[논문 리뷰] Probabilistic Modeling of Venture Capital Portfolio Outliers

Kensei Sakamoto, H. U. Köylüoglu외 2명|arXiv (Cornell University)|2026. 02. 08.

Private Equity and Venture Capital인용 수 0

한 줄 요약

이 논문은 잠재 요인 가우시안 모델을 구축하여 서로 연관된 벤처 결과와 이상치 위험을 정량화하고, 기대 유니콘 수가 충분하지 않으며 상관관계가 포트폴리오의 신뢰성과 상승 가능성에 구조적으로 영향을 준다는 것을 보여준다.

ABSTRACT

In this paper, we define probabilistic measures for venture portfolio performance based on individual outlier probability for each investment and the dependence across investments. This work is inspired by loan portfolio modeling against default risk used in banking. In mathematical terms, we calculate the probability distribution of the sum of N non-homogeneous Boolean outcomes (investments becoming outliers) that are correlated through common factors such as overall market conditions and sector effects. Specifically, we implemented a latent-factor model in which each investment's success is the exceedance of a Gaussian latent variable composed of idiosyncratic returns and returns from interpretable shared factors (stock markets, industry sector indices, geography and founder type). The formulation follows a simulation approach to preserve heterogeneous deal-level success probabilities and uses empirically estimated correlation matrices. When applied to synthetic portfolios, our model reveals that expected outlier counts alone are insufficient statistics for evaluating venture portfolios. Portfolios with identical expected outcomes can exhibit drastically different levels of reliability and risk when various levels and forms of correlation are embedded. Diversification improves the probability of achieving a minimum number of outliers by reducing exposure to common shocks, but at the cost of lower upside, underscoring a fundamental tradeoff between reliability and magnitude of clustered successes. The framework provides a practical bridge between deal-level outlier probability assessment and objective-aware portfolio construction.

연구 동기 및 목표

• VC 포트폴리오 평가를 평균 수익을 넘어서 희귀한 이상 성공(유니콘)에 초점을 맞춰 동기를 부여한다.
• 투자 간 의존성을 포착하기 위해 부문, 지리, 창업자 유형 노출을 포함한 유연한 잠재 변수 프레임워크를 도입한다.
• 해석 가능한 교차 투자 상관관계를 내재하면서 이질적인 거래 수준 성공 확률을 보존한다.
• 시뮬레이션을 통해 상관관계가 좌측 꼬리 위험과 최적 분산화 전략에 미치는 변화를 입증한다.

제안 방법

• A_i를 Gaussian-exceedance 잠재 변수로 정의하고 A_i = w_i^T Z + sqrt(1 - w_i^T Σ w_i) ε_i.
• 유니콘을 A_i > Φ^{-1}(1 - p_i) 이벤트로 모델링하여 개별 성공 확률 p_i를 보존한다.
• 부문, 지리, 창업자 유형 소속을 로딩 구성으로 w_i에 반영하고 가중치 (S, G, F) = (0.6, 0.3, 0.1)와 표준화해 b_i로, w_i = w_0 b_i로 만든다.
• ρ_{ij} = w_i^T Σ w_j 및 Σ를 공개 프록시에서 추정하여 목표 평균 쌍별 상관관계 ≈0.12를 설정한다.
• 2020–2025의 월간 수익에서 5개 부문, 4개 지리, 2개 창업자 유형에 대해 Σ를 추정하고 Z ~ N(0,Σ)에 대해 Cholesky 샘플링을 사용한다.
• Monte Carlo 시뮬레이션을 사용해 포트폴리오의 상관된 유니콘 결과를 생성하고 분포 특성을 분석한다.

실험 결과

연구 질문

• RQ1 VC 투자 간 상관관계가 평균을 넘어 유니콘 수의 분포에 어떤 영향을 주는가?
• RQ2 상관된 결과 하에서 좌측 꼬리 위험(P(U=0), P(U≤1), P(U≤2))에 대한 다각화의 영향은?
• RQ3 포트폴리오 구성(부문/지리/창업자 혼합)과 규모가 상관관계와 어떻게 상호 작용하여 위험과 상승에 영향을 주는가?
• RQ4 의존성 하에서 실패 확률 최소화 또는 조건부 상승 최대화를 목표로 할 때 신뢰성(좌측 꼬리 위험)과 군집화된 이상 성공의 크기 사이의 트레이드오프는 무엇인가?

주요 결과

• 상관은 개별 거래 확률이 고정된 경우에도 공동 실패 및 성공의 확률을 증가시킨다.
• 다각화는 좌측 꼬리 위험을 줄이지만 임계값에 도달하면 상승 가능성이 낮아질 수 있다.
• 전 다요인 상관관계는 단일 요인에 비해 좌측 꼬리 위험을 다소 악화시키며 부문 다각화가 있어도 마찬가지.
• 상관관계 하에서 독립일 때보다 좌측 꼬리 위험의 감소가 느리다.
• 동일한 기대 유니콘 수를 가지는 포트폴리오는 의존성 구조로 인해 신뢰성이 크게 달라질 수 있다.
• 의존성 하에서 최적 포트폴리오 설계는 목표가 실패 확률 최소화인지 조건부 상승 최대화인지에 달려 있다.