The Risk and Return of VC

Machine Translated by Google
! "
# $ %%
&& '(())) * ( + () # $ %%
,
! - $. $, ++ / + && +
0/1 * 2,3 $ 4-5 #
/ 6
! " # $ % & " '' () * /

+ , -. . $ . + !! 0 /
. 1! # $ 0 . $
. $ ! ! !! 1
2 đô la / $ $! / . .
0 /. . 4% . 4 - 5
.344 / $$$ 4 4+ 4 đô la.
6 7! 0
8/9: /; $ 5 5 đô la. . !
5.. ! . số 8
+ 2 & / 7 & / & số 8
# $ %%
! / 6 4 $$ -
"$
+ 1 + / + & 1 3 + & 2 2 2 0 & 3

số 8 2 * & 7 0 & / & 8 0 + & 1 & + 3
/ + 1 9 1/1 8 số 8 2 + & 1 & & & & + 7 + 8 & * + 7 1+ / * 8) & 6
0 0 2 2 & / 3 + & 1 & + & & 2 & & 7 + 8 & * + & 1 + &
+ 8 & * + & & 86 / & + 7 8 & / + & / & + 8 & * +
& 3 7 2 1 8 & / 7 * / & - $$: 2 8, & & 7 * / &; $: & &
+ 8 & * + & 3 7 2 1 8 & / 7 * / & <:) & = 4: & &) 0 3 & / +
0 6 0 8 & 8 3 ) & + & 2 2 2 0 & - $$: 7 3 & 1 & 0 & / + 2
& & + 1 / & 1 & 0 + + 8 & * + & && / & + * / & 2 +
& 8 1 & & 1 & 0 & / + & / & + 8 & * + & 3 7 2 & 1 &
0 & / 7/2 <$$: 2, 8 7 86. $$: & & + 8 & * + & 3
7 2 & 1 & 0 & / + 7 * / & .5: 2, 8 7 * / &>:
23 & 23 2 7 / & / 2+ 7 7 8 ++ + 6 6 0 ++ 0 86 8)
0 8 & 8 & 63 2 & 7 8) & 1 & 0 & / + * & + 7 + / ++ 0 / 2+ 8+ 2 8
2 1 & 886 7 1 - 7 & 7 + & / 2 & ? 7 7 / & / 2+
1 9 1/1 8 8 2 + & 1 & 1 & + 1 6 7 & / + 7 & 2 & 3 & /số 8 & && 7
2 9 & + 7 / & 7 @ & 3 2 & 7 & & & & / 2 + & * / & + + & * 8 ++ ? +
2 + "2 / & 8 7, 1 &
- $ + &) 2 8? 8 +; $
+ $;. = ->- #
A 2 + / 8 2 /
1. Giới thiệu
Bài báo này phân tích rủi ro và lợi nhuận của các khoản đầu tư mạo hiểm. Mục tiêu của tôi là
đo lường lợi tức kỳ vọng, độ lệch chuẩn, alpha, beta và độ lệch chuẩn còn lại của các dự án đầu
tư mạo hiểm.
Tôi sử dụng cơ sở dữ liệu VentureOne. Điểm dữ liệu điển hình cho biết khoản đầu tư tại mỗi
vòng tài trợ và số lượng cổ phiếu. Nếu công ty được mua lại, niêm yết trên sàn chứng khoán hoặc
ngừng kinh doanh, thì chúng tôi có thể tính lợi tức cho nhà đầu tư mạo hiểm.
Những lợi nhuận này là đầu vào cơ bản để phân tích. Tôi không cố gắng điền vào các định giá vào
các ngày trung gian. Không có dữ liệu về giá trị thị trường của các dự án đầu tư mạo hiểm giữa
đầu tư và rút lui, do đó, việc áp đặt như vậy đòi hỏi các giả định và ủy quyền. Ngoài ra, lợi
nhuận từ đợt chào bán lần đầu ra công chúng (ipo) hoặc mua lại là những khoản lợi nhuận có ý
nghĩa kinh tế, vì các nhà đầu tư mạo hiểm thường phải nắm giữ các khoản đầu tư cho đến khi ipo,
mua lại hoặc thất bại.
Vượt qua sự thiên vị lựa chọn là rào cản trung tâm trong việc đánh giá vốn đầu tư mạo hiểm
trong các trang phục, và nó là trọng tâm của bài báo này. Quan trọng nhất, các công ty chuyển
sang công khai khi họ có lợi nhuận tốt, và nhiều công ty trong mẫu vẫn giữ tư nhân.
Do đó, lợi nhuận của ipo, chỉ đo lường những người chiến thắng, là một thước đo có xu hướng tăng
về lợi nhuận trước đó cho một nhà đầu tư tiềm năng.
Tôi khắc phục sự thiên vị này bằng một ước tính khả năng xảy ra tối đa để xác định và điều
tra xác suất ngày càng tăng của việc ra công chúng hoặc được mua lại khi giá trị tăng lên, thời
điểm mà các công ty ngừng kinh doanh và giá trị trung bình, phương sai, alpha và beta của các
giá trị cơ bản lợi nhuận. Mô hình nắm bắt được nhiều đặc điểm đáng ngạc nhiên của dữ liệu, chẳng
hạn như thực tế là phân phối trả về ít bị ảnh hưởng bởi thời gian đến ipo. Ước tính cũng điều
chỉnh các sai lệch lựa chọn bổ sung do lỗi dữ liệu.
Ví dụ, nếu một công ty chuyển sang công khai, chúng ta cũng cần biết lợi nhuận của nó, nếu nó ở
chế độ tư nhân thì chúng ta không; nhiều điểm dữ liệu bị loại bỏ vì dữ liệu trả về không tốt và
điều này chọn chống lại các công ty ipo.
Kết quả
Tôi xác minh lợi nhuận lớn và biến động nếu có ipo hoặc chuyển đổi, tức là nếu chúng tôi
không tính đến sai lệch lựa chọn. Lợi tức trung bình cho ipo hoặc chuyển đổi là 698% đáng kinh
ngạc với độ lệch chuẩn là 3.282%. Sự phân bố rất sai lệch; có một số lợi nhuận thực sự vượt trội
hàng nghìn phần trăm và nhiều khoản lợi nhuận khiêm tốn hơn là 100% hoặc lâu hơn. Tôi thấy rằng
lợi nhuận cho ipo / mua lại được mô tả rất tốt bởi một phân phối lognormal. Lợi tức trung bình
của nhật ký đối với ipo hoặc chuyển đổi vẫn rất lớn với giá trị trung bình 108% và độ lệch chuẩn
135%. Điều thú vị là tổng lợi nhuận này khá ổn định theo các cấp độ và lợi nhuận hàng năm không
ổn định theo các cấp độ. Như tôi sẽ giải thích, đây là mẫu mà chúng tôi mong đợi ở một mẫu đã
chọn.
CAPM ở các cấp độ cho alpha là 462%; CAPM trong nhật ký vẫn cho alpha đáng kinh ngạc là 92%.
Các ước tính của quá trình trả lại cơ bản với sự hiệu chỉnh thiên lệch lựa chọn là
1
khiêm tốn và hợp lý hơn nhiều. Lợi nhuận từ gỗ trung bình ước tính là 5,2% mỗi năm.
CAPM trong các bản ghi cho một beta gần bằng và một mức đánh chặn hơi tiêu cực. Tuy nhiên, tôi
nhận thấy lợi nhuận trung bình số học là 57% và CAPM số học chặn hoặc alpha là khoảng 45%. Mặc dù
những con số này lớn, chúng vẫn ít kịch tính hơn lợi nhuận trung bình 698% hoặc 462% alpha mà tôi
nhận được mà không cần chỉnh sửa lựa chọn mẫu.
Sự khác biệt giữa các bản ghi và mức là kết quả của độ lệch chuẩn lớn của lợi nhuận của từng
công ty riêng lẻ này, gần 100%. Độ lệch chuẩn lớn này ngụ ý lợi nhuận trung bình số học từ 50% trở
lên, ngay cả khi lợi nhuận nhật ký trung bình bằng 0.
Các khoản đầu tư mạo hiểm giống như các quyền chọn; họ có một cơ hội nhỏ để kiếm được một khoản
tiền lớn.
Vấn đề
Người ta có thể viện dẫn nhiều lý do tại sao rủi ro và lợi nhuận của vốn cổ phần tư nhân có
thể khác với rủi ro và lợi nhuận của cổ phiếu giao dịch công khai, thậm chí giữ bằng betas hoặc
các đặc điểm của chúng như ngành, quy mô nhỏ và cấu trúc tài chính (tỷ lệ sổ sách / thị trường,
v.v. )
ï Tính thanh khoản. Các nhà đầu tư có thể yêu cầu lợi tức trung bình cao hơn để bù đắp cho
tính thanh khoản kém của vốn cổ phần tư nhân.
ï Tính đa dạng hóa kém. Vốn cổ phần tư nhân thường được nắm giữ trong các khối lớn, vì vậy mỗi
khoản đầu tư có thể đại diện cho một phần đáng kể của tài sản trung bình của các nhà đầu
tư. Lý thuyết định giá tài sản tiêu chuẩn giả định rằng mọi nhà đầu tư đều nắm giữ một phần
nhỏ mọi rủi ro và rằng tất cả tài sản được nắm giữ trong các danh mục đầu tư đa dạng hoàn hảo.
ï Thông tin và giám sát. Các khoản đầu tư mạo hiểm thường không thuần túy là tài chính. Các
nhà đầu tư VC thường đóng vai trò quản lý hoặc giám sát cho công ty, họ ngồi trong hội đồng
quản trị và có thể có quyền bổ nhiệm hoặc sa thải người quản lý. Việc đền bù cho các hoạt
động này có thể dẫn đến lợi nhuận tài chính được đo lường cao hơn.
Mặt khác, đầu tư mạo hiểm là một hình thức kinh doanh cạnh tranh với việc gia nhập tự do.
Nếu đó là một mỏ vàng, chúng ta nên mong đợi sự gia nhập nhanh chóng. Nhiều công ty đầu tư mạo
hiểm đủ lớn để đa dạng hóa danh mục đầu tư của họ một cách hiệu quả. Mối quan hệ đặc biệt, thông
tin và câu chuyện giám sát cho thấy nguồn cung cấp vốn mạo hiểm bị hạn chế có thể bị thổi phồng
quá mức. Vốn cổ phần tư nhân có thể giống như vốn cổ phần đại chúng.
Văn chương
Do các rào cản về dữ liệu và kinh tế lượng, chỉ có một số bài báo đã cố gắng ước tính rủi ro
và lợi nhuận của vốn đầu tư mạo hiểm. Tôi không tìm thấy tác phẩm nào cố gắng sửa sai lệch lựa
chọn.
Long (1999) ước tính độ lệch chuẩn là 8,23% mỗi năm. Tuy nhiên, phân tích của ông chỉ dựa trên
9 khoản đầu tư VC không xác định và thành công. Moskowitz và Vissing-Jorgenson (2000) đo lường lợi
tức của tất cả vốn cổ phần tư nhân. Vốn mạo hiểm ít hơn
2
hơn 1% của tất cả vốn cổ phần tư nhân, bao gồm các doanh nghiệp tư nhân, công ty hợp danh, v.v. Họ
sử dụng dữ liệu từ cuộc khảo sát tài chính của người tiêu dùng và sử dụng các định giá tự báo cáo.
Họ nhận thấy rằng danh mục đầu tư của tất cả vốn cổ phần tư nhân có độ lệch trung bình và độ lệch
chuẩn của lợi nhuận rất gần với chỉ số gia quyền giá trị của các cổ phiếu được giao dịch công khai.
Một cách tự nhiên để ước tính lợi nhuận vốn đầu tư mạo hiểm là kiểm tra lợi nhuận của các quỹ
đầu tư mạo hiểm, thay vì các dự án cơ bản. Điều này cũng không dễ dàng. Hầu hết các quỹ đầu tư mạo
hiểm được tổ chức dưới dạng các quan hệ đối tác hạn chế hơn là các tổ chức được giao dịch liên tục
hoặc thậm chí được trích dẫn. Do đó, người ta phải đối phó với dữ liệu bị thiếu trong thời gian
tạm thời giữa các khoản đầu tư và thanh toán, hoặc bằng cách nào đó đánh dấu các khoản đầu tư chưa
hoàn thành để đưa ra thị trường. Bygrave và Tymmons (1992) đã tìm thấy tỷ lệ hoàn vốn nội bộ trung
bình là 13,5% trong giai đoạn 1974-1989. Kỹ thuật này không cho phép bất kỳ tính toán rủi ro nào.
Venture Economics (2000) báo cáo lợi nhuận 25,2% trong 5 năm và 18,7% trong 10 năm cho tất cả các
quỹ đầu tư mạo hiểm trong cơ sở dữ liệu của họ kể từ ngày 21/12, một khoảng thời gian có lợi nhuận
cổ phiếu cao hơn nhiều. Tính toán này sử dụng các giá trị cuối năm do chính quỹ báo cáo.
Gompers và Lerner (1997) đo lường rủi ro và lợi tức bằng cách đánh dấu định kỳ để đưa ra thị
trường các khoản đầu tư của một nhóm cổ phần tư nhân. Họ tìm thấy lợi nhuận trung bình hàng năm
theo số học là 30,5% (tổng phí) từ năm 1972-1997. Không cần đánh dấu để đưa ra thị trường, họ tìm
thấy phiên bản beta 1.08 trên thị trường. Đánh dấu vào thị trường, họ tìm thấy hệ số beta cao hơn
1,4 trên thị trường và 1,27 trên thị trường với 0,75 trên danh mục doanh nghiệp nhỏ và 0,02 trên
danh mục giá trị trong hồi quy ba nhân tố Fama-French.
Rõ ràng, việc đánh dấu để đưa ra thị trường thay vì sử dụng các giá trị tự báo cáo có tác động lớn
đến các biện pháp rủi ro, mặc dù việc sử dụng dữ liệu thị trường để đánh giá các giá trị trung
gian hầu như làm tăng betas một cách máy móc. Chúng không báo cáo độ lệch chuẩn, mặc dù người ta
có thể suy ra từ β = 1,4, R2 = 0,49 độ lệch chuẩn là 1,4 × 16 / √0,49 = 32%. (Điều này dành cho
một quỹ, không phải cho các dự án riêng lẻ.) Gompers và Lerner nhận thấy mức chặn 8% mỗi năm với
mô hình một yếu tố hoặc ba yếu tố, mặc dù có sự thiên vị lựa chọn rõ ràng khi xem xét một yếu tố
duy nhất, thành công tập đoàn. Reyes (1990) báo cáo tổng thể betas từ 1 đến 3,8 cho vốn đầu tư mạo
hiểm, trong một mẫu gồm 175 quỹ đầu tư mạo hiểm đã trưởng thành, tuy nhiên, không sử dụng hiệu
chỉnh để lựa chọn hoặc thiếu dữ liệu trung gian.
Tỷ lệ chiết khấu được áp dụng bởi các nhà đầu tư VC có thể mang tính thông tin, nhưng sự tương
phản giữa tỷ lệ chiết khấu cao được áp dụng bởi các nhà đầu tư mạo hiểm và lợi nhuận sau trung
bình thấp hơn là một câu đố lâu dài trong tài liệu đầu tư mạo hiểm. Smith và Smith (2000) khảo sát
một số lượng lớn các nghiên cứu báo cáo tỷ lệ chiết khấu từ 35 đến 50%. Tuy nhiên, câu đố này phụ
thuộc vào việc giải thích dòng tiền dự kiến. Nếu bạn chiết khấu dòng tiền dự kiến của một dự án ở
mức 50%, giả sử thành công, nhưng dự án đó thực sự chỉ có 0,83 (1,25 / 1,5) cơ hội thành công, bạn
có thực hiện điều tương tự như chiết khấu dòng tiền kỳ vọng thực sự với tỷ lệ chiết khấu 25%.
3
2 Vượt qua sự thiên vị lựa chọn
Để hiểu ý tưởng cơ bản để khắc phục sự thiên vị lựa chọn, giả sử rằng giá trị dưới mức của
một khoản đầu tư mạo hiểm tăng với mức trung bình không đổi là 10% mỗi năm và độ lệch chuẩn
không đổi là 50% mỗi năm.
Thực tế là chúng ta chỉ quan sát thấy lợi nhuận khi công ty cổ phần hóa không thực sự
là một vấn đề. Nếu xác suất giao dịch công khai không phụ thuộc vào giá trị của dự án, thì
các giá trị trung bình đơn giản sẽ đo lường các đặc điểm sinh lời cơ bản. Các dự án mất hai
năm để công khai sẽ có lợi nhuận trung bình là 2 × 10% = 20% và phương sai là 2 × 0,502;
các dự án mất 3 năm để công khai sẽ có lợi nhuận trung bình là 3 × 10% = 30% và phương sai
là 3 × 0,502 , v.v. Do đó, trung bình của (return / time to ipo) sẽ là một ước tính không
thiên vị về lợi nhuận hàng năm dự kiến và trung bình của (return2 / time to ipo) sẽ tạo
thành một ước tính không thiên vị về phương sai của lợi nhuận hàng năm1.
Tuy nhiên, các dự án có nhiều khả năng được công khai khi giá trị của chúng đã tăng lên.
Để hiểu được tác động của thực tế này, giả sử rằng mọi dự án đều được niêm yết khi giá trị
của nó tăng lên bằng hệ số 10. Bây giờ, mọi lợi nhuận đo được chính xác là 1.000%.
Các công ty chưa đạt đến giá trị này sẽ được giữ kín. Lợi tức trung bình đo được là 1.000%
với độ lệch chuẩn là 0. Đây rõ ràng là những ước tính vô cùng thiên lệch và lạc quan về giá
trị trung bình thực sự và rủi ro mà nhà đầu tư phải đối mặt!
Trong ví dụ này, chúng tôi có thể xác định các tham số của phân phối cơ bản bằng cách
đo lường số lượng dự án công khai ở mỗi chân trời. Nếu lợi tức trung bình thực sự cao hơn
10% hoặc nếu độ lệch chuẩn cao hơn 50%, thì sẽ có nhiều dự án vượt quá ngưỡng 1.000% để
công khai trong năm đầu tiên.
Vì giá trị trung bình tăng theo đường chân trời và độ lệch chuẩn tăng theo căn bậc hai của
đường chân trời, các phân số được công khai trong một năm và hai năm có thể cùng nhau xác
định giá trị trung bình và độ lệch chuẩn. Các quan sát ở nhiều khoảng thời gian khác nhau
bổ sung thêm thông tin.
Trong ví dụ này, lợi nhuận quan sát không cho chúng ta biết gì về tỷ suất sinh lợi cơ
bản, nhưng chúng cho chúng ta biết ngưỡng để niêm yết cổ phiếu. Sau đó, phần công khai hoặc
không hoạt động kinh doanh cho chúng ta biết các thuộc tính của phân phối lợi tức cơ bản.
Trên thực tế, quyết định niêm yết cổ phiếu không phải là tuyệt đối. Xác suất ra công
chúng là một hàm ngày càng tăng của giá trị dự án. Hình 1 trình bày một ví dụ số minh họa
điều gì xảy ra trong trường hợp này. Giá trị cơ bản được phân phối bình thường, được vẽ đồ
thị dưới dạng đường liền nét. Đường đứt nét vẽ biểu đồ xác suất của một ipo cho lợi nhuận
và tăng lên khi giá trị của công ty tăng lên. Nhân phân phối chắc chắn của các giá trị thực
với xác suất đứt nét của giá trị đã cho là công khai sẽ cho xác suất quan sát mỗi lần trả
về, được biểu thị bằng đường liền nét có hình tam giác.
1 Câu lệnh này áp dụng cho các lần trả lại log iid. Gọi r là biểu thị log trở lại tại thời điểm t. Khi đó, kết quả trả
về của bản ghi hai kỳ là rt + rt + 1; trung bình của nó là E (rt + rt + 1) = 2E (rt) và phương sai của nó là σ2 (rt + rt
+ 1) = 2σ2 (rt). (iid ngụ ý rằng không có thuật ngữ hiệp phương sai.)
4
Hình 1: Phân phối xác suất của lợi nhuận, (ìTrue valueî), xác suất chuyển pub lic như một hàm
của lợi nhuận và xác suất trả về được quan sát (ìObserved value.î)
Trong khi lợi tức trung bình thực sự là 10%, trung bình của lợi nhuận quan sát được là 40%! Bạn
có thể thấy rằng sự biến động của lợi nhuận quan sát được cũng ít hơn so với lợi nhuận thực sự,
mặc dù không phải là 0 như khi tất cả các dự án được công khai với cùng một giá trị.
Trong cài đặt một thời kỳ này, thực sự không có cách nào để xác định riêng biệt phân phối
giá trị nhập thấp với xác suất công khai giá trị đã cho. Dòng ìObserved valueî trong Hình 1 có
thể được tạo ra bởi một phân phối đúng với giá trị trung bình 40% và xác suất bằng phẳng của giá
trị cho trước ipo. Tuy nhiên, dữ liệu của chúng tôi có thứ nguyên thời gian mở rộng. Bằng cách
xem hình dạng của các phân phối lợi nhuận như vậy như một hàm của đường chân trời và bằng cách
xem phần nhỏ các công ty chuyển sang công khai hoặc ngừng kinh doanh ở mỗi chân trời, chúng ta có
thể xác định riêng biệt phân phối lợi nhuận thực sự từ hàm chọn công ty cho ipo .
Trong một mẫu không có sự sai lệch về lựa chọn, giá trị trung bình và phương sai của lợi
nhuận tiếp tục tăng theo đường chân trời. Trong ví dụ đơn giản, phân phối lợi nhuận thiên về lựa
chọn là khối lượng điểm giống nhau ở mức 1.000% - cho tất cả các chân trời. Với xác suất công
khai ngày càng tăng một cách suôn sẻ, phân phối lợi nhuận ban đầu sẽ tăng lên theo đường chân
trời, nhưng sau đó sẽ giảm xuống một mức không đổi không phụ thuộc vào đường chân trời. Mẫu này
là chữ ký của một mẫu đã chọn và chúng ta sẽ thấy nó trong dữ liệu. Mô hình này cũng đặc trưng
cho rủi ro kinh tế. Rủi ro mà một nhà đầu tư VC phải đối mặt là bao nhiêu khi lợi tức của anh ta
xảy ra cũng như lợi nhuận sẽ là bao nhiêu.
3 Dữ liệu
Dữ liệu cơ bản về các khoản đầu tư mạo hiểm đến từ cơ sở dữ liệu của VentureOne.
VentureOne thu thập thông tin về các vòng tài trợ bao gồm ít nhất một công ty đầu tư mạo hiểm có
tài sản được quản lý từ 20 triệu đô la trở lên. Tôi sử dụng dữ liệu này từ
5
bắt đầu từ năm 1987 đến tháng 6 năm 2000. VentureOne cung cấp ngày của vòng tài trợ, số tiền huy
động được, định giá sau vòng của công ty, các công ty VC có liên quan và các đặc điểm cụ thể khác
nhau của công ty (ngành, địa điểm, v.v.). Chúng cũng bao gồm ghi chú về việc công ty đã niêm yết,
được mua lại hay ngừng kinh doanh, cùng với ngày liên quan của bất kỳ sự kiện nào như vậy.
VentureOne tuyên bố rằng cơ sở dữ liệu của họ là nguồn đầy đủ nhất cho loại dữ liệu này và họ
đã nắm bắt được khoảng 98% các vòng tài trợ như vậy từ năm 1992 đến nay. Do đó, cơ sở dữ liệu
VentureOne giảm thiểu một nguồn lớn sự thiên vị lựa chọn tiềm năng trong loại nghiên cứu này, sự
thiên vị gây ra khi chỉ xem xét các dự án thành công. Tuy nhiên, dữ liệu của VentureOne không hoàn
toàn không có khuynh hướng tồn tại. Đôi khi họ tìm kiếm lại để tìm kết quả của các vòng trước, (các
vòng không liên quan đến một công ty VC có tài sản từ 20 triệu đô la trở lên). Gompers và Lerner
(2000, tr.288 ff.) Thảo luận về vấn đề này và các khuynh hướng lựa chọn tiềm năng khác trong cơ sở
dữ liệu.
Dữ liệu của VentureOne không bao gồm kết quả tài chính của việc chào bán, sáp nhập hoặc mua lại
ra công chúng. Để tính toán các giá trị đó, chúng tôi đã sử dụng cơ sở dữ liệu Các Vấn đề Mới của
Công ty dịch vụ SDC Platinum. Chúng tôi đã sử dụng cơ sở dữ liệu này để nghiên cứu số tiền huy động
được tại ipo và giá trị vốn hóa thị trường của công ty ở mức giá chào bán. Đối với các công ty được
VentureOne đánh dấu là ipo nhưng không có trên cơ sở dữ liệu SDC, chúng tôi đã sử dụng MarketGuide
và các tài nguyên trực tuyến khác.
Để tính toán lợi nhuận cho các công ty bị mua lại, chúng tôi đã sử dụng cơ sở dữ liệu Merg ers
and Acquisitions (M&A) của dịch vụ bạch kim SDC. Theo cơ sở dữ liệu của Ven tureOne, chúng tôi nhận
thấy tổng giá trị của việc cân nhắc mà các công ty đã trải qua sáp nhập hoặc mua lại. Trong một số
trường hợp, ngay cả khi công ty được khớp với cơ sở dữ liệu về M&A của SDC, không có thông tin định
giá nào có sẵn để xem xét.
Các giao dịch liên quan đến các công ty tư nhân ít có khả năng được báo cáo cho công chúng.
Sử dụng các nguồn này, dữ liệu cơ bản bao gồm ngày của mỗi khoản đầu tư, đô la đầu tư và giá
trị của công ty sau mỗi khoản đầu tư. Dữ liệu của VentureOne không cung cấp cổ phiếu, vì vậy chúng
tôi suy ra lợi tức đầu tư bằng cách theo dõi giá trị của công ty sau khi đầu tư. Ví dụ: giả sử công
ty XYZ có vòng đầu tiên huy động được 10 triệu đô la, sau đó công ty được định giá là 20 triệu đô
la. Chúng tôi suy ra rằng các nhà đầu tư VC sở hữu một nửa cổ phiếu. Nếu công ty sau đó ra công
chúng, huy động được 50 triệu đô la và được định giá 100 triệu đô la sau ipo, chúng tôi suy ra rằng
phần của các nhà đầu tư VC của công ty hiện trị giá 25 triệu đô la, bằng 1/2 giá trị của cổ phiếu
lưu hành trước ipo. Sau đó, chúng tôi suy ra tổng lợi nhuận của họ là 25 triệu đô la / 10 triệu đô
la = 250%. Chúng tôi sử dụng cùng một phương pháp để đánh giá mức độ pha loãng của các yêu cầu của
nhà đầu tư ban đầu trong nhiều vòng.
Cơ sở dữ liệu của VentureOne không phải lúc nào cũng nắm bắt được số tiền huy động được trong
một vòng cụ thể và thường thì việc định giá sau vòng cho công ty bị thiếu. Trong những trường hợp
như vậy, chúng tôi không thể tính lợi tức cho các nhà đầu tư trong vòng đó, cũng như lợi nhuận cho
bất kỳ nhà đầu tư nào của các vòng trước cho công ty. Sự ước lượng bao gồm sự hiệu chỉnh đối với
sự sai lệch do lựa chọn này gây ra.
6
4 Đặc trưng hóa dữ liệu
Trước khi tiến hành ước tính chính thức, tôi mô tả dữ liệu. Tôi thiết lập
các dữ kiện cách điệu thúc đẩy ước tính, đặc biệt là phần nhỏ của các vòng được công khai,
được mua lại, hoặc ngừng kinh doanh như một hàm của tuổi tác và phân phối lợi nhuận
ipo hoặc chuyển đổi như một hàm của tuổi. Tôi kiểm tra rằng một số đơn giản hóa của
ước tính chính thức không bị vi phạm nghiêm trọng trong dữ liệu, đặc biệt là kích thước
của các dự án không quá quan trọng và mô hình ipo và thoát theo độ tuổi là
gần như ổn định theo thời gian.
Tôi coi vòng tài chính làm đơn vị phân tích cơ bản. Mỗi công ty có thể có một số
các vòng, và kết quả của các vòng này rõ ràng sẽ tương quan với nhau.
Tôi thảo luận về mối tương quan này, nơi nó ảnh hưởng đến kết quả.
4.1 Số phận của các khoản đầu tư VC
Bảng 1 bảng A tóm tắt dữ liệu.
A. Thống kê cơ bản
Tổng số vòng tài trợ 16852

Số công ty Số vòng trung 7765
bình / công ty Tỷ lệ số vòng 2,17
quay có lợi nhuận Tổng số tiền huy 31
động được ($ M) 114.983
B. Phần trăm vòng trong các loại thoát khác nhau

Làm tròn tiền
Trả lại Không trả lại Tổng lợi nhuận Không trả lại Tổng cộng
dữ liệu dữ liệu dữ liệu dữ liệu
Ipo 16,5 Mua lại 5,7 Không 5,3 21,7 19,7 4,2 24.0
hoạt động kinh doanh 8,9

Vẫn 14,4 20,2 4,4 8,7 13.1
ở chế độ riêng tư 0 Ipo Đã 8,9 4,6 4,6
đăng ký 0 0 45,5 50.0 50.0
45,5 3,7 3,7 8,3 8,3
Bảng 1. Đặc điểm của mẫu. ìReturn dataî biểu thị
tỷ lệ phần trăm các vòng mà chúng tôi có thể ấn định lợi nhuận; ìKhông trở lại
dataî biểu thị phần trăm số vòng mà chúng tôi không thể chỉ định
Sự trở về, sự trở lại; ví dụ do dữ liệu bị thiếu hoặc không hợp lệ.
Chúng tôi có gần 17.000 vòng tài trợ tại gần 8.000 công ty, đại diện cho
114 tỷ đô la đầu tư. Bảng 1 bảng B tóm tắt số phận của liên doanh
các vòng tài trợ vốn. Trong số 16852 vòng, 21,7% dẫn đến ipo và 20,2% dẫn đến
7
thu mua. Thật không may, chúng tôi chỉ có thể ấn định lợi nhuận cho khoảng 3/4 ipo và
1/4 số vụ mua lại. Thông thường, các con số tổng giá trị bị thiếu hoặc không có ý
nghĩa (tổng giá trị sau một vòng đấu ít hơn số tiền đã huy động), hoặc ngày tháng bị
thiếu hoặc không có ý nghĩa. 8,9% ngừng kinh doanh, 45,5% vẫn ở tư nhân và 3,7% đã
đăng ký nhưng chưa hoàn thành một ipo. Rõ ràng, chúng tôi không có lợi nhuận cho các
danh mục này.
Trọng số theo đô la đầu tư có thể mang lại một bức tranh khác. Ví dụ: các giao
dịch lớn có thể có nhiều khả năng thành công hơn các giao dịch nhỏ, trong trường hợp
đó, phần đô la được đầu tư dẫn đến ipo sẽ lớn hơn phần của các giao dịch dẫn đến ipo.
Các cột ìMoneyî của Bảng 1 bảng B cho thấy số phận của đô la đầu tư vào đầu tư mạo
hiểm. Phần đô la dẫn đến ipo lớn hơn một chút so với phần nhỏ của các giao dịch, mặc
dù phần đô la dẫn đến chuyển đổi thấp hơn một chút. Tuy nhiên, nhìn chung, không có
dấu hiệu mạnh mẽ nào cho thấy quy mô đầu tư ảnh hưởng đến kết quả. Đây là một sự đơn
giản hóa may mắn và biện minh cho việc gộp tất cả các khoản đầu tư lại với nhau mà
không có ảnh hưởng về quy mô trong ước tính để tuân theo.
Hình 2 trình bày phần tích lũy của các vòng trong mỗi loại dưới dạng một hàm của
tuổi. Đến 5 năm sau khoản đầu tư ban đầu, khoảng một nửa số vòng quay đã được chuyển
nhượng ra công chúng hoặc được mua lại. Sau tuổi này, cơ hội thành công giảm dần; ngày
càng có nhiều vòng giao dịch ngừng hoạt động và tỷ lệ công khai hoặc mua lại chậm lại2.
Hình 2: Xác suất thoát tích lũy theo tuổi.
2Các đường trong Hình 2 không phải là đơn điệu chính xác, vì xác suất tích lũy nên có, bởi vì mẫu
khác nhau ở mỗi điểm. Ví dụ: các phân số ở các tiểu bang khác nhau ở độ tuổi 5 tuổi phải được tính
cho tất cả các vòng bắt đầu trước năm 1995, trong khi các phân số ở các tiểu bang khác nhau ở độ tuổi
3 tuổi được tính cho tất cả các vòng bắt đầu trước năm 1997. Ngoại trừ cực bên phải điểm, nơi chúng
ta chỉ có thể xem xét một số lượng nhỏ các công ty bắt đầu vào năm 1987, tuy nhiên, các đường khá
suôn sẻ, cho thấy rằng việc hợp nhất các vòng có ngày bắt đầu khác nhau không phải là một sai lầm.
số 8
Hình 3: Xác suất thoát tích lũy dưới dạng một hàm của tuổi, đối với các ví dụ con ngày tháng.
Các ví dụ con là 1988-1992, 1992-1995, 1995-1998 và 1998-6000. Trong mỗi tập hợp các dòng,
dòng ngắn hơn là ngày mẫu mới nhất. Các dòng dài nhất hiển thị các kết quả mẫu đầy đủ từ
Hình 2. Các dòng giảm dần biểu thị phân số vẫn còn riêng tư.
Tập hợp các đường tăng phía trên đại diện cho phần được công khai hoặc được mua lại.
Tập hợp các đường tăng dưới cùng đại diện cho phần sắp ngừng kinh doanh.
Người ta tự hỏi liệu tuổi tác có phải là biến số thích hợp để theo dõi vận may của các
khoản đầu tư VC hay không. Có lẽ số phận của các khoản đầu tư VC cũng phụ thuộc vào thời
điểm chúng được bắt đầu. Ví dụ, cuối những năm 90 có thể là thời điểm mà các khoản đầu tư VC
phát triển nhanh chóng một cách bất thường. Để xem xét câu hỏi này, Hình 3 trình bày xác
suất thoát của Hình 2, được chia nhỏ theo ngày đầu tư VC ban đầu.
Hình 3 cho thấy mọi thứ đang diễn ra nhanh hơn một chút. Bất kỳ phần trăm nhất định nào
về các công ty được niêm yết hoặc được mua lại đều xảy ra trong các ví dụ con muộn hơn khoảng
một năm so với trong các mẫu con sớm nhất. Nhưng đây không chỉ là vận may tốt hơn cho các
khoản đầu tư VC. Tỷ lệ không kinh doanh ở bất kỳ độ tuổi nào cũng tăng lên.
Tuy nhiên, bất chấp những khác biệt này, Hình 3 trấn an rằng đặc điểm tổng thể của các khoản
đầu tư vào VC không thay đổi đáng kể. Các xác suất chuyển đổi cơ bản như một hàm của tuổi là
ổn định hợp lý trên các ví dụ con, và tôi sẽ chỉ sử dụng tuổi làm biến trạng thái trong ước
lượng sau đó.
4.2 Lợi nhuận
Tất nhiên, câu hỏi trọng tâm của chúng tôi là lợi nhuận của các khoản đầu tư VC. Trong phần
này, tôi mô tả những gì chúng ta có thể thấy ó trả về khi có ipo hoặc chuyển đổi. Như tôi đã
nhấn mạnh trong phần giới thiệu, đây không phải là lợi nhuận trước khi đầu tư vào VC và
chúng có thể cho chúng ta biết nhiều hơn về các giá trị kích hoạt quyết định công khai hơn
là về tỷ suất sinh lợi cơ bản. Tuy nhiên, chúng tôi phải đánh giá chính xác
9
mọi thứ diễn ra tốt đẹp như thế nào khi chúng diễn ra tốt đẹp, vì lợi ích của chính nó, và vì đây là
phép đo quan trọng mà tôi sử dụng để hiệu chỉnh một mô hình hiệu chỉnh cho việc chọn mẫu.
Lợi nhuận ròng
Hình 4 vẽ biểu đồ phân bố lợi nhuận ròng được làm mịn. (Các khoản lợi nhuận này không được tính
hàng năm; lợi nhuận hàng năm theo sau.) Đối với phần này và phần phân tích còn lại, tôi tập hợp tất
cả các khoản đầu tư lại với nhau, bao gồm nhiều vòng trong cùng một công ty. Do đó, đầu tư vòng 1 vào
ipo là một khoản lợi nhuận, và đầu tư vòng 2 vào ipo trong cùng một công ty là một khoản lợi nhuận
khác. Phần tiếp theo bao gồm một phân tích riêng biệt theo vòng.
Hình 4: Biểu đồ mượt mà (ước tính hạt nhân) của việc phân phối tỷ lệ phần trăm lợi nhuận, đối với các
công ty được mua lại hoặc chuyển sang công khai.
Hình 4 cho thấy một độ lệch bất thường của lợi nhuận. Hầu hết các khoản lợi nhuận đều khiêm tốn,
nhưng có một cái đuôi dài bên phải của những khoản lợi nhuận đặc biệt tốt. 15% các công ty niêm yết
hoặc được mua lại mang lại lợi nhuận lớn hơn 1.000%! Nó cũng thú vị là có bao nhiêu lợi nhuận khiêm
tốn. Khoảng 15% lợi nhuận dưới 0 và 35% là dưới 100%. Một ipo hoặc mua lại không phải là một đảm bảo
cho một khoản lợi nhuận lớn. Trên thực tế, kết quả theo phương thức hoặc "có thể xảy ra nhất" trong
Hình 4 là khoảng 25% lợi nhuận.
10
Tất cả các
0-6 tháng. 6 phút-1 năm 1-3 năm 3-5 năm 5 năm trở lên
Con số 3595 334 476 1580 807 413
A. Lợi nhuận ròng (phần trăm)

Trung bình 698 306 Std. Nhà 399 788 942 535
phát triển. 3282 1659

vị 184
Trung
77 881 3979 3822 1123
25-75 Phạm vi 521 về
225nhật
B. Trả
ký 135 196 280 209
(phần trăm) 346 508 719 623
Std trung 108 63 114 135 105 134

93 144 147 129 97
bình. Nhà phát triển. 118
Trung 105 57 108 133 1,13 86
bình 75-25 Phạm vi 158 114 125 149 172 189
Bảng 2. Phương tiện và phương sai của lợi nhuận khi có ipo hoặc chuyển đổi. Các đơn vị
là phần trăm lợi nhuận, không phải hàng năm.
Bảng 2 đánh giá phân phối lợi nhuận ròng theo số. Cột đầu tiên (ìAllî)
của Bảng 2 tóm tắt toàn bộ phân phối trả về, tương ứng với Hình 4. Trong khi
lợi nhuận theo phương thức (đỉnh của Hình 4) là gần 25%, trung bình là 184% và trung bình
lợi nhuận là 698% ấn tượng. Mức trung bình cao này phản ánh khả năng nhỏ tạo ra
một lợi nhuận đáng kinh ngạc, kết hợp với xác suất lớn hơn nhiều của một
trở về.
Độ lệch chuẩn của lợi nhuận phản ánh sự biến động lớn và độ lệch như nhau.
Độ lệch chuẩn của lợi nhuận là 3282%. Tính tổng lợi nhuận bình phương thực sự kích thước bằng một
số ngoại lệ dương! Phạm vi từ 25% đến 75% lượng tử, như
trung vị, là một thước đo phân tán ít nhạy cảm hơn với các giá trị ngoại lai. Ở mức 521%, phạm vi này là
thấp hơn nhiều, nhưng vẫn ấn tượng.
Nhật ký trả lại
Độ lệch của lợi nhuận gợi ý một phép biến đổi nhật ký. Hình 5 và 6 trình bày
phân phối tích lũy của lợi nhuận nhật ký cho ipo hoặc chuyển đổi, và Hình 7 trình bày
biểu đồ được làm mịn. Các số liệu bao gồm một phân phối chuẩn được hiệu chỉnh đến giá trị trung bình
và phương sai của trả về nhật ký. Như bạn có thể thấy, quá trình chuyển đổi nhật ký thực hiện rất tốt
công việc nắm bắt độ lệch của lợi nhuận và phân phối chuẩn mực là một
xấp xỉ tốt với phân phối lợi nhuận thực tế. Bản phân phối thực tế có
đuôi béo hơn một chút so với phân phối bình thường, nhưng sự khác biệt không lớn. Bạn
có thể thấy điều này rõ ràng nhất trong Hình 6, nó thổi ngược đuôi bên phải.
Lợi tức trung bình của nhật ký (Bảng 2) là 108%, gần bằng mức trung bình của nó là 105%. Các
độ lệch chuẩn của lợi nhuận nhật ký là 135% lớn, trong khi 25% và 75% lượng tử
gần như đối xứng về giá trị trung bình và giá trị trung vị. Những con số này xác minh rằng
phép biến đổi log làm cho phân phối trả về khá đối xứng. Nhưng 108% có nghĩa là
và độ lệch chuẩn 135% vẫn là một giá trị trung bình và biến động bất thường của lợi nhuận.
11
Hình 5: Phân phối tích lũy của các lượt trả về nhật ký cho ipo hoặc chuyển đổi.
Hình 6: Đuôi phải của phân phối tích lũy của lợi nhuận nhật ký, cùng với một
phân phối chuẩn phù hợp với giá trị trung bình và phương sai của lợi nhuận nhật ký.
Trả lại kiểu nào?
Từ quan điểm thống kê, rõ ràng là tốt hơn nếu mô tả các khoảnh khắc của nhật ký
trả lại phân phối. Tuy nhiên, đối với các quyết định về danh mục đầu tư, mức kỳ vọng hoặc số học
lợi nhuận trung bình và độ lệch chuẩn tương ứng là những thống kê quan trọng.
Nếu bạn tạo một danh mục đầu tư bao gồm phần w trong khoản đầu tư VC với lợi tức Rvc
và phần 1 - w trong lợi nhuận phi rủi ro Rf lợi nhuận
, của danh mục đầu tư RP được đưa ra
bởi wRV C + (1 - w) Rf , với trung bình E (RP ) = wE (RV C) + (1 - w) Rf và tiêu chuẩn
độ lệch σ (RP ) = wσ (RV C). Chúng ta không thể thực hiện loại chuyển đổi này với
trung bình và phương sai của trả về nhật ký. Lý thuyết danh mục đầu tư phương sai cũng chỉ rõ
lợi nhuận thực tế hơn là trả lại nhật ký. Tất nhiên, người ta có thể dễ dàng chuyển đổi giữa
hai biện pháp. Ví dụ: nếu mô tả thống kê tốt nhất là nhật ký trả về
được phân phối chuẩn với giá trị trung bình µ và phương sai σ2, sau đó chúng ta có thể tính giá trị thực tế
1
hoặc trả về trung bình số học là eµ + σ2 .
2
12
Hình 7: Biểu đồ thu nhập nhật ký được làm mịn, cùng với phân phối chuẩn phù hợp với giá
trị trung bình và phương sai của trả về nhật ký.
Trả về được sắp xếp theo độ tuổi
Cho đến nay, tôi đã gộp tất cả lợi nhuận lại với nhau mà không tính đến việc mất bao
lâu để đạt được lợi nhuận đó. Như chúng ta sẽ thấy, đây hóa ra là một cách hợp lý để mô
tả dữ liệu. Tuy nhiên, điều quan trọng là phải hiểu lợi nhuận thay đổi như thế nào theo
độ tuổi của dự án. Mô hình lợi nhuận theo độ tuổi, cùng với lịch sử thoát khỏi tùy thuộc
vào độ tuổi, là phần thông tin trung tâm mà tôi sử dụng để khắc phục vấn đề lựa chọn rằng
các dự án tốt có nhiều khả năng được công khai hơn. Các cột còn lại của Bảng 2 trình bày
các thống kê được sắp xếp theo độ tuổi và Hình 8 trình bày các biểu đồ thu nhập nhật ký
được làm mịn được sắp xếp theo các loại tuổi.
Hình 8: Biểu đồ thu nhập mượt mà từ ipo hoặc mua lại, được sắp xếp theo thời gian giữa
tài trợ và ipo hoặc mua lại. Đường cong cao nhất và ngoài cùng bên trái là danh mục 0-6
tháng. Các danh mục cũ hơn tương ứng với các đường cong với các đỉnh thấp hơn liên tiếp.
13
Sự phân bố trong Hình 8 hơi dịch chuyển sang phải, và tất cả các thước đo lợi nhuận trung
bình trong Bảng 2 đều tăng lên khi thời gian ipo kéo dài, lên đến loại 3-5 năm. Đường cong cộng
5 năm dịch chuyển nhẹ sang trái và lợi tức trung bình trong Bảng 2 giảm. Độ bay hơi cũng tăng
nhẹ khi đường chân trời tăng lên.
Tuy nhiên, điều đáng ngạc nhiên nhất về cả mức trung bình và độ biến động là chúng không tăng
nhanh hơn nhiều theo đường chân trời. Lợi nhuận cổ phiếu gần với mức độc lập theo thời gian. Do
đó, lợi nhuận của nhật ký trung bình sẽ phát triển tuyến tính với đường chân trời và độ lệch
chuẩn sẽ tăng theo căn bậc hai của đường chân trời. Ngay cả khi chúng tăng lên, độ lệch chuẩn
cũng không có nghĩa cũng không phát triển nhanh như thế này.
Thay vào đó, mẫu trả về được sắp xếp theo độ tuổi trong Hình 8 và Bảng 2 cho thấy chữ ký của
một mẫu đã chọn. Mô hình này dẫn đến kết quả nếu xác suất giao dịch cổ phiếu ra công chúng nhỏ
và không đổi dưới mức lợi nhuận khoảng 200%, nhưng sau đó sẽ tăng lên một cách suôn sẻ. Với tuổi
đời dưới một năm, hầu hết các công ty không thể tạo ra 200% lợi nhuận mà họ cần để tạo ra một
ipo. Do đó, ipos mà chúng ta thấy xuất phát từ nguy cơ ipo khá thường xuyên và nhỏ trong vùng
giá trị này. Các dự án mất nhiều thời gian hơn để ra mắt công chúng có lợi nhuận tương ứng cao
hơn và nhiều biến động hơn. Tuy nhiên, khi thời gian trôi qua, ngày càng nhiều công ty có thời
gian để xây dựng các giá trị lớn tạo ra trong ipo ngày càng nhiều hơn. Tại các chân trời lợi
nhuận này, phân phối lợi nhuận phản ánh xác suất ra công chúng nhiều hơn nó phản ánh đặc tính cơ
bản của lợi nhuận. Thực tế này dẫn đến việc phân phối trở lại trở nên ổn định trên các chân trời
khác nhau. Nếu một công ty đạt được lợi nhuận tốt trong năm đầu tiên, nó sẽ được niêm yết trên
thị trường chứng khoán; chúng tôi thấy lợi nhuận tốt và sau đó nó bị loại bỏ khỏi mẫu.
Hầu hết các công ty trong phân phối lợi nhuận 5 năm đều không có năm đầu tiên tốt - nếu có, họ
đã niêm yết cổ phiếu. Do đó, các công ty trong phân phối lợi nhuận 5 năm có giá trị trung bình
ít hơn 5 lần so với các công ty trong phân phối một năm.
Betas
Bảng 3 trình bày hồi quy của lợi nhuận đối với ipo hoặc chuyển đổi trên lợi nhuận của chỉ số
S & P500. Một lần nữa, những điều này cung cấp một đường cơ sở thú vị và sự thật cách điệu, nhưng
không đo lường quá trình hoàn vốn của các khoản đầu tư cơ bản cho đến khi chúng tôi sửa chữa sai
lệch lựa chọn. Trên thực tế, rủi ro mà một nhà đầu tư VC phải đối mặt là bao lâu thì dự án sẽ
đạt được ipo, vì đó là lợi nhuận cuối cùng sẽ lớn như thế nào, và những chuyển động bất lợi của
thị trường cuối cùng có thể góp phần gây chậm trễ hơn là định giá.
Các khoảng chặn (alpha) là rất lớn. Phiên bản beta cho lợi nhuận ròng lớn ở mức 2,04. Đây là
một dấu hiệu cho thấy chứng khoán tiền ipo có rủi ro cao, theo nghĩa thông thường, chúng khá
nhạy cảm với lợi nhuận thị trường. Nhật ký trả về cắt bỏ phần nào các ngoại lệ và tạo ra một
phiên bản beta thấp hơn nhiều. Các giá trị R2 trong các hồi quy này rất nhỏ. Lợi nhuận thị trường
10 hoặc 30% chỉ là một phần rất nhỏ của rủi ro mà một người phải đối mặt với lợi nhuận trung
bình 700% và độ lệch chuẩn 3.000%! Biểu đồ phân tán của những hồi quy này sẽ chỉ là một đám mây
tròn khổng lồ. Đây cũng là lý do tại sao betas được đo lường kém. Các hồi quy tương tự qua các
chân trời không cho thấy nhiều nhất quán hoặc bất kỳ mô hình thú vị nào.
14
α (se) β (se) R2
Tất cả lợi nhuận ròng 462 148 2,04 0,83 0,00
Tất cả nhật ký trả về 92 4 0,37 0,07 0,01
Bảng 3. Hồi quy CAPM, Rt = α + βRm t

+ εt và ln Rt = α +
β ln Rm t + εt. Mỗi lần quay trở lại ipo được hồi quy so với lợi nhuận thị trường cho
cùng kỳ. α tính bằng phần trăm.
Lợi nhuận hàng năm
Hình 9 trình bày phân phối lợi nhuận hàng năm và Bảng 4 trình bày
thống kê tương ứng. Rõ ràng, chúng tôi thường so sánh lợi nhuận ở các chân trời khác nhau
bằng cách hàng năm hóa chúng, vì vậy việc thử chuyển đổi này là điều đương nhiên.
Hình 9: Biểu đồ lợi nhuận hàng năm được làm mịn, được sắp xếp theo loại tuổi
Tất cả các
0-6 tháng. 6 phút-1 năm 1-3 năm 3-5 năm 5 năm trở lên
A. Lợi nhuận ròng (Phần trăm)
Std trung 4 × 109 4 × 1010 2,064 2 × 1011 251 20 54
bình. Nhà phát triển. 7 × 1011 881 62 557 211 3,614 B. 3.979 3.822 1.123
Trung Trả về nhật ký (Phần trăm) 79 42 18
bình 25-75 Phạm vi 156 697 152 35 68
Trung bình 72 Std. Nhà 201 124 64 371 165 81 114 35 15
phát triển. 148 Trungbình 172 40 24
48 75-25 Phạm vi 86 188 58 35 17
337 80 48 29
Bảng 4. Phương tiện và phương sai của lợi nhuận hàng năm.
15
Trung bình và sự biến động của lợi nhuận hàng năm giảm mạnh theo đường chân trời.
Kết hợp lợi nhuận hàng năm với lợi nhuận thực tế, bạn có thể thấy rằng lợi nhuận thực
tế ổn định hơn nhiều trong các loại tuổi so với lợi nhuận hàng năm, hoàn toàn trái ngược
với mô hình bạn nên quan sát đối với một mẫu không được chọn. Trong một mẫu trả về iid
không được chọn, lợi nhuận nhật ký hàng năm trung bình phải giống nhau đối với các chân
trời khác nhau. Xem Bảng 4, bây giờ sẽ rõ lý do tại sao tôi tóm tắt dữ liệu trả về ipo
bằng các kết quả trả về không được định kỳ hàng năm.
Phân phối lợi nhuận hàng năm rất sai lệch. Lần lượt lại hàng năm trung bình là 4 × 109%, với độ
lệch chuẩn 2 × 1011%, mặc dù phạm vi ô trung bình và giữa các ô là hợp lý 62% và 159%. Một lần nữa,
điều này đại diện cho một xác suất nhỏ của một số lợi nhuận cực kỳ lớn. Hơn nữa, lợi nhuận hàng năm
cực đoan là kết quả của lợi nhuận hợp lý xảy ra trong một khoảng thời gian rất ngắn. Nếu bạn gặp phải
lợi nhuận 100% nhẹ (trong tập dữ liệu này), nhưng điều đó xảy ra sau hai tuần, kết quả là 100 × (224
- 1) = 1. 67 × 109 phần trăm lợi tức hàng năm. Bạn có thể thấy mô hình này trong sự đột phá của lợi
nhuận hàng năm theo đường chân trời; những cực đoan xảy ra tất cả ở những chân trời ngắn ngủi.
Một số lợi nhuận hàng năm khổng lồ này có thể là do sai số đo lường trong ngày
tháng. 3 quan sát có ngày ipo trước ngày đầu tư, và một số quan sát khác có ngày ipo
một hoặc hai tháng sau ngày đầu tư. Vì chúng ngụ ý lợi nhuận hàng năm khổng lồ như
vậy, tôi cắt bỏ tất cả các quan sát với ipo chưa đầy hai tháng sau khi tài trợ và tôi
tập trung phân tích vào việc phân phối lợi nhuận thực tế chứ không phải hàng năm, vốn
ít nhạy cảm hơn với sai số đo lường trong ngày.
5 Ước tính khả năng xảy ra tối đa
5.1 Quy trình ước tính khả năng xảy ra tối đa
Mục tiêu của tôi là ước tính giá trị trung bình, độ lệch chuẩn, alpha và beta của các
khoản đầu tư mạo hiểm, điều chỉnh sai lệch lựa chọn mà chúng tôi không thấy lợi nhuận cho
các dự án vẫn còn tư nhân. Để làm được điều này, chúng ta phải viết một mô hình cấu trúc
xác suất của dữ liệu - lợi nhuận mà chúng ta thấy được tạo ra như thế nào từ quá trình
giá trị cơ bản và quyết định chuyển sang công khai hay ngừng kinh doanh.
Gọi V là giá trị của công ty tại ngày t. Tôi mô hình hóa sự tăng trưởng giá trị
dưới dạng một biến phân phối tiên lượng với các tham số µ và σ. Đây là những thông số
trung tâm mà chúng tôi muốn tìm hiểu.
(1)
ln µVt Vt
+ ¶ òN (µ , σ2 ).
Tôi chuẩn hóa mỗi dự án thành giá trị ban đầu là 1. Tôi sử dụng khoảng thời gian =
ba tháng.
16
Mỗi thời kỳ, công ty có thể ngừng kinh doanh, chuyển nhượng cổ phần hoặc được mua lại. k biểu thị
giới hạn dưới về giá trị. Nếu Vt ≤ k, công ty ngừng kinh doanh, chắc chắn:
(2)
Pr (hết kinh doanh | Vt) = ( 0 Vt 1> Vt
k ≤ k.
Một quá trình lognormal như (1) không bao giờ đạt đến giá trị 0, vì vậy chúng ta phải hình
dung một cái gì đó giống như k nếu chúng ta tạo ra một xác suất hữu hạn của việc ngừng kinh
doanh. Tôi giải thích k là mức độ của đòn bẩy hoặc nợ. Nó cũng có thể được hiểu là quy tắc
cắt lỗ của các nhà đầu tư; họ từ bỏ và ngừng kinh doanh khi giá trị đạt đến k.
Nếu công ty vẫn hoạt động kinh doanh, công ty có thể được niêm yết cổ phiếu hoặc được
mua lại. Tôi không phân biệt hai kết quả trong ước tính. Xác suất giao dịch công khai là một
hàm giá trị ngày càng tăng. Tôi mô hình xác suất này như một hàm hậu cần,
Pr (ipo | Vt, Vt > k) = 1 / (1 + e a (ln (V) b) ) (3)
Hàm này tăng trơn tru từ 0 lên 1 khi giá trị tăng lên. (Xem Hình 10.)
Trong một trong hai trường hợp này, công ty bị loại khỏi quần thể các công ty vẫn
còn trong mẫu. Xác suất bị loại bỏ là
. (4)
1
Pr (loại bỏ | Vt) = ( 1 / (1 + e a (ln (V) b) )VtVt≤ >k k
Như vậy, xác suất để giá trị Vt + ở đầu khoảng thời gian t + là
(5)
Pr (Vt + ) = Z dVt Pr (Vt + | Vt) [1 - Pr (loại bỏ | Vt)] Pr (Vt)
và Pr (Vt + | Vt) được cho bởi phân phối chuẩn loga của (1).
Chúng tôi không có quan sát hợp lệ về tất cả các công ty ngoài doanh nghiệp, vì
một số ngày bị sai. Vì vậy,
Pr (ngừng kinh doanh tại t, xem) = c × Pr (ngừng kinh doanh tại t). (6)
Tôi ước tính c trực tiếp là phần nhỏ của các vòng kinh doanh với dữ liệu hợp lệ. Chúng
tôi cũng không có các quan sát hợp lệ về tất cả các ipo / có được. Vì vậy,
Pr (ipo tại t, value = Vt, xem) = d × Pr (ipo at t, value = Vt) (7)
Tôi ước tính d trực tiếp như một phần của ipos và chuyển đổi với dữ liệu hợp lệ.
Bây giờ, đối với các tham số {µ, σ, k, a, b, c, d} đã cho, tôi có thể tính toán đệ quy phân
phối khả năng xác suất của các giá trị và ngày cho các lần xuất cảnh và ipo, và xác suất đạt đến
bất kỳ độ tuổi nhất định nào vẫn ở chế độ riêng tư với giá trị Vt. Tôi thiết lập một lưới các
giá trị nhật ký và khởi tạo tất cả các xác suất bằng 0 ngoại trừ giá trị = 1. Sử dụng (1), tôi
tìm xác suất đi vào khoảng thời gian 1 tại mỗi điểm lưới giá trị. Sau đó, bằng cách sử dụng (2)
và (3) và (6) và (7), tôi tìm thấy xác suất quan sát thấy một ipo hoặc phá sản trong khoảng thời gian
17
1, và xác suất có ipo hoặc phá sản nhưng tạo ra dữ liệu xấu.
Bây giờ, bằng cách sử dụng (5), tôi tìm xác suất đi vào khoảng thời gian 2 tại mỗi điểm trên
lưới giá trị, v.v.
Sau khi tìm thấy xác suất của tất cả các sự kiện có thể xảy ra, tôi lặp qua dữ
liệu để tính toán hàm khả năng. Mẫu bao gồm các quan sát về vòng tài trợ vốn mạo hiểm.
Mỗi vòng kết quả thuộc một trong các loại sau:
1. Ipo / có được với dữ liệu tốt.
2. Ipo / có được với ngày tốt nhưng dữ liệu trả về xấu.
3. Ipo / có được với ngày xấu và dữ liệu trả về.
4. Còn riêng tư. Tuổi = (cuối mẫu) - (ngày đầu tư).
5. Hết kinh, ngày xuất cảnh tốt.
6. Hết kinh, ngày xuất cảnh xấu.
Dựa trên cấu trúc trên, đối với các tham số {µ, σ, k, a, b, c, d} đã cho, chúng ta
có thể tính xác suất nhìn thấy một điểm dữ liệu thuộc bất kỳ một trong các loại này.
Lấy nhật ký và cộng xác suất này trên tất cả các điểm dữ liệu, chúng tôi có khả năng xảy ra.
Đối với các quan sát ìbad dataî, tôi lấy các xác suất tích lũy tương ứng. Ví dụ:
đối với loại thứ hai, tôi lấy xác suất mà công ty niêm yết trên sàn chứng khoán
vào ngày t, chúng tôi không thấy dữ liệu và value = Vt, và tính tổng các giá trị.
Đối với loại thứ ba, tôi tổng hợp tất cả các ngày có độ tuổi nhỏ hơn (cuối mẫu) -
(ngày đầu tư).
Lợi tức vốn chủ sở hữu nếu có ipo là
Lạit , (số 8)
1 - k
= max Ã Vt - k 0 !
Tỷ suất lợi nhuận vốn chủ sở hữu nếu công ty ngừng hoạt động kinh doanh bằng 0 (ngay cả khi Vt <k). Tôi
sử dụng khái niệm này về lợi nhuận vốn chủ sở hữu trong dữ liệu - khi một công ty niêm yết cổ phiếu, tôi
sử dụng 8 để suy ra giá trị của Vt từ lợi nhuận cho cổ đông.
Ước tính alpha và beta
Để ước tính một mô hình hồi quy, tôi chỉ định
+ δ (ln Rm - ln Rf t ) + εt + ; εt + òN (0, σ2 ) (9)

t + t +
ln µVt Vt+ ¶ = γ + ln Rf
thay cho (1). Điều này giống như CAPM, nhưng trả về trong nhật ký chứ không phải là mức lợi nhuận.
Tôi lấy các tham số của CAPM theo các mức được ngụ ý bởi (9) bên dưới.
Để ước tính (9), tôi nhóm tất cả các khoản đầu tư theo quý mà chúng và Rf
được thực
sử dụng chuỗi thời gian quan sát của Rm để tìm xáct suất t hiện. Sau đó, tôi
18
lợi nhuận, ipos, ngừng kinh doanh, v.v., đối với các khoản đầu tư bắt đầu vào ngày đó, tức là
đối với các khoản đầu tư có kinh nghiệm cụ thể về lợi tức thị trường và lãi suất. Mỗi phần tư
của ngày bắt đầu yêu cầu một mô phỏng khác nhau, do đó, việc tối đa hóa hàm khả năng mất nhiều
thời gian hơn và yêu cầu lưới giá trị thô hơn. Vì lý do này, tôi báo cáo riêng các ước tính về
chỉ số trung bình và độ lệch chuẩn, sau đó là số lượng ước tính nhỏ hơn với cả alpha và beta.
(Chúng tôi có thể tránh một mô phỏng riêng biệt cho mỗi ngày đầu tư nếu xác suất ra công chúng
chỉ phụ thuộc vào lợi nhuận thặng dư tích lũy ε. Tuy nhiên, điều này có vẻ không thực tế -
các công ty dường như ra mắt công chúng dựa trên các biến động lợi nhuận thị trường lớn cũng
như sau khi lớn cá nhân tăng giá trị.)
Nhận xét về nhận dạng
Bạn không nhận được thứ gì đó mà không có gì, và khả năng rõ ràng là xác định riêng xác
suất chuyển sang chế độ công khai và các tham số của quá trình trả về xuất hiện bằng cách áp
đặt các giả định.
Quan trọng nhất, tôi giả định rằng hàm Pr (ipo | Vt) là giống nhau đối với các công ty ở
mọi độ tuổi t. Nếu bạn tăng gấp đôi giá trị ban đầu trong một tháng, bạn có khả năng sẽ công
khai như thể mất 10 năm để tăng gấp đôi giá trị ban đầu. Điều này chắc chắn là không thực tế
trong khoảng thời gian rất ngắn và rất dài. Người ta có thể muốn có một hàm khác nhau cho từng
độ tuổi của công ty, nhưng sau đó về cơ bản chúng ta quay lại bài toán tĩnh, trong đó chúng ta
chỉ có thể xác định lợi nhuận từ xác suất lựa chọn bằng các giả định dạng hàm.
Tôi cũng giả định rằng quá trình trả lại là độc lập theo thời gian. Người ta có thể chỉ
định rằng việc tạo ra giá trị bắt đầu chậm và sau đó nhanh hơn, hoặc betas thay đổi theo kích
thước, nhưng việc xác định các xu hướng này (và tách chúng khỏi ảnh hưởng trực tiếp của tuổi
tác) sẽ rất khó. Lợi nhuận của các công ty giao dịch công khai còn lâu mới có thể dự đoán
được, vì vậy đây có lẽ là một giả định ít nghi ngờ hơn.
Mô phỏng cũng giả định các dạng chức năng cụ thể cho phân phối trả lại và xác suất của ipo
và phá sản. Tôi nghi ngờ rằng đây không phải là một giả định trung tâm, nhưng các chương trình
đã mất quá nhiều thời gian để chạy nên các ước tính không tham số hoặc tham số lỏng lẻo hơn là
không khả thi.
5.2 Ước tính và diễn giải
5.2.1 Trung bình và độ lệch chuẩn
Bảng 5 trình bày các ước tính tham số khả năng xảy ra tối đa. Bảng 5 bao gồm các sai số tiêu
chuẩn cho giá trị trả về trung bình µ, là những sai số thú vị duy nhất. Bảng 6 bao gồm các lỗi
tiêu chuẩn còn lại, tất cả đều rất nhỏ. Tôi thảo luận về alpha và betas trong phần tiếp theo.
Các tham số trung tâm là giá trị trung bình và độ lệch chuẩn của lợi nhuận. Lợi tức trung
bình của nhật ký là 5,2%. So với lợi nhuận nhật ký trung bình là 100% trở lên trong
19
mẫu được chọn, kế toán cho việc chọn mẫu có tác dụng rất lớn. Để xem xét những con số này,
Bảng 5 bao gồm giá trị trung bình và độ lệch chuẩn của chỉ số S & P500 trong khoảng thời gian
lấy mẫu. Lợi tức nhật ký trung bình của các khoản đầu tư VC gần bằng một nửa lợi tức trung
bình của nhật ký S & P500 trong mẫu này. (Mẫu từ ngày 87 tháng 1 đến tháng 6 năm 2000 bao gồm
toàn bộ giai đoạn của dữ liệu VentureOne. Tuy nhiên, hầu hết các khoản đầu tư VC tập trung
vào phần sau của giai đoạn này, vì vậy tôi trình bày lợi nhuận của chỉ số S&P từ ngày 91 tháng
1 đến ngày 200 tháng 6 để phù hợp hơn so sánh. Khoảng thời gian này là tốt một cách đáng kinh
ngạc đối với các cổ phiếu được giao dịch công khai.)
Độ lệch chuẩn của các lần trả về log khá lớn, 98%; lớn hơn nhiều so với độ lệch chuẩn
khoảng 10% của S & P500. Đây là những cổ phiếu riêng lẻ, và vì vậy chúng tôi kỳ vọng chúng sẽ
khá biến động so với danh mục đầu tư đa dạng như S & P500. Sự biến động của các cổ phiếu giao
dịch công khai lớn riêng lẻ thường là 50% và giá trị cao tới 93% không phải là hiếm đối với
các cổ phiếu NASDAQ tăng trưởng nhỏ.
Cũng nên nhớ rằng độ lệch chuẩn 93% là độ lệch chuẩn tức thời được tính hàng năm. Nó có thể
dễ tiêu hóa hơn là 93 / √365 = 4,9% mỗi ngày.
Tác động chính của sự biến động cao là mang lại cho các khoản đầu tư VC một lợi tức trung
bình số học cao một cách đáng ngạc nhiên. Lợi tức số học trung bình là một con số khổng lồ
56,9%, với độ lệch chuẩn là 119%. Để có được CAPM để giải thích lợi tức số học trung bình cao
như vậy, sử dụng lãi suất 5%, chúng ta cần β = (56,9 - 5) / (17,6 - 5) = 4,1
Tham số đòn bẩy k là khoảng 5,4%. Cho dù được hiểu là đòn bẩy thực tế, hay sự sụt giảm giá
trị cần thiết để các nhà đầu tư từ bỏ, đây là một con số thấp, nhưng hợp lý. Trên thực tế,
các công ty này không có nhiều nợ và các nhà đầu tư VC có khả năng bám vào đó và chờ đợi khoản
thanh toán cuối cùng.
Tất cả các sai số tiêu chuẩn được tính toán từ các dẫn xuất thứ hai của hàm mui xe likeli.
Sai số chuẩn của lợi tức trung bình là trường hợp thú vị duy nhất, vì những sai số khác đều
rất nhỏ so với ước tính của chúng. Lợi tức trung bình dường như được đo lường khá tốt. Tuy
nhiên, tôi chưa tính đến bất kỳ mối tương quan chéo nào trong kết quả trả về. Sai số tiêu
chuẩn này coi mỗi công ty trong số 16720 công ty là những quan sát độc lập.
Sự thiếu hụt này không làm sai lệch các ước tính, nhưng nó có thể dẫn đến sai số tiêu chuẩn
lạc quan. Một nguồn gốc của mối tương quan là có một số vòng trong mỗi công ty; Tôi giải quyết
vấn đề này bằng cách chia ra các vòng riêng biệt bên dưới. Yếu tố quan trọng nhất khác của mối
tương quan chéo có thể là sự phụ thuộc vào các thành phần chung, bao gồm lợi nhuận thị trường
và lợi nhuận trên các danh mục yếu tố khác (cổ phiếu nhỏ, tăng trưởng / giá trị, trung bình
ngành, v.v.). Sai số tiêu chuẩn của lợi tức thị trường trung bình là chủ đề của toàn bộ tài
liệu; ước tính hợp lý của phần bù vốn chủ sở hữu nằm trong khoảng từ 2% đến hơn 10%, thậm chí
dựa trên dữ liệu hàng trăm năm. Do đó, đối với lợi tức trung bình trong Bảng 5, hãy thêm hoặc
bớt ý kiến của bạn về cách lợi nhuận sau thị trường cũ trong 10 năm qua đã khác với lợi tức
trung bình thực sự như thế nào; đối với sai số tiêu chuẩn, hãy thêm ý tưởng của bạn về sự
không chắc chắn trong lợi nhuận thị trường trung bình. Cuối cùng, đơn giản hóa mô hình có thể
là một nguồn không chắc chắn lớn hơn nhiều so với các chi tiết kinh tế lượng.
20
S & P500 Các ngành nghề Vòng tài trợ

Tất cả các 87-00 91-00 Thông tin sức khỏe Bán lẻ Khác 123 4
µ std. sai 5,17

0,66 15,7 17,6 11,0 3,13 5,12 -3,03 7,76 0,90 7,88 5,09 6,52 2,20
3,13 0,62 11,3 9,4 2,51 1,58 45,6 18,6
48,4 0,99 1,20 1,30 2,32
σ 98.0 49,8 17,2 19,7 24,1
13,0 108 122 33,2 105 98,2 76,9 80,3
E (R) 56,9 σ 11,3 53,6 33,2 1,02 69,1 77,4 1,03 68,6 57,0 37,7 36,0
(R) 119 k (%)

5,4 3,78 137 160 3,6 3,78 133 119 87,33 91,2
0,92 4,17 2,6 0,970,70 3,6 5,4 14,9 12,1

một 3,96 5,7 1,05 1,14 1,14 1,11
b 4,24 3,45 3,10 2,82
c 0,95 0,96 0,94 0,96 0,94 0,93 0,97 0,98 0,96
d 0,52 0,54 0,53 0,46 0,27 0,41 0,54 0,63 0,68
N 16720 3917 9232 3129 442 7720 4494 2455 1236
Bảng 5. Ước tính khả năng xảy ra tối đa. µ và σ mô tả bên dưới
tăng trưởng nằm của giá trị, ln ³Vt + 1 Vt ¥ òN (µ, σ2). Tôi báo cáo 400 × µ và 200 × σ
vì vậy các đơn vị là tỷ lệ phần trăm hàng năm. E (R) và σ (R) mô tả mức tương
ứng chứ không phải trả về log, E (R) = 400 × (exp (µ + 1 / 2σ2) 1)
và σ (R) = 200 × ³ E (R) √ eσ2 - 1 ¥ . k là giá trị giới hạn tại đó

dự án bị phá sản, và có thể được hiểu là giá trị của khoản nợ;
dự án ngừng hoạt động khi Vt ≤ k. a và b mô tả
xác suất công khai (hoặc được mua lại) dưới dạng một hàm giá trị,
Pr (ipo | Vt, Vt > X) = (1 + e a (V b) ) 1. c là một phần của việc kinh doanh
các công ty mà chúng tôi có dữ liệu tốt và d là phần ipo / có được
các công ty mà chúng tôi có dữ liệu tốt. ìHealthî bao gồm lọ Biopharmaceuti,
Chăm sóc sức khỏe, Thiết bị y tế, IS y tế và Y tế khác. ìInfoî
bao gồm Truyền thông, Điện tử, Dịch vụ Thông tin, CNTT khác,
Chất bán dẫn và phần mềm. ìRetail, svc.î bao gồm các sản phẩm Sản xuất tiêu
dùng, Dịch vụ tiêu dùng, Nhà bán lẻ.
Tất cả Thông tin Sức khỏe Bán lẻ Khác 1234
σ 1,0 1,3 1,4 3.5 3,6 1,7 1,7 1,8 3,2

k 0,3 1,8 a 0,3 0,5 4,4 0,4 0,03
0,5 1,2 2.0
0,02 0,06 b 0,02 0,01 0,21 0,04 0,07 0,09
0,08 0,18 0,08 0,08 0,68 0,10 0,11 0,16 0,21
Bảng 6. Sai số tiêu chuẩn đối với các tham số ước lượng khác µ.
21
So sánh đồ thị với dữ liệu
Hình 10 trình bày xác suất ước tính của việc niêm yết cổ phiếu mỗi quý dưới dạng một hàm
giá trị. Khi công ty tăng giá trị e3 = 20, công ty có khoảng 30% cơ hội niêm yết cổ phiếu mỗi
quý, hoặc 61% cơ hội ra công chúng trong một năm, điều này có vẻ hợp lý. Tuy nhiên, chức năng
thực sự khá phẳng; trục hoành bao gồm toàn bộ phạm vi lợi nhuận có thể có. Giá trị log là 6
tương ứng với 100 × (e6 - 1) = 40, 243% lợi nhuận. Độ phẳng này là cần thiết để tạo ra sự phân
tán rộng mà chúng ta thấy khi quay lại ipo. Nếu mọi công ty niêm yết cổ phiếu tại thời điểm
giá trị của nó tăng lên 20, thì độ lệch chuẩn của lợi nhuận đối với ipo sẽ bằng 0, không phải
3.000%.
Hình 10: Xác suất ước tính của việc công khai dưới dạng một hàm của giá trị log. Giá trị nhật ký được
biểu thị bằng đơn vị phần trăm, tức là giá trị nhật ký 100 ×.
Hình 11 trình bày xác suất dự đoán của các mô hình rằng một dự án sẽ kết thúc ở các trạng
thái thoát khác nhau như một hàm số tuổi của nó. So sánh biểu đồ này với Hình 2, bạn có thể
thấy rằng mô hình theo dõi các cấu hình độ tuổi tương ứng trong dữ liệu khá tốt.
Hình 12 trình bày các dự đoán của mô hình đối với việc phân phối lợi nhuận nhật ký tại
ipo / chuyển đổi, được sắp xếp theo loại tuổi. Đường cong đạt đỉnh nhất là đường chân trời 3 tháng.
Các đường cong dịch chuyển sang bên phải tại 6 tháng, 9 tháng, và sau đó là 1, 2, 3, ... 14
năm chân trời. Bạn có thể thấy rằng lợi nhuận trung bình và độ lệch chuẩn của lợi nhuận ban
đầu tăng theo đường chân trời, nhưng sau đó lợi nhuận giảm xuống một phân phối không đổi độc
lập với đường chân trời.
Có hai hiệu ứng bù trừ. Nếu xác suất công khai không phải là một hàm của giá trị, thì phân
phối trả về sẽ dịch chuyển sang phải và trải rộng theo đường chân trời. Đây là hiệu ứng chi
phối đối với các đường chân trời ngắn. Như bạn có thể thấy trong Hình 10, trong phạm vi giá
trị từ -100% đến 100%, xác suất để
22
Hình 11: Xác suất tích lũy của các trạng thái thoát khác nhau như một hàm của tuổi đầu tư.
Ví dụ, đường ìipoî cho cơ hội được công khai hoặc có được vào hoặc trước tuổi cho trên
trục hoành.
Hình 12: Các dự đoán của mô hình về việc phân phối lợi nhuận nhật ký cho ipo / chuyển đổi.
Mỗi đường cong đại diện cho một đường chân trời. Đường cong cao nhất cung cấp lợi nhuận
chắt lọc cho các dự án kết thúc một quý sau khi bắt đầu. Di chuyển xuống và sang phải, các
đường cong là 6 tháng, 9 tháng, và sau đó là 1,2,3, ... 14 năm.
công chúng không phải là một chức năng mạnh mẽ của giá trị. Do đó, về cơ bản chúng ta thấy
quá trình giá trị cơ bản ở đây mà không có sự thiên vị lựa chọn mạnh mẽ. Tuy nhiên, một
khi giá trị có thời gian tăng lên đến mức 200% -400% khiến cho một ipo ngày càng có khả
năng xảy ra trong Hình 10, thì phân phối lợi nhuận bị chi phối bởi xác suất thành công.
Việc phân phối lợi nhuận cho ipo tiếp cận một hằng số, không phụ thuộc vào đường chân trời,
khi đường chân trời dài ra.
23
So sánh Hình 12 với Hình 8, bạn có thể thấy rằng mô hình thực hiện một công việc tuyệt vời
trong việc khớp các phân phối trả về, cả về mặt định lượng và chất lượng. Lợi tức nhật ký 3
năm của phương thức là khoảng 150%, giống như trong Hình 8. Biểu đồ này xác nhận rằng hoàn
toàn phù hợp khi có mức tăng trưởng trung bình thấp (5,2%) của giá trị nhật ký như vậy, trong
khi lợi nhuận điển hình của ipo là rất lớn.
Cơ cấu ngành
Tập hợp các cột ở giữa của Bảng 5 trình bày cùng một ước tính được chia nhỏ theo danh mục
ngành. Điều thú vị là ngành y tế (bao gồm cả công nghệ sinh học) tạo ra lợi tức log trung bình
cao hơn và độ lệch chuẩn thấp hơn so với lĩnh vực công nghệ thông tin. Tuy nhiên, độ lệch chuẩn
cao hơn đối với CNTT mang lại cho nó một giá trị trung bình số học lớn hơn nhiều. Một phần của
sự khác biệt giữa y tế và CNTT đến từ việc cắt giảm kinh doanh lớn hơn k trong lĩnh vực y tế.
ML nhận thấy tốt hơn nên ghép đuôi thấp hơn với điểm cắt cao hơn so với độ biến động cao hơn
và điểm cắt thấp hơn. Bán lẻ có giá trị trung bình âm tính thực tế thậm chí còn thấp hơn, nhưng
độ lệch chuẩn thậm chí còn lớn hơn, mang lại cho nó lợi tức trung bình số học lớn nhất trong
nhóm. Vì mức độ trung bình số học gần như hoàn toàn đến từ sự biến động chứ không phải trung
bình hình học, do đó sự khác biệt về phương tiện số học gần như hoàn toàn đến từ sự khác biệt
về độ biến động.
Các tham số a và b chi phối vị trí của xác suất giao dịch công khai. a luôn gần một. Khi b
tăng, đường cong được vẽ trong Hình 10 sẽ phẳng. Điều thú vị là các quyết định niêm yết cổ
phiếu của ngành bán lẻ dường như là một hàm giá trị ít nhạy cảm hơn nhiều so với các ngành khác.
Phân tích vòng tài chính
Tập hợp các cột cuối cùng trong Bảng 5 chia nhỏ ước tính theo vòng tài trợ.
Thật thú vị khi xem các vòng thi thứ nhất, thứ hai, thứ ba,… có những đặc điểm khác nhau.
Ngoài ra, sự phân tích này cho phép chúng tôi kiểm tra một nguồn gốc của các vấn đề thống kê,
mối tương quan của lợi nhuận qua các vòng trong cùng một công ty.
Nhật ký trung bình trả về giảm trong các vòng tiếp theo, mặc dù mô hình này nằm trên ranh
giới có ý nghĩa. Sự biến động cũng giảm; sự biến động thấp hơn có nghĩa là lợi nhuận số học
trung bình giảm xuống. Điểm phá sản k. Điều này cho thấy rằng các vòng sau ít rủi ro hơn các
vòng ban đầu.
Tham số b giảm đáng kể khi chúng ta chuyển sang các vòng sau.
Có thể hợp lý rằng các vòng sau là các dự án ít người trưởng thành hơn, vì vậy các nhà đầu
tư không gắn bó với chúng qua nhiều khó khăn ban đầu như họ làm trong vòng đầu tiên. Điều này
cũng có ý nghĩa: các vòng sau yêu cầu giá trị gia tăng thấp hơn trước khi công khai.
Sai số chuẩn của giá trị trung bình trong vòng đầu tiên (0,99) lớn hơn khoảng 1/3 so với
sai số chuẩn của tất cả các vòng lấy cùng nhau (0,66), sử dụng ít hơn một nửa số điểm dữ liệu.
Điều này cho thấy rằng các sai số tiêu chuẩn được tính toán bỏ qua mối tương quan giữa nhiều
vòng trong cùng một công ty không phải là các đơn hàng có độ lớn quá lạc quan.
24
5.2.2 Alphas và betas
Bảng 7 trình bày các ước tính về khả năng xảy ra tối đa của mô hình thị trường trong nhật ký,
t + δ (ln Rm - ln Rf t ) + εt + .
t +
ln µVtVt+ ¶ = γ + ln Rf
Tôi đã sử dụng ba danh mục đầu tư tham chiếu, S & P500, Nasdaq và phân đoạn Nasdaq nhỏ
nhất. Mặc dù các mô hình sau không phải là CAPM, chúng ta có thể sử dụng chúng để so sánh
hiệu suất của vốn cổ phần tư nhân với danh mục các cổ phiếu được giao dịch công khai tương
đương. Ta ble 8 trình bày các ước lượng ít thú vị hơn của k (ngưỡng phá sản), a, b (xác
suất niêm yết công khai dưới dạng một hàm giá trị). Các ước lượng ưa thích được đánh dấu
"Cuối của mẫu" trong cột "Ngày xuất". Tôi tập trung vào những thứ đó trước, và giải thích
sự khác biệt sau.
So với S & P500, các khoản đầu tư mạo hiểm có điểm số hồi quy khiêm tốn γ =
2,7% và hệ số hồi quy δ = 0,80. (Mặc dù mô phỏng là hàng quý, tôi biểu thị tất
cả lợi nhuận dưới dạng tỷ lệ phần trăm hàng năm.) So sánh kết quả này với Bảng 3,
chúng ta thấy rằng việc điều chỉnh sai lệch lựa chọn tạo ra sự khác biệt quan trọng.
Trong Bảng 3, hồi quy trong các bản ghi cho thấy mức chặn γ là 92% với hệ số hồi
quy δ là 0,37. Vì độ biến động vô điều kiện quá lớn, nên không có gì ngạc nhiên
khi phần dư cũng lớn, với độ lệch chuẩn 97%.
Ba cột tiếp theo của Bảng 7 cung cấp hệ số chặn và hệ số hồi quy ngụ ý cho CAPM ở các
mức. Trong giới hạn thời gian liên tục, β = δ, nhưng giao điểm α khác với γ, vì vậy tôi báo
cáo phép tính đó là αc. Nếu chúng ta sử dụng mô hình tiên lượng thời gian rời rạc, cả α và β
đều khác với γ và δ, và tôi báo cáo phép tính đó là αd và βd . (Tôi lấy các công thức trong
Phụ lục.) Sự khác biệt chính giữa nhật ký và cấp độ là các điểm chặn ở các cấp độ, α, thêm
1/2σ2 vào các điểm chặn trong nhật ký, γ, cũng giống như lợi nhuận trung bình số học cộng
1/2σ2 vào hình học trung bình. Kết quả là, mặc dù các lần chặn nhật ký là âm, khi chúng tôi
thêm gần 1/2 độ lệch chuẩn gần 100% vào chúng, chúng tôi thu được các lần chặn lớn đáng kinh
ngạc ở các mức, khoảng 40%.
Kết quả bằng cách sử dụng tổng trở lại NASDAQ và phân đoạn nhỏ nhất của NASDAQ
tương tự một cách đáng ngạc nhiên với kết quả sử dụng S & P500, do các chỉ số này có
mối tương quan khá kém. Lợi tức trung bình của NASDAQ lớn hơn một chút, do đó, với
cùng một phiên bản beta, các mức chặn nhỏ hơn một chút.
25
Mục lục Ngày xuất cảnh γ (se) δ (se) σ (se) αc αd (2,5) βd
Cuối mẫu -7,1 (1,2)

Cuối
0,90
mẫu(0,02)
-2,7 (0,8)
95,2 Nasdaq
0,80 (0,002)
nhỏ Cuối
97,3
mẫuS -4,3
& P500
(1,0)
Nasdaq
0,71 44,4 47,6 0,88
(0,02) 96,0 S & P500
1,165,3 (1,3)80,4
(0,02) 0,92Nasdaq
( 0,04) 91,6
Trên Trên
hoặc hoặcNasdaq
trước trước nhỏ
5,9 Trên
(0,9) (2,5) 38,0 40,4 0,98
hoặc trước 3,5 (0,3) 0,67 (0,02) 90,9 S & P500 Như là 6,5 (1,2) -0,38 (0,04) (2,5) 40,8 43,6 0,77
(2,1) 47,5 51,1 1,03
(3,0) 38,8 41,1 1,29
(2,4) 43,7 46,9 0,73
101,2 (2,4) 58,3 63,5 -0,43
Bảng 7. Ước tính khả năng xảy ra tối đa của mô hình
t + γ + δ (ln Rmt + - Trong Rf

t ) + εt + .
ln µVtVt
+ ¶ = ln Rf
γ, σ và α được trình bày dưới dạng đơn vị tỷ lệ hoàn vốn hàng năm. Các tham số của CAPM
ngụ ý ở các mức αc, αd , βd được tính bằng (11)
(13) (12), được trình bày trong phần phụ lục. ìEnd của các ước lượng sampleî bỏ qua
ngày hết hạn kinh doanh; họ tính toán khả năng xảy ra từ xác suất
rằng một công ty đã ngừng kinh doanh vào một thời điểm nào đó trước khi kết thúc
vật mẫu. ì Vào hoặc trước khi ước tính coi ngày hết hạn kinh doanh là một
giới hạn trên; họ tính toán khả năng xảy ra từ xác suất
công ty đã ngừng kinh doanh vào một thời điểm nào đó vào hoặc trước khi báo cáo
hết hạn kinh doanh. ì Như các ước tính của isî coi ngày hết hạn kinh doanh là
có thật; họ sử dụng xác suất rằng công ty đã ngừng kinh doanh trong
quý báo cáo.
Chỉ Ngày xuất cảnh k (%) se một se b se

số S & Cuối mẫu 9,8 Cuối mẫu (0,6) 0,78 (0,03) 4,79 (0,14)
P500 10,9 (0,6) 0,76 (0,04) 4,93 (0,16)
Nasdaq Nasdaq nhỏ Cuối mẫu 9,8 S & (0,6) 0,82 (0,03) 4,59 (0,11)
P500 Trên hoặc trước
Trên 18,1
hoặc Nasdaq
trước (0,6) 0,50 (0,09) 7,25 (0,61)
Nasdaq nhỏ Trên hoặc
Nguyên
trước
trạng
S & P500
30,0 (0,8) 0,25 (0,06) 14,0 (0,71)
16,5 (0,6) 0,65 (0,02) 5,70 (0,11)
6.0 (0,3) 0,87 (0,02) 4,33 (0,89)
Bảng 8. Ước tính khả năng xảy ra tối đa của các thông số còn lại
đối với mô hình được mô tả trong Bảng 7. k là giá trị giới hạn cho việc đi ra
của doanh nghiệp và a và b mô tả xác suất ra công chúng là
chức năng của giá trị. Đối với tất cả các lần chạy, các tham số mô tả xác suất
quan sát dữ liệu tốt được đưa ra từ hoạt động kinh doanh và ipo / mua lại là c =
0,95, d = 0,51
26
Bảng 9 trình bày phân tích kết quả theo vòng tài trợ. Như thường lệ, nhật ký
chặn là nhỏ. Điều thú vị là độ dốc hồi quy δ và β giảm đồng đều
từ gần một đến gần bằng không khi chúng tôi tiến tới các vòng tài trợ sau này. Tài trợ sau này
vòng ít nhạy cảm hơn nhiều với các điều kiện thị trường. Sự biến động còn lại cũng
giảm dần khi chúng tôi chuyển sang các vòng tài trợ sau. Tuy nhiên, các alpha cũng giảm
một số giảm trong lợi nhuận số học dự kiến cho các vòng tài trợ sau đó là
chống lại bởi một phiên bản beta giảm, vì vậy alpha không giảm nhiều như mong đợi
lợi nhuận đã làm. K giới hạn cho việc từ bỏ một dự án tăng lên như họ đã làm trước đây;
các nhà đầu tư bỏ cuộc sớm hơn vào các vòng sau. Một lần nữa, phát hiện này được liên kết với phát hiện
của độ biến động thấp hơn.
Vòng γδ σ 1 0,89 99,0 αc αd 49,7 k một b cd

βd
0,5 53,7 1,004 9,0 0,98 4,47 0,93 0,41
(se) (1,5) (0,05) (3,0) (0,6) (0,02) (0,07)

2 -4,2 0,70 100,4 46,0
49,4 0,78 8,2 1,06 6,62 0,97 0,54
(se) (1,3) (0,02) (3,5) (0,6) (0,45) (0,13)

3 -0,74 0,38 82,1 32,7 34,6 0,41 16,5 1,01 3,35 0,98 0,63
(se) (2,8) (0,07) (4,28) (1,0) (0,07) (0,21)

4 0,98 0,17 86,8 38,5 41,0 0,18 16,5 0,85 3,57 0,96 0,68
(se) (3,5) (0,12) (3,5) (0,3) (0,11) (0,36)
Bảng 9. Các ước tính của mô hình thị trường gỗ tròn được chia nhỏ theo nguồn tài chính
các vòng. Đặc điểm kỹ thuật là
+ γ + δ (ln Rm - Trong Rf
t t + t ) + εt + .
ln µVtVt+ ¶ = ln Rf
Mỗi trường hợp sử dụng lợi nhuận S & P500 cho Rm và tỷ lệ hóa đơn T trong ba tháng
cho Rf . Tất cả các ước tính đều bỏ qua ngày làm việc, tức là tính toán
xác suất ngừng kinh doanh vào hoặc trước khi kết thúc mẫu.
Sự thật cách điệu đằng sau các ước tính và xử lý các ngày không hoạt động kinh doanh
Hàng cuối cùng của Bảng 7 và 8 mô tả ước tính tự nhiên nhất. Khi một công ty
ngừng kinh doanh, tôi tính toán khả năng xảy ra trong các hàng này từ xác suất
công ty ngừng kinh doanh vào ngày được báo cáo. Tuy nhiên, ước tính này tạo ra
beta âm là -0,38! Trước khi chấp nhận ước tính này, chúng ta cần xem
thực tế thúc đẩy nó, cũng như ước tính thành công hơn.
Hình 13 trình bày tỷ lệ phần trăm các vòng đấu nổi bật được công khai mỗi kỳ,
cùng với lợi tức của năm trước trên S & P500. Bạn có thể thấy rõ ràng
mô hình ó các công ty niêm yết trên thị trường. Mô hình này sẽ tạo ra một phiên bản beta tích cực
ước tính thị trường đang tăng và một phiên bản beta tích cực đẩy nhiều công ty vượt qua ranh giới để đạt được ipo.
Thực tế này nằm sau ước tính beta dương trong Bảng 3, chỉ sử dụng ipos.
Hình 14 trình bày biểu đồ tương ứng cho các công ty được mua lại. Đây,
27
mô hình yếu hơn nhiều. Tuy nhiên, ước tính kết hợp giữa chuyển đổi và ipos, vì vậy chúng tôi không
thấy lời giải thích cho ước tính beta âm. Hình 15 trình bày tỷ lệ không hoạt động kinh doanh. Ở đây
chúng ta thấy một mô hình đáng ngạc nhiên. Dữ liệu ghi lại hai làn sóng khổng lồ của các công ty
ngừng kinh doanh. Hơn nữa, những làn sóng này đến sau lợi nhuận thị trường tích cực. Trong mô hình,
các công ty ngừng kinh doanh khi giá trị của họ giảm xuống dưới k. Đây là thực tế được cách điệu
đằng sau ước tính beta âm.
Hình 16 đào sâu hơn một chút và cho thấy phần nhỏ của các vòng ngừng hoạt động vào hoặc trước
mỗi ngày. Như hình cho thấy, một phần lớn các vòng ngừng hoạt động trong hai tuần, một vào tháng 2
năm 1995 và một vào tháng 9 năm 1997. Điều này có vẻ đáng ngờ giống như một lỗi dữ liệu. 25% tất cả
các khoản đầu tư mạo hiểm được thực hiện từ năm 1987 đến tháng 6 năm 2000 ngừng hoạt động. trong
một tuần duy nhất vào tháng 9 năm 1997?
Tuy nhiên, các cuộc trò chuyện với VentureOne đã không giúp chúng tôi tìm ra câu chuyện đằng sau
những cuộc hẹn hò đáng ngạc nhiên này.
Chúng tôi có thể coi dữ liệu về những ngày không hoạt động kinh doanh như một giới hạn trên -
công ty đã ngừng kinh doanh vào hoặc trước ngày được chỉ định. Có lẽ VentureOne đã bắt kịp tình
trạng hết hàng trong hai đợt sóng lớn. Các ước lượng "Trên hoặc trước" của Bảng 7 và 8 xử lý ngày
tháng theo cách này. Các mức chặn kết quả có phần cao hơn, thay đổi từ khoảng âm 5% đến khoảng 5%
tích cực. Các độ bay vẫn còn lớn vì vậy các khoảng chặn ngụ ý ở các cấp độ vẫn còn rất lớn.
Tuy nhiên, chúng tôi đã học được từ các cuộc trò chuyện với VentureOne rằng khi không có thông
tin ngày nào khác, họ báo cáo ngày hết hạn làm việc là ngày cuối cùng mà công ty được biết là hoạt
động kinh doanh. Điều này cho thấy rằng ngày không phải là một giới hạn trên, vì vậy tất cả những
gì chúng ta thực sự biết là công ty đã ngừng kinh doanh tại một thời điểm nào đó trong mẫu. Các ước
tính được đánh dấu “End of sampleî xử lý các ngày hết hạn kinh doanh theo cách này.
Thật đáng tiếc nếu bỏ qua quá nhiều thông tin mẫu về thời điểm một công ty ngừng kinh doanh.
Đặc biệt, khi các nghiên cứu như nghiên cứu này được kéo dài sang giai đoạn gần đây, trong đó NASDAQ
giảm mạnh và kéo theo làn sóng các công ty ngừng kinh doanh, thông tin này sẽ được tinh chỉnh và có
thể thay đổi đáng kể các ước tính của chúng tôi về cả độ dốc và điểm chặn. Tuy nhiên, rõ ràng là
một nhà nghiên cứu sẽ phải dành nhiều công sức để đo lường những ngày mà các công ty ngừng kinh
doanh để sử dụng thông tin đó.
28
Hình 13: Tỷ lệ phần trăm các vòng quay nổi bật được công khai mỗi quý và các năm
trước đó trở lại trên S & P500.
Hình 14: Tỷ lệ phần trăm các vòng chưa trả có được mỗi quý cùng với lợi nhuận của năm
trước trên S & P500
29
Hình 15: Phần nhỏ của các vòng kinh doanh chưa hoàn thành mỗi quý, cùng với lợi
nhuận S & P500 của năm trước.
Hình 16: Phần trăm số vòng đã ngừng hoạt động vào mỗi ngày (đường liền nét) và
phần trăm số vòng đã được công khai vào mỗi ngày (đường đứt nét).
30
6 Hàm ý
Giá trị trung bình, phương sai và hệ số chặn của lợi nhuận nhật ký là hợp lý, nhưng sự biến động
làm phát sinh lợi nhuận trung bình số học và alphas lớn. Tôi xem xét ở đây điều này có nghĩa là
gì, làm thế nào nó có thể xuất hiện theo cách khác, và những gì nó có hoặc không ngụ ý.
Phương tiện không thể tránh khỏi, sự biến động và alphas
Hình 17 cho thấy phân phối của một lognormal với log trả về trung bình µ = 0 và σ = 100%. Lợi
tức số học trung bình là 100 × (e1 / 2 - 1) = 64%. Như bạn có thể thấy, ý nghĩa đó đến từ xác
suất mất tiền rất lớn và xác suất thu được lợi nhuận nhỏ hơn nhiều. Các khoản đầu tư VC rất giống
các quyền chọn.
Sự biến động là tốt - nó làm tăng cơ hội thu được lợi nhuận lớn, mà không làm tăng đáng kể cơ hội
thu hồi vốn kém. Bạn không thể làm tệ hơn là mất khoản đầu tư ban đầu.
Hình 17: Phân phối của một trả về chuẩn mực với trả về log trung bình µ = 0 và độ lệch stan dard
của trả về log σ = 100%. Đường thẳng đứng hiển thị số học trung bình
trở về.
Với con số này trong tâm trí, chúng ta có thể nghĩ về cách các ước tính có thể có kết quả khác
nhau. Một khả năng là chúng tôi có thể ước tính lợi nhuận nhật ký dự kiến âm từ 40 đến 50%. Sự
thay đổi này sẽ làm giảm đỉnh của Hình 17 về bên trái nhiều hơn. Các khoản đầu tư VC không mất
tiền khá thường xuyên. Quá trình như vậy sẽ dẫn đến thất bại thường xuyên hơn, đó là lý do tại
sao ước tính ML ổn định ở một giá trị cao hơn. Để kiểm tra, tôi đã bắt đầu ước tính với lợi tức
nhật ký trung bình âm 50% và nó trở lại các ước tính tương tự.
Tôi đã thử chỉ định một phân phối chuẩn thay vì một phân phối chuẩn, trong trường hợp này,
trung bình số học và hình học giống nhau. Đặc điểm kỹ thuật này hoàn toàn trái ngược với dữ liệu.
Có một vài điểm dữ liệu có lợi nhuận ngoạn mục trong một khoảng thời gian ngắn. Ví dụ, một vòng
dẫn đến hệ số giá trị tăng 290 (29.000%) trong 3 tháng. Sự kiện hiếm gặp như vậy có thể xảy ra
với lognormal ó ln (290) = 5,6, là 11 độ lệch chuẩn trên 0 với độ lệch chuẩn 0,5 hàng quý. Nhưng
mà
31
một sự kiện như vậy vượt xa phạm vi mà chúng ta thậm chí có thể tính toán xác suất với
phân phối chuẩn, trừ khi chúng ta tăng độ biến động lên hàng nghìn phần trăm. Nhưng nếu
chúng ta nâng mức độ biến động lên nhiều như vậy, thì một nửa số dự án nổi bật phải trải
qua từng giai đoạn, và dữ liệu không cho thấy điều này. Cần phải có một lognormal, hoặc
thậm chí là một phân phối có đuôi dài hơn, để thu được lợi nhuận dương ấn tượng không
thường xuyên và số lượng lỗi có hạn trong dữ liệu.
Nếu độ biến động thấp hơn, các số trung bình số học sẽ giống như các số trung bình
hình học hợp lý hơn nhiều. Sự biến động được xác định bởi tốc độ mà các dự án phá sản
hoặc phá sản, cũng như mức độ lợi nhuận khi các dự án được công khai .. Ở một mức độ nào
đó, ML giao dịch sự biến động để ước tính giới hạn dưới k. Ví dụ, tại dự đoán ban đầu của
tôi cho điểm phá sản k = 30%, ước tính tốt nhất về sự biến động là khoảng 60% chứ không
phải 100%. Điểm phá sản cao hơn sau đó khôi phục xác suất phá sản. Tuy nhiên, khả năng
tổng thể, khớp với xác suất thoát ở tất cả các chân trời khác nhau, sẽ lớn hơn nếu người
ta sử dụng mức độ biến động lớn hơn và mức giới hạn thấp hơn nhiều k = 5,4%.
Ước tính biến động cao cũng gần như không thể tránh khỏi do lợi nhuận trung bình và
biến động cao khi có ipo. Sự kết thúc ipo của sự thiên vị lựa chọn làm giảm sự biến động
của lợi nhuận quan sát được so với lợi nhuận thực sự. Nếu mọi công ty niêm yết công khai
với mức sinh lời 1.000%, thì độ lệch chuẩn của lợi nhuận quan sát được bằng 0, bất kể độ
lệch chuẩn của lợi nhuận thực tế là bao nhiêu. Trong những trường hợp khiêm tốn hơn, chẳng
hạn như Hình 1, phân phối trả về thực sự bị bóp nghẹt bởi xác suất công khai. Do đó, độ
lệch chuẩn 138% của nhật ký trả về ipo mà chúng ta đã thấy trong dữ liệu gần như chắc
chắn sẽ tạo ra độ lệch chuẩn tương tự trong mô hình. Với logic này, nếu có bất kỳ điều
gì đáng ngạc nhiên là chúng tôi khôi phục ước tính biến động thấp hơn 138%. Xác suất ước
tính của việc niêm yết cổ phiếu ra công chúng là một hàm giá trị tăng chậm một cách đáng ngạc nhiên.
Nếu chúng tôi ước tính hoặc áp đặt một hàm tăng mạnh hơn (ví dụ: bằng cách tách ipos và
mua lại), điều này sẽ làm giảm độ biến động đo được do độ biến động cơ bản và do đó yêu
cầu ước tính biến động cơ bản thậm chí cao hơn.
Tóm lại, để phù hợp với lợi nhuận ngoạn mục không thường xuyên, một phần hạn chế do
ngừng kinh doanh và sự biến động lớn của lợi nhuận đối với ipo, sự biến động lớn là không
thể tránh khỏi, phân phối lệch là không thể tránh khỏi và lợi nhuận nhật ký trung bình
thấp hơn đáng kể là khá không chắc. Khả năng duy nhất khác là bản beta thực sự là một cái
gì đó giống như 3 chứ không phải là 1 mà tôi đã ước tính. Ở đây, việc bỏ qua ngày mà các
công ty ngừng kinh doanh là điều đặc biệt đáng tiếc. Nếu mô hình đúng, được đo lường chính
xác, cho thấy nhiều thất bại sau khi thị trường suy giảm, thì ước tính beta về cơ bản sẽ
được tăng lên. Các nghiên cứu trong tương lai có dữ liệu tốt hơn và có thể bao gồm sự cố
NASDAQ và ngừng hoạt động dot-com có thể giải quyết dựa trên các ước tính beta cao hơn.
Danh mục đầu tư
Ý nghĩa danh mục đầu tư của lợi nhuận kỳ vọng lớn và alphas không quá rõ ràng
như họ có vẻ ban đầu, bởi vì sự biến động là rất lớn.
1. Một khoản đầu tư VC riêng lẻ không đặc biệt hấp dẫn, mặc dù
32
lợi nhuận trung bình và alphas. Trong mẫu của tôi, tỷ lệ Sharpe của một khoản đầu tư VC đơn lẻ xấp xỉ
một nửa tỷ lệ Sharpe của S & P500 trong cùng thời kỳ. Hơn nữa, một khoản đầu tư VC đơn lẻ không được
phân phối thông thường, như được kịch hóa trong Hình 17.
Tỷ lệ Sharpe là một cách không tốt để đánh giá các khoản đầu tư như vậy. Một nhà đầu tư tiện ích log
xếp hạng danh mục đầu tư trực tiếp bằng E (ln R). Lợi tức nhật ký trung bình của một khoản đầu tư VC
đơn lẻ bằng khoảng một nửa so với S & P500. (Bảng 5)
2. Việc thêm một khoản đầu tư VC đơn lẻ vào danh mục đầu tư thị trường không làm tăng đáng kể
hiệu suất, bởi vì sự biến động còn lại của các khoản đầu tư VC là quá lớn.
Để làm rõ vấn đề, Hình 18 tính toán tỷ lệ Sharpe trong mẫu của một khoản đầu tư vào S & P500 và một
vòng VC. Tỷ lệ Sharpe tối đa chỉ xảy ra với 4% tài sản được đặt vào công ty VC và hầu như không cao
hơn tỷ lệ Sharpe của riêng S & P500. Tất nhiên, lý do là sự biến động lớn của khoản đầu tư VC. Mặc dù
hệ số alpha là dương, do đó, một danh mục đầu tư tối ưu sẽ đặt một số trọng lượng lên khoản đầu tư VC,
ngay khi bạn đặt bất kỳ trọng số đáng kể nào vào khoản đầu tư đó, sự biến động của danh mục đầu tư sẽ
tăng lên đáng kể3.
3. Tất nhiên lời hứa của alpha là một danh mục đầu tư đa dạng gồm nhiều khoản đầu tư α cao sẽ
mang lại kết quả ngoạn mục. Nhưng bây giờ chúng ta đang ở trên mặt đất mỏng hơn. Nếu các phần dư độc
lập với nhau - nếu E (εiεj) = 0 ó thì người ta có thể đạt được tỷ lệ Sharpe cao tùy ý với một số
lượng đầu tư VC nhỏ vừa đủ.
Nhưng chúng tôi không biết điều này. Tôi không ước tính bất kỳ cấu trúc tương quan nào giữa các khoản
đầu tư VC. Rất có thể có một thành phần chung mạnh mẽ đối với các khoản đầu tư VC, do đó danh mục đầu
tư được đa dạng hóa tốt vẫn còn khá nhiều biến động. Vào mùa Thu năm 2000, nhiều khoản đầu tư VC đã
ngừng hoạt động kinh doanh cùng một lúc, và nhiều khoản đầu tư khác đã bị trì hoãn đáng kể, tất cả
cùng một lúc. Mùi của một thành phần thông thường là ở đó. Hơn nữa, các khoản đầu tư VC cho đến thời
điểm gần đây khá khó đa dạng hóa vì chúng được cấu trúc dưới dạng các quan hệ đối tác hạn chế.
4. Một khoản đầu tư mạo hiểm không có tính thanh khoản. Nếu thị trường đi xuống, không chỉ
3 Tôi đã tính toán Hình 18 là
E (Rp) - Rf
Tỷ lệ sắc nét =
σ (Rp)
E (Rp) - Rf = w £ E (R) - Rf § + (1 - w) £ E (RS&P ) - Rf § = wE
£ α + β (RS&P - Rf ) § + (1 - w) £ E (RS&P ) - Rf § wα + [wβ
+ (1 - w)] £ E ° RS&P ¢ - Rf §
σ (Rp) = σ £ wR + (1 - w) RS&P § =
σ £ w ° α + Rf + β (RS&P - Rf ) + ε ¢ + (1 - w) RS&P § = σ
£ (1 + w ( β - 1)) RS&P + wε § = q (1 + w (β - 1)) 2 σ2
(RS&P ) + w2σ2 (ε).
Tôi đã sử dụng các giá trị số cho α và β từ Bảng 7, các giá trị cho lợi nhuận S&P từ Bảng 5 và lãi
suất phi rủi ro 5%.
33
Hình 18: Tỷ lệ Sharpe đạt được khi đầu tư vào S & P500 và một vòng đầu tư mạo hiểm.
lợi nhuận thấp hơn, nhưng chúng có thể bị chậm trễ hơn. Lý thuyết danh mục đầu tư tiêu chuẩn với
đường chân trời cố định và / hoặc tài sản có thể giao dịch liên tục không nhất thiết phải áp
dụng, ngay cả khi alphas lớn.
7 Kết luận và mở rộng
Nói tóm lại, việc sửa sai lệch lựa chọn giải thích gọn gàng cho việc trả về nhật ký. Nó làm giảm
lợi nhuận trung bình của nhật ký từ 100% trở lên xuống còn 5% hợp lý; nó làm giảm mức chặn trong
mô hình thị trường gỗ tròn từ 93% xuống gần bằng không. Tuy nhiên, sự biến động lớn của lợi nhuận
log và hồi quy mô hình thị trường có nghĩa là lợi nhuận số học và alpha vẫn rất lớn, trong khoảng
40 đến 50%.
Có nhiều cách để công việc này có thể được mở rộng, mặc dù mỗi cách đều đòi hỏi sự đầu tư
đáng kể vào thời gian lập trình và máy tính. Mô hình của tôi về quy trình mua lại và ipo rất cách
điệu Tôi giả định rằng ipo, mua lại và ngừng kinh doanh chỉ là một chức năng của giá trị công ty
tại một thời điểm. Dễ dàng nhất, người ta có thể tách ipo và chuyển đổi, với chi phí (không đáng
kể) của hai tham số nữa. Tham vọng hơn, quyết định niêm yết cổ phiếu có thể phụ thuộc vào thị
trường cũng như giá trị của công ty cụ thể. Dường như có làn sóng ipos ở thị trường tốt, với giá
cao so với cổ tức, giá trị sổ sách hoặc thu nhập.
Mặc dù những làn sóng như vậy cũng sẽ nâng cao giá trị của một công ty cụ thể, nhưng có thể xảy ra trường hợp các
công ty có nhiều khả năng niêm yết cổ phiếu hơn, ngay cả với giá trị của chính họ, trên thị trường chứng khoán cao.
Cuối cùng, tác động của tuổi tác và ngành có thể xảy ra trong tất cả các quyết định này.
Nhiều yếu tố rủi ro là một khái quát rõ ràng, mặc dù với cách tiếp cận này, mỗi bộ hồi quy bổ
sung sẽ nhân thời gian mô phỏng lên đáng kể. Kết hợp
34
hai điều chỉnh, rủi ro (betas, độ lệch chuẩn) của công ty cũng có khả năng thay đổi khi
giá trị của nó tăng lên, như sự đột phá của vòng tài trợ cho thấy.
Triết lý mô hình hóa có thể được mở rộng để xem xét nhiều vòng trong cùng một công
ty một cách rõ ràng hơn. Tuy nhiên, xác suất cần các vòng bổ sung sẽ phụ thuộc vào giá
trị và các tham số khác, do đó, sửa đổi này cũng sẽ giới thiệu độ phức tạp phụ đáng kể
và các tham số phụ.
Quan trọng nhất, chúng tôi sẽ chỉ nhận được kết quả tốt hơn với dữ liệu tốt hơn. Việc
xác định ngày các công ty ngừng kinh doanh là rất quan trọng đối với thủ tục ước tính này.
8 Tài liệu tham khảo
Bygrave, William D. và Jeffrey A. Timmons, 1992, Đầu tư mạo hiểm tại Giao lộ
Boston: Nhà xuất bản Trường Kinh doanh Harvard.
Gompers, Paul A., và Josh Lerner, 1997, Nhận được và Phần thưởng trong Đầu tư Cổ
phần Tư nhân: Thử thách của Đánh giá Hiệu suất, Tạp chí Cổ phần Tư nhân (Mùa đông
1997): 5-12.
Gompers, Paul A., và Josh Lerner, 2000, “Giao dịch theo đuổi tiền bạc? Tác động của
dòng vốn quỹ lên định giá vốn cổ phần tư nhân, Tạp chí Kinh tế tài chính 55, 281-325.
Long, Autsin M. III, 1999, ì Độ biến thiên theo chu kỳ của thị trường tư nhân Lợi
nhuận được đo bằng σ từ kết quả của Phạm vi giá trị (Của cải) theo thời gian, Tạp chí
Vốn chủ sở hữu tư nhân 5, 63-96.
Moskowitz, Tobias J. và Annette Vissing-Jorgenson, 2000, “Vốn chủ sở hữu tư nhân

Câu đố cao cấp, Bản thảo, Đại học Chicago.
Reyes, Jesse E., 1997, "Ngành công nghiệp đấu tranh để tạo ra các công cụ để đo lường rủi ro, î
Tạp chí đầu tư mạo hiểm
Smith, Janet Kiholm và Richard L., 2000, Tài chính Doanh nhân New York: Wiley and
Sons
Kinh tế mạo hiểm, 2000, Thông cáo báo chí, ngày 1 tháng 5 năm 2000 tại www.ventureeconomics.com
35
9 Phụ lục
9.1 Chi tiết về lựa chọn dữ liệu
Chi tiết cấu tạo Hình 2 và Hình 3
Tôi đã xóa các vòng kết thúc bằng ipo, mua lại hoặc phá sản nếu họ bị thiếu ngày. Tôi
cũng loại bỏ các trường hợp trong đó ngày kết thúc sớm hơn ngày bắt đầu, các trường hợp không
xác định được số phận và ngày bắt đầu 19870101, mã cho tất cả các giá trị sớm hơn ngày này.
Để ước tính các phân số ở 4 tuổi, tôi bắt đầu với tất cả các vòng với ngày bắt đầu sớm
hơn 4 năm trước khi kết thúc mẫu - các vòng có cơ hội đạt được 4 tuổi trước khi kết thúc
mẫu . Phần ngừng kinh doanh sau đó là phần của tất cả các vòng này đã ngừng kinh doanh ở độ
tuổi nhỏ hơn hoặc bằng 4 năm. Ví dụ: một vòng bắt đầu vào tháng 1 năm 1991 và ngừng kinh
doanh vào tháng 6 năm 1993 sẽ được tính.
Có một sự thiên vị lựa chọn với biện pháp này: chỉ những công ty ngừng hoạt động kinh doanh, được
mua lại hoặc chuyển sang công khai mới có thể có ngày ra đi tồi tệ; các công ty vẫn còn là tư nhân
không thể bị loại bỏ khỏi mẫu vì những ngày xuất cảnh xấu, và do đó, được đại diện quá mức. Để giải
thích cho sự thiên vị này, tôi đã tính toán phần kinh doanh không hoạt động, ví dụ, 4 năm, như
tỷ lệ ra 4 × tổng
tỷ lệ 4 × tổng tỷ lệ
ở đâu
out4 = số vòng đã bắt đầu hơn 4 năm trước khi kết thúc mẫu và ngừng kinh
doanh ít hơn hoặc bằng 4
tổng
số năm 4 = số vòng bắt đầu hơn 4 năm trước khi kết thúc mẫu. tỷ lệ không
hoạt động = số lần ngừng kinh doanh sau khi lựa chọn / số lần ngừng kinh doanh
trước khi lựa chọn
tổng tỷ lệ = tổng số vòng sau khi lựa chọn / tổng số

vòng trước khi lựa chọn.
Tôi đã làm theo quy trình tương tự để cân lại ipo hoặc danh mục đã mua. Tôi đã tính toán
hạng mục privateî bằng một trong hai hạng mục cuối cùng. Các trọng lượng không tạo ra sự khác
biệt đáng chú ý đối với mắt trong Hình 2 và 3.
Chi tiết về lựa chọn trả lại
Để tính toán Bảng 2-4 và Hình 2-9, tôi đã chọn dữ liệu như sau. Tôi đã loại bỏ tất cả các
vòng trong đó thông tin giá trị ngụ ý rằng các nhà đầu tư VC sở hữu trên 100% hoặc nhỏ hơn
hoặc bằng 0% công ty. (Ví dụ: nếu 10 triệu đô la
36
được nâng lên và định giá sau vòng là 5 triệu đô la). Tôi đã loại bỏ các quan
sát với ipo hoặc mua lại chưa đầy hai tháng sau ngày vòng tài trợ. Tôi đã loại
bỏ các quan sát có thiếu ngày vòng tài chính, thiếu ipo hoặc ngày mua hoặc
thiếu dữ liệu trả lại. Tôi cũng loại bỏ các quan sát với ngày tròn 19870101,
mã cho ngày cấp vốn không xác định trước ngày này.
9.2 Ghi đến các cấp trong CAPM
Phần này rút ra các công thức cho αc, αd , βd trong Bảng 7. Từ mô hình thị trường ước tính trong nhật ký,
tôi t +
t = γ + δ (ln Rm t + - ln Rf t ) + εi (10)
t + .
V
tôi
ln Ã V t ! - Trong Rf
Chúng tôi muốn tìm CAPM ngụ ý trong các cấp, tức là
tôi
V
t +
- Rf t= α + β (Rm - Rf t ) + vi
i t + t + .
Vt
Kết quả. Trong giới hạn thời gian liên tục, β = δ và σ (ε) = σ (v), nhưng
1 αc = γ + δ (δ - 1) σ2
m + 2 1 σ2 . (11)
2
Như đã được quảng cáo, hiệu ứng chính là một thuật ngữ 1/2σ2 quen thuộc . Nếu chúng tôi lập mô hình lợi nhuận dưới
dạng lognormals trong thời gian rời rạc, chúng tôi sẽ thu được
1
2 σ2 + 2 (δ2 1) σ2 m ³ eδσ2 m - 1
βd = eγ + (δ 1) (E (ln Rm) ln Rf ) + 1 (12)
¥ (eσ2 m - 1)
1
σ2 σ2
m
2 δ2σ2 m + 2 2
αd = eln (Rf ) ½µeγ + δ (E (ln Rm) ln Rf ) + 1 - 1 ¶ - β µ e (µm ln Rf ) + 1 - 1 ¶æ (13)
Đại số cho giới hạn thời gian liên tục. Chúng tôi bắt đầu với phiên bản thời gian liên tục của
mô hình thị trường nhật ký,
m
d ln V = ³ rf + γ ¥ dt + δ ³ d ln P - rf dt ¥ + σdz
m
d ln P = µmdt + σmdzm
E (dzdzm) = 0
Thay thế,
d ln V = ³ rf (1 - δ) + γ ¥ dt + δ (µmdt + σmdzm) + σdz = ³ rf +
γ + δ ³ µm - rf ¥¥ dt + δσmdzm + σdz
37
Bây giờ, chúng ta có thể chuyển đổi sang các cấp độ. Sử dụng bổ đề Itoís,
dV d ³ eln V ¥
2
= 1 = d ln V + d ln V 2
V V
1
m
= h rf + γ + δ ³ µm - rf ¥ i dt + δσmdzm + σdz + 2 ³ δ2 σ2 + σ2 ¥ dt
dP m
1 σ2
P m = µ µm + 2 m ¶ dt + σmdzm
Sử dụng biểu thức sau để thay thế cho dzm,
dV 1 dP m
m 1 σ2
V = · Rf + γ + δ ³ µm - rf ¥ + 2 ³ δ2 σ2
+ σ2 ¥ ¸ dt + δ P m - δ µ µm + 2 m ¶ dt + σdz
hoặc, cuối cùng,
dV 1 1
m +
δ (δ - 1) σ2
V - rf dt = · γ + 2 2 P m
σ2 ¸ dt + δ Ã dP m - rf dt! + σdz
Chúng ta thấy rằng β = δ, và các sai số là như nhau, nhưng chúng ta suy ra công thức (11) liên
hệ giữa đánh chặn log với đánh chặn theo cấp độ.
Đại số cho phép tính toán thời gian rời rạc. Từ mô hình (10), chúng tôi
muốn tìm hàm ý hồi quy ở các mức,
Rt + - Rf
t = α + β (Rm t + - Rf t ) + εi
t +
ở đâu
Vt +
Rt + ≡ .
Vt
(Không quan trọng rằng kỳ vọng có điều kiện của Vt + / Vt là một hàm phi tuyến
tính của Rm. CAPM xác định phép chiếu hoặc hồi quy tuyến tính.) Chúng ta bắt đầu với beta,
cov [Rt + ,
Rm] β = var (Rm) .
Mẫu số là
var (Rm) = E ³ Rm2 ¥ - [E (Rm)] 2
= E h e2 ln Rmi - h E ³ eln Rm ¥ i2
1
σ2
= e2µm + 2σ2 m 2
- ³ eµm + = m ¥ 2
e2µm + 2σ2 m - e2µm + σ2 m
= e2µm + σ2 m ³ eσ2 m - 1 ¥ .
Tử số là
cov (R, Rm) = E [RRm] - E (R) E (Rm) = E [E (R | Rm) Rm] - E [E (R | Rm)] E (Rm)
38
Hiện nay,
σ2
t + δ [ln Rm ln Rf ] + 2
1 .
E (R | Rm) = E ½ eγ + ln Rf + δ [ln Rm lnRf ] + εi | Rm æ = eγ + ln Rf
Vì vậy,
2
cov (R, Rm) = E · eγ + ln Rf + δ (ln Rm ln Rf ) + 1 σ2 + ln Rm ¸ - E · eγ + ln Rf + δ (ln Rm ln Rf ) +1 2 σ2 ¸ E h eln Rmi
1 1
2 2
= E h eγ + (1 δ) ln Rf + (1 + δ) ln Rm + = eγ + σ2 i - E h eγ + (1 δ) ln Rf + δ ln Rm + σ2 i E h eln Rmi 2
1 1
(1 δ) ln Rf + (1 + δ) µm + 2
(1 + δ) 2σ2 m + 1 σ2
2 - eγ + (1 δ) ln Rf + (1 + δ) µm + (δ2 + 1) σ2 m + 1 2 σ2
1 1
- e
(1 + δ) 2σ2
= eγ + (1 δ) ln Rf + (1 + δ) µm + 2 1 2 m
σ2 µ 2 (δ2 + 1) σ2 m
1 1
- e
(1 + 2δ + δ2) σ2 m
= eγ + (1 δ) ln Rf + (1 + δ) µm + 2 1 2
e σ2 µ e ¶ 2 (1 + δ2) σ2
1 1
= eγ + (1 δ) ln Rf + (1 + δ) µm + 2 σ2 + 2 (1 + δ2) σ2
m ³ eδσ2 m m ¶ 1 ¥ .
Để tất cả chúng cùng nhau,
1 1
eγ + (1 δ) ln Rf + (1 + δ) µm + 2 σ2 + 2 (1 + δ2) σ2
m ³ eδσ2 m - 1 ¥
β =
e2µm + σ2 m (eσ2 m - 1) ³ eδσ2 m - 1 ¥ (eσ2 m -
1
= eγ + (δ 1) (µm ln Rf ) + 1 2 σ2 + 2 (δ2 1) σ2 m 1) .
Tiếp tục cho α,
α = E (R) - Rf - βE (Rm) - Rf
= E [E (R | Rm)] - Rf - β h E (Rm) - Rf i = eγ +
1 1 1
δ2σ2 m + σ2 σ2
(1 2
δ) ln Rf + δµm + - eln Rf -2 β h ¶eµm
- β+ µ- eµm
1 2 m - eln Rf tôi
+ - 1 ¶ - β
1 1
δ2σ2 m + σ2 σ2
2 2 2 m - eln Rft
= eln Rf µ eγ + δ (µm ln Rf ) + 1 = eln µ e (µm ln Rf )
1
δ2σ2 m + σ2 σ2
m
2 2 2
¶ - 1 ¶æ
Rf ½µeγ + δ (µm ln Rf ) + 1 + 1
39

The Risk and Return of VC

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

The Risk and Return of VC

Uploaded by

Copyright:

Available Formats

Machine Translated by Google

! " # $ % & " '' () * /

+ 2 & / 7 & / & số 8

+ 1 + / + & 1 3 + & 2 2 2 0 & 3

/ + 1 9 1/1 8 số 8 2 + & 1 & & & & + 7 + 8 & * + 7 1+ / * 8) & 6

+ 8 & * + & & 86 / & + 7 8 & / + & / & + 8 & * +

& 3 7 2 1 8 & / 7 * / & - $$: 2 8, & & 7 * / &; $: & &

+ 8 & * + & 3 7 2 1 8 & / 7 * / & <:) & = 4: & &) 0 3 & / +

0 6 0 8 & 8 3 ) & + & 2 2 2 0 & - $$: 7 3 & 1 & 0 & / + 2

& & + 1 / & 1 & 0 + + 8 & * + & && / & + * / & 2 +

0 & / 7/2 <$$: 2, 8 7 86. $$: & & + 8 & * + & 3

7 2 & 1 & 0 & / + 7 * / & .5: 2, 8 7 * / &>:

0 8 & 8 & 63 2 & 7 8) & 1 & 0 & / + * & + 7 + / ++ 0 / 2+ 8+ 2 8

2 1 & 886 7 1 - 7 & 7 + & / 2 & ? 7 7 / & / 2+

2 + "2 / & 8 7, 1 &

2 Vượt qua sự thiên vị lựa chọn

sự sai lệch do lựa chọn này gây ra.

4 Đặc trưng hóa dữ liệu

gần như ổn định theo thời gian.

4.1 Số phận của các khoản đầu tư VC

Bảng 1 bảng A tóm tắt dữ liệu.

Tổng số vòng tài trợ 16852

bình / công ty Tỷ lệ số vòng 2,17

quay có lợi nhuận Tổng số tiền huy 31

động được ($ M) 114.983

B. Phần trăm vòng trong các loại thoát khác nhau

dữ liệu dữ liệu dữ liệu dữ liệu

hoạt động kinh doanh 8,9

ở chế độ riêng tư 0 Ipo Đã 8,9 4,6 4,6

đăng ký 0 0 45,5 50.0 50.0

45,5 3,7 3,7 8,3 8,3

Bảng 1. Đặc điểm của mẫu. ìReturn dataî biểu thị

Hình 2: Xác suất thoát tích lũy theo tuổi.

4.2 Lợi nhuận

Lợi nhuận ròng

Hình 4 là khoảng 25% lợi nhuận.

A. Lợi nhuận ròng (phần trăm)

phát triển. 3282 1659

(phần trăm) 346 508 719 623

Std trung 108 63 114 135 105 134

bình. Nhà phát triển. 118

Trung 105 57 108 133 1,13 86

bình 75-25 Phạm vi 158 114 125 149 172 189

thấp hơn nhiều, nhưng vẫn ấn tượng.

Nhật ký trả lại

Trả lại kiểu nào?

Trả về được sắp xếp theo độ tuổi

Tất cả nhật ký trả về 92 4 0,37 0,07 0,01

Bảng 3. Hồi quy CAPM, Rt = α + βRm t

cùng kỳ. α tính bằng phần trăm.

Lợi nhuận hàng năm

A. Lợi nhuận ròng (Phần trăm)

Std trung 4 × 109 4 × 1010 2,064 2 × 1011 251 20 54

bình 25-75 Phạm vi 156 697 152 35 68

Trung bình 72 Std. Nhà 201 124 64 371 165 81 114 35 15

phát triển. 148 Trungbình 172 40 24

48 75-25 Phạm vi 86 188 58 35 17

5 Ước tính khả năng xảy ra tối đa

5.1 Quy trình ước tính khả năng xảy ra tối đa

Pr (ipo | Vt, Vt > k) = 1 / (1 + e a (ln (V) b) ) (3)

Pr (ipo tại t, value = Vt, xem) = d × Pr (ipo at t, value = Vt) (7)

1. Ipo / có được với dữ liệu tốt.

2. Ipo / có được với ngày tốt nhưng dữ liệu trả về xấu.