استفاده از روش های داده کاوی در پیش بینی و پاسخ به نیاز در حوزه سرمایه گذاری جسورانه

الموضوعات : دانش مالی تحلیل اوراق بهادار

فرشید قاصدی قزوینی ¹ (دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مدیریت صنعتی، تهران، ایران)
فرشاد فائزی رازی ² (گروه مدیریت صنعتی، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران)
فرزانه حیدرپور ³ (دانشیارگروه حسابداری ، دانشکده اقتصاد و حسابداری ، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران)

تاريخ الإرسال : 11 الأربعاء , شعبان, 1437 تاريخ التأكيد : 07 الأربعاء , ذو القعدة, 1437 تاريخ الإصدار : 03 السبت , محرم, 1439

الکلمات المفتاحية: شرکت‌های نوپا, سرمایه‌گذاری جسورانه, ارزیابی ریسک سرمایه‌گذاری, شبکه عصبی, تصمیم‌گیری چند معیاره,

ملخص المقالة :

امروزه اقتصاد کشورهای توسعه یافته بر محور بنگاه های کوچک و متوسط و صنایع مبتنی بر دانش طراحی شده است. یافته های تجربی محققان حکایت از این دارد که اصولا تامین مالی شرکت های کوچک و متوسط دارای فعالیت های نوآورانه و شرکت های نوپا به منظور شروع یک کسب و کار از ناهمگونی و ویژگی های خاصی برخوردار است، که به سبب وجود همین ویژگی ها، شرکت های نوپا در تامین مالی فعالیت هایشان با مشکلات اساسی مواجه می شوند، به طوری که به منظور پوشش این خلاء در نظام مالی برای تشویق و تامین مالی فعالیت های نوآورانه، به کارگیری و استمرار فرآیند سرمایه گذاری جسورانه، ضرورت دارد. به علاوه طی این فرآیند، موسسات سرمایه گذاری جسورانه از یکسو در مواجهه با ارکان بازارهای مالی نیاز به انطباق کامل با خط مشی ها، سیاست های وضع شده و قوانین و مقررات حاکم دارند و از سوی دیگر در مواجهه با کارآفرینان و نوآوران، ضمن چگونگی انتخاب و گزینش بهترین طرح های سرمایه گذاری بر اساس شناسایی و ارزیابی ریسک های محتمل و پیش بینی نسبی موفقیت یا شکست آنها با چالش مواجه می شوند. رویکرد و هدف پژوهش حاضر پرداختن به دغدغه اخیر موسسات سرمایه گذاری جسورانه در ارزیابی، انتخاب و سرمایه گذاری در طرح ها، ضمن شناسایی عوامل موثر بر سرمایه گذاری جسورانه و ارزیابی ریسک آنها بمنظور چگونگی ایجاد مصالحه و تعامل بین عوامل موثر ، با استفاده از روشهای تصمیم گیری چند معیاره و ضمن بهره گیری از ابزارهای نوین داده کاوی و هوش مصنوعی می باشد.

المصادر:

*      اسلامی بید گلی, غ., و احمدی اول, م. (1389) بررسی عوامل اثرگذار بر ارزیابی طرح‌های کارآفرینانه در شرکت‌های سرمایه‌گذاری خطرپذیر (با استفاده از روش فرایند تحلیل شبکه‌ای). نشریه توسعه کارآفرینی, 3(8), صص99-120.

*      اسلامی بید گلی, غ., و بیگدلو, م. (1384). بررسی معیارهای موثر در ارزیابی کسب وکارهای مخاطره آمیز کار آفرینانه. فصلنامه دانش مدیریت (منتشر نمی شود), 18(1) ,صص 29-3.

*      بیگدلو, م., و مصطفوی, ا. (1383). مدل چندمعیاره ارزیابی ریسک برای شرکت های سرمایه گذاری مخاطره پذیر. اولین کنفرانس ملی سرمایه گذاری مخاطره پذیر.

*      جلیلی, م., و احمدی, م. (1385). شناسایی انواع ریسکهای موجود در صنعت سرمایه گذاری مخاطره پذیر با مطالعه موردی صنعت انرژی در جهان. دومین کنفرانس ملی سرمایه گذاری مخاطره پذیر.

*      دستگیر, م., و شفیعی‌سردشت, م. (1390). فناوری داده کاوی؛ رویکردی نوین در حوزه مالی. دانش حسابرسی, 5(11),صص 6-27. 

*      ریاحی, ح. (1385). مدیریت ریسک در صنعت سرمایه گذاری خطرپذیر. دومین کنفرانس ملی سرمایه گذاری مخاطره پذیر.

*       شفیعا, م., شوال پور, س., حسینی, م., وحسینی, ر. س. (1393). ارائه الگویی برای سنجش ریسک تجاری سازی فناوری های برتر در ایران با تأکید بر نقش سرمایه گذاران خطرپذیر چهارمین کنفرانس بین المللی و هشتمین کنفرانس ملی مدیریت فناوری.

*      عرفانیان, ا., و شیرزادی, س. (1385). ساختار مطلوب برای انجام سرمایه گذاری های خطرپذیر توسط شرکت های سرمایه گذاری. فصلنامه رشد فناوری, شماره11

*      کدخدایی, ح. (1383). کاربرد ابزارهای مالی در صنعت سرمایه گذاری خطرپذیر. اولین کنفرانس ملی سرمایه گذاری مخاطره پذیر.

*      محمدی, س. (1385). انتخاب اندازه پرتفوی بهینه سرمایه گذاری در شرکت های سرمایه گذاری خطرپذیر. دومین کنفرانس ملی سرمایه گذاری مخاطره پذیر.

*      Admati, A. R., & Pfleiderer, P. (1994). Robust financial contracting and the role of venture capitalists. The Journal of Finance, 49(2), 371-402.

*      Afful-Dadzie, E., Oplatková, Z. K., & Nabareseh, S. (2015). Selecting Start-Up Businesses in a Public Venture Capital Financing using Fuzzy PROMETHEE. Procedia Computer Science, 60, 63-72.

*      Alemany, L., & Villanueva, J. (2014). Early-Stage Investors’ Criteria and New Venture Financial Performance: Are They Related? Available at SSRN 2456197.

*      Alperovych, Y., Hubner, G., & Lobet, F. (2013). Venture capital-backing and public investor: Belgian evidence. Retrieved from

*      Amit, R., Glosten, L., & Muller, E. (1990). Entrepreneurial ability, venture investments, and risk sharing. Management science, 36(10), 1233-1246.

*      Baum, J. A., & Silverman, B. S. (2004). Picking winners or building them? Alliance, intellectual, and human capital as selection criteria in venture financing and performance of biotechnology startups. Journal of business venturing, 19(3), 411-436.

*      Berry, M. J., & Linoff, G. (1997). Data mining techniques: for marketing, sales, and customer support: John Wiley & Sons, Inc.

*      Bocken, N. (2015). Sustainable venture capital–catalyst for sustainable start-up success? Journal of Cleaner Production, 108, 647-658.

*      Chen, X.-P., Yao, X., & Kotha, S. (2009). Entrepreneur passion and preparedness in business plan presentations: a persuasion analysis of venture capitalists' funding decisions. Academy of Management Journal, 52(1), 199-214.

*      Cochrane, J. H. (2005). The risk and return of venture capital. Journal of financial economics, 75(1), 3-52.

*      Hall, J., & Hofer, C. W. (1993). Venture capitalists' decision criteria in new venture evaluation. Journal of business venturing, 8(1), 25-42.

*      Kantardzic, M. (2011). Data mining: concepts, models, methods, and algorithms: John Wiley & Sons.

*      King, R. G., & Levine, R. (1993). Finance and growth: Schumpeter might be right. The quarterly journal of economics, 717-737.

*      Kirkos, S., & Manolopoulos, Y. (2004). Data mining in finance and accounting: a review of current research trends. Paper presented at the Proceedings of the 1st international conference on enterprise systems and accounting (ICESAcc).

*      Klonowski, D. (2007). The venture capital investment process in emerging markets: Evidence from Central and Eastern Europe. International Journal of Emerging Markets, 2(4), 361-382.

*      Lerner, J. (2000). The government as venture capitalist: the long-run impact of the SBIR program. The Journal of Private Equity, 3(2), 55-78.

*      MacMillan, I. C., Siegel, R., & Narasimha, P. S. (1986). Criteria used by venture capitalists to evaluate new venture proposals. Journal of business venturing, 1(1), 119-128.

*      MacMillan, I. C., Zemann, L., & Subbanarasimha, P. (1987). Criteria distinguishing successful from unsuccessful ventures in the venture screening process. Journal of business venturing, 2(2), 123-137.

*      Manigart, S., Wright, M., Robbie, K., Desbrieres, P., & De Waele, K. (1997). Venture capitalists' appraisal of investment projects: An empirical European study. Entrepreneurship: Theory and Practice, 21(4), 29-44.

*      Martens, D., Vanhoutte, C., De Winne, S., Baesens, B., Sels, L., & Mues, C. (2011). Identifying financially successful start-up profiles with data mining. Expert Systems with Applications, 38(5), 5794-5800.

*      Mason, C., & Stark, M. (2004). What do investors look for in a business plan? A comparison of the investment criteria of bankers, venture capitalists and business angels. International Small Business Journal, 22(3), 227-248.

*      Muzyka, D., Birley, S., & Leleux, B. (1996). Trade-offs in the investment decisons of European venture capitalists. Journal of business venturing, 11(4), 273-287.

*      Öun, M., & Pettersson, I. (2012). Critical Factors for Successful Strategy Formation in Venture Capital Funded Companies: A study made for SEB Venture Capital.

*      Petty, J. S. (2009). THE DYNAMICS OF VENTURE CAPITAL DECISION MAKING. Paper presented at the Academy of Management Proceedings.

*      Ruhnka, J. C., & Young, J. E. (1991). Some hypotheses about risk in venture capital investing. Journal of business venturing, 6(2), 115-133.

*      Sahlman, W. A. (1990). The structure and governance of venture-capital organizations. Journal of financial economics, 27(2), 473-521.

*      Sharma, A. (2015). Venture Capitalists’ Investment Decision Criteria for New Ventures: A Review. Procedia-Social and Behavioral Sciences, 189, 465-470.

*      Tyebjee, T. T., & Bruno, A. V. (1984). A model of venture capitalist investment activity. Management science, 30(9), 1051-1066.

*      Yepez, C., & Student, M. E. (2004). A Behavioral Model of Venture Capital Bubbles. Dept. of Systems and Computer Engineering Carleton University, 2.

*      Zacharakis, A. L., & Meyer, G. D. (1998). A lack of insight: do venture capitalists really understand their own decision process? Journal of business venturing, 13(1), 57-76.

*      Zhang, G., Chen, Y., & Hu, D. (2006). Construction of Forewarning Risk Index Systems of Venture Capital Based on Artificial Neural Network Knowledge Enterprise: Intelligent Strategies in Product Design, Manufacturing, and Management (pp. 812-817): Springer.

*      Zhang, X. (2012). Venture capital investment selection decision-making base on fuzzy theory. Physics Procedia, 25, 1369-1375.

*      Zider, B. (1998). How venture capital works. Harvard business review, 76(6), 131-139.

*      Zinecker, M., & Bolf, D. (2015). Venture capitalists’ investment selection criteria in CEE countries and Russia. Business: Theory and Practice/Verslas: Teorija ir Praktika, 16(1), 94-103.