Finanțe antreprenoriale: Abordări emergente care utilizează învățarea automată și big data

Titlul original:

Entrepreneurial Finance: Emerging Approaches Using Machine Learning and Big Data

Conținutul cărții:

Finanțe antreprenoriale: Emerging Approaches Using Machine Learning and Big Data prezintă o prezentare cuprinzătoare a aplicațiilor algoritmilor de învățare automată la baza de date Crunchbase. Autorii evidențiază principalele obiective de cercetare care pot fi abordate și analizează toate variabilele și algoritmii utilizați pentru fiecare obiectiv.

Pentru fiecare algoritm de învățare automată, autorii analizează metricile de performanță respective pentru a identifica un model de referință. Acest studiu își propune să fie o referință pentru cercetători și practicieni cu privire la utilizarea învățării automate ca instrument eficient de sprijinire a proceselor decizionale în investițiile în acțiuni. Secțiunea 2 oferă o introducere în învățarea automată și subliniază principalele diferențe față de o abordare statistică tradițională.

Secțiunea 3 oferă o prezentare generală a societăților cu capital de risc care au aplicat deja o abordare bazată pe date în procesul lor decizional privind investițiile.

Secțiunea 4 este o introducere în Crunchbase, una dintre cele mai relevante baze de date privind întreprinderile nou-înființate și investitorii. Secțiunea 5 descrie domeniul de aplicare al acestui studiu, concentrându-se pe contribuțiile de cercetare care au aplicat tehnici de învățare automată la datele Crunchbase.

Secțiunea 6 clasifică obiectivele de cercetare ale studiilor și descrie diferitele abordări de învățare automată. Secțiunea 7 descrie un exemplu al modului în care modelele propuse de studiile anterioare ar putea fi integrate sinergic în procesul decizional al investitorilor. Secțiunea 8 sintetizează toate caracteristicile sau variabilele utilizate, care sunt obținute fie direct din Crunchbase, fie printr-un proces de inginerie a caracteristicilor.

Secțiunea 9 analizează algoritmii utilizați. Secțiunea 10 discută rezultatele obținute în cercetările anterioare pentru a stabili o bază de referință pentru cercetările viitoare în acest domeniu. În cele din urmă, secțiunea 11 prezintă o discuție finală privind aplicabilitatea învățării automate ca instrument pentru investițiile bazate pe date, în timp ce concluziile și evoluțiile viitoare sunt prezentate în secțiunea 12.