기본적 Machine Learning 모형을 통한 투자성공 예측시스템과 실제 VC심사역 예측과의 비교

Abstract

현재까지 벤처캐피탈의 투자의사결정은 심사역, 또는 그들로 구성된 committee에서 사람에 의해 결정되어 왔다. 왜냐하면, VC투자에 따른 불확실성 및 사업성을 평가하는데 있어 경험 및 역량이 풍부한 심사역(사람)을 달리 대체할 만한 수단이 없었기 때문이다. 더구나 투자를 고려하는 기업이 초기단계여서 재무제표 등의 정량적 평가지표가 없이, 사업성 등의 정성적 평가지표만을 가지고 판단하는 경우, VC심사역의 개별적 경험 또는 직관(intuition) 에 의지하여 투자 의사결정을 할 수 밖에는 없었다. 본 연구는 이러한 심사역에 의한 VC투자 의사결정에 대하여, 200개 미만의 실제 데이터로 학습된, 4개의 널리 알려진 알고리즘들에 기초하여 만든 5개의 투자성공 예측시스템이 ‘전문적인 VC 심사역’에 의한 투자성공 예측과 얼마나 차이가 나는지를 실험을 통해 비교하였다. 그 결과, 알고리즘에 의한 투자예측시스템이 실험에 참여한 30명의 현직 VC의 적중률보다 높게 나타났다. 적중률이 높은 상위 1/4 분위수의 VC와 비교할 때는 예측률에 있어서 대등하며,통계적 차이는 없었다. 이러한 결과는 Machine Learning에 의한 VC투자가 실제로 가능할 수 있음을 보여주는 것으로, 더 많은 양의 데이터와 더 복잡한 변수로 학습된, 더 정교한 알고리즘에 의한 기계적인 투자가 ‘전문적인 VC에 의한 투자’보다 더 나은 성적을 보여줄 수도 있다는 점을 시사한다.