Finanza imprenditoriale: Approcci emergenti con l'apprendimento automatico e i big data

Titolo originale:

Entrepreneurial Finance: Emerging Approaches Using Machine Learning and Big Data

Contenuto del libro:

Finanza imprenditoriale: Emerging Approaches Using Machine Learning and Big Data presenta una panoramica completa delle applicazioni degli algoritmi di apprendimento automatico al database di Crunchbase. Gli autori evidenziano i principali obiettivi di ricerca che possono essere affrontati e passano in rassegna tutte le variabili e gli algoritmi utilizzati per ciascun obiettivo.

Per ogni algoritmo di apprendimento automatico, gli autori analizzano le rispettive metriche di prestazione per identificare un modello di riferimento. Questo studio vuole essere un riferimento per ricercatori e professionisti sull'uso del machine learning come strumento efficace per supportare i processi decisionali negli investimenti azionari. La sezione 2 fornisce un'introduzione al machine learning e delinea le principali differenze rispetto a un approccio statistico tradizionale.

La sezione 3 fornisce una panoramica delle società di venture capital che hanno già applicato un approccio data-driven ai loro processi decisionali di investimento.

La sezione 4 è un'introduzione a Crunchbase, uno dei più importanti database sulle startup e sugli investitori. La sezione 5 descrive l'ambito di questo studio, concentrandosi sui contributi di ricerca che hanno applicato tecniche di machine learning ai dati di Crunchbase.

La sezione 6 classifica gli obiettivi di ricerca degli studi e descrive i vari approcci di apprendimento automatico. La sezione 7 descrive un esempio di come i modelli proposti dagli studi precedenti potrebbero essere integrati sinergicamente nel processo decisionale degli investitori. La sezione 8 sintetizza tutte le caratteristiche o variabili utilizzate, ottenute direttamente da Crunchbase o attraverso un processo di features engineering.

La sezione 9 analizza gli algoritmi utilizzati. La sezione 10 discute i risultati ottenuti nelle ricerche precedenti, al fine di stabilire una base di riferimento per le ricerche future in questo campo. Infine, la sezione 11 presenta una discussione finale sull'applicabilità del machine learning come strumento per gli investimenti data-driven, mentre le conclusioni e gli sviluppi futuri sono presentati nella sezione 12.