[論文レビュー] The varying importance of extrinsic factors in the success of startup fundraising: competition at early-stage and networks at growth-stage

Clement Gastaud, Théophile Carniel+1 more|arXiv (Cornell University)|Jun 7, 2019

Private Equity and Venture Capital被引用数 6

ひとこと要約

本研究では、外部要因（競合と投資家ネットワーク）が、初期段階（ポストシー）と成長段階（シリーズA/B）の資金調達成功にどのように影響するかを調査する。自然言語処理（NLP）を用いて競合を測定し、グラフニューラルネットワーク（GNN）を用いて投資家ネットワークをモデル化した結果、初期段階の資金調達では競合が主要な予測要因であるのに対し、成長段階ではネットワークの中心性が支配的であり、グローバルモデルではこれらの影響が平均化されることがわかった。

ABSTRACT

We address the issue of the factors driving startup success in raising funds. Using the popular and public startup database Crunchbase, we explicitly take into account two extrinsic characteristics of startups: the competition that the companies face, using similarity measures derived from the Word2Vec algorithm, as well as the position of investors in the investment network, pioneering the use of Graph Neural Networks (GNN), a recent deep learning technique that enables the handling of graphs as such and as a whole. We show that the different stages of fundraising, early- and growth-stage, are associated with different success factors. Our results suggest a marked relevance of startup competition for early stage while growth-stage fundraising is influenced by network features. Both of these factors tend to average out in global models, which could lead to the false impression that startup success in fundraising would mostly if not only be influenced by its intrinsic characteristics, notably those of their founders.

研究の動機と目的

• 異なる資金調達段階において、外部要因（競合や投資家ネットワーク）がスタートアップの資金調達成功にどのように影響するかを調査すること。
• すべての資金調達ラウンドを統合するグローバルモデルの限界を是正すること。これにより、段階特有のダイナミクスが平均化され、外部要因が過小評価されることがある。
• Word2Vec埋め込みを用いた新しいNLPベースの競合メトリクスを開発・適用し、スタートアップの類似性と競合の激しさを定量化すること。
• 投資家・スタートアップ間の関係構造を、単なる中心性特徴を超えて捉えるために、グラフニューラルネットワーク（GNN）を用いた投資家ネットワークのモデル化を画期的に実施すること。
• 初期段階と成長段階の資金調達は、それぞれ異なる成功要因によって駆動されることを示し、内部要因（創設者の経験など）が普遍的に支配的であるという仮定に疑問を呈すること。

提案手法

• モデルのトレーニングと評価に使用するため、Crunchbaseデータを用いてスタートアップの説明文、資金調達ラウンド、投資家関係を抽出した。
• スタートアップの説明文をWord2Vecで埋め込み、コサイン類似度を計算することで、スタートアップ間の競合の激しさの代理指標とした。
• スタートアップと投資家をノードとし、資金調達イベントをエッジとする、非同質的なグラフを構築し、投資ネットワークをモデル化した。
• ノード特徴（例：創設者の経験、チーム規模）とグラフ構造の両方を用いて、資金調達成功を予測するため、グラフ畳み込みネットワーク（GCN）を含むグラフニューラルネットワーク（GNN）をトレーニングした。
• 性能と段階ごとの特徴の重要度の解釈を評価するため、GNNベースのモデルと従来の機械学習モデル（例：XGBoost）を比較した。
• 標準指標を用いてモデルを評価した：ROC-AUC、精度、再現率、F1スコア、およびトップk予測性能のP@50/P@100。

実験結果

リサーチクエスチョン

• RQ1 競合の重要性は、初期段階と成長段階の資金調達においてどのように異なるか？
• RQ2 投資家ネットワーク特徴（例：中心性）は、異なる段階において資金調達成功にどの程度影響を与えるか？
• RQ3 すべての資金調達ラウンドを統合するグローバルモデルでは、なぜ外部要因（競合やネットワーク）がより重要でなくなるのか？
• RQ4 グラフニューラルネットワーク（GNN）は、スタートアップ・投資家ネットワークの関係的構造を効果的にモデル化し、資金調達成功の予測精度を向上させることができるか？
• RQ5 段階ごとに、内部要因（例：創設者の経験、チーム規模）と外部要因の予測力はどのように比較されるか？

主な発見

• Word2Vecに基づくスタートアップ説明文の類似度で測定した競合は、ポストシー資金調達成功の強力な予測要因であり、競合が低いほど資金調達確率が顕著に向上した。
• シリーズAおよびBラウンドでは、投資家ネットワークの中心性がますます重要になり、GNNモデルは後期段階のトップ50およびトップ100予測において高い精度を示した。
• すべての資金調達ラウンドを統合するグローバルモデルでは、段階特有のダイナミクスが曇り、外部要因（競合やネットワーク特徴）が平均化され、相対的に重要性が低下することがわかった。
• GNNモデルは、ポストシー資金調達ラウンドでROC-AUC 64.3%、シリーズAラウンドで61.5%を達成し、それぞれ精度64%および63%を示した。これは、段階特有の予測において優れた性能を示している。
• 創設者の経験（過去に設立した会社数）とチーム規模は、すべての段階で一貫して肯定的な予測要因であった。特に、1人で運営するスタートアップ（ソロ創設者）は資金調達に成功する可能性が低かった。
• GNNフレームワークは、特に後期段階において、トップk予測性能（P@50およびP@100）を向上させた。これは、スタートアップが成熟するにつれて関係的構造がより情報的になることを裏付けた。