esta observación inspiró a los autores a medir la cantidad de información que faltaba para cada empresa y utilizar este valor como entrada para el modelo. Esta observación resultó ser una de las características más críticas para determinar si una empresa sería adquirida o fracasaría.

    El autor principal Greg Ross de Venhound Inc. señala que el conjunto de modelos, junto con funciones de datos novedosas, "genera un nivel de precisión, precisión y recuerdo que supera a otros estudios similares. Los inversores pueden utilizar esto para evaluar rápidamente a los clientes potenciales, levantar posibles banderas rojas y tomar decisiones más informadas sobre la composición de sus carteras ".


    © Ciencia https://es.scienceaq.com