Predikce výše equity investic do start-upů metodami strojového učení

Andrea Poláková

Master's thesis

Predikce výše equity do start-upů metodami strojového učení

Abstract:

Tato práce zkoumá použití stromových algoritmů k analýze faktorů ovlivňujících úspěšnost startupu a hodnotí jejich přesnost. V práci jsou použity tři typy algoritmů: Náhodný les, Gradient Boosting a jednoduchý regresní strom. Cílem výzkumu je pomocí těchto algoritmů na souboru dat o startupech určit jejich vhodnost pro analýzu faktorů, které mohou ovlivnit úspěšnost startupu, definovanou jako celkové finanční prostředky získané společností v amerických dolarech. Výsledky naznačují, že algoritmy založené na stromech mohou sloužit jako praktické doplňkové nástroje pro rozhodovací procesy tím, že identifikují klíčové faktory přispívající k úspěchu startupu. Práce však také upozorňuje na určitá omezení těchto metod, která jsou podrobně diskutována, aby poskytla vyvážený pohled na jejich použití.

Abstract:

This thesis investigates the application of tree-based algorithms to analyze factors influencing startup success and evaluates their accuracy. The thesis employs three types of algorithms: Random Forest, Gradient Boosting, and simple regression tree. By applying these algorithms to a startup dataset, the research aims to determine their suitability for analyzing factors that may impact a startup´s success, defined as the total funding raised by a company in U.S. dollars. The findings indicate that tree-based algorithms can serve as practical supplementary tools for decision-making processes by identifying key factors contributing to startup success. However, the study also highlights certain limitations of these methods, which are discussed in detail to provide a balanced perspective on their application.

Keywords

Startup, Rozhodovací stromy, Prediktivní analýza

Keywords

Startup, Predictive analysis, Decision Trees

Language used: English

Date on which the thesis was submitted / produced: 20. 1. 2025

Thesis defence

• Date of defence: 7. 2. 2025
• Supervisor: Pavel Svačina
• Reader: Michal Novák

Vysoká škola ekonomická v Praze

Master programme:
Finance