スタートアップの成功予測分析、既存のアプローチ

　スタートアップの成功予測は、投資家や起業家、政策立案者にとって重要な課題である。しかし、設立から5年以内に約90％のスタートアップが姿を消すという現実は、過去数十年にわたって大きな変化がない。

　こうした状況に一石を投じようと、これまでさまざまな取り組みが実施されてきた。直近で最も注目されているのは、スタートアップデータベースを提供するCrunchbaseの取り組みだ。同社は、リアルタイムの動きを追跡することで、高精度でスタートアップの成功を予測するシステムを構築したという。

　独自の強みである過去データに加え、投資家の行動データを活用している点が特徴だ。どのような予測システムなのか、その詳細を解説する前に、これまで主流となってきた、過去データのみを使ったアプローチについてみていきたい。

　その1つとして挙げられるのが2023年9月にマーク・ポタニン氏らの研究グループが発表したアプローチだ。

　ポタニン氏らの研究グループは、Crunchbaseの3万4470社のデータを用いて、資金調達、創業者の特徴、業界カテゴリーなどの多様な要因を統合したディープラーニングモデルを開発。シリーズBおよびシリーズC投資段階にあるスタートアップを対象に、IPO（新規株式公開）、ユニコーン企業化、M&A（合併・買収）といった主要な成功指標を予測することに成功した。

　このモデルの予測精度はかなり高いものとなった。ベンチャーキャピタル投資プロセスをシミュレートする包括的なバックテストアルゴリズムを用いた検証では、14倍の資本成長を達成。シリーズBラウンドで、Revolut、DigitalOcean、Klarna、GitHubなどの高成長スタートアップを的確に識別できたとされる。

　機械学習の評価指標でみると、このモデルは正確な予測を86％の確率で行うことに成功。また、時間の経過による予測精度の変化を検証したところ、スタートアップが成功するケースを92％の確率で言い当てることができた。一方、成功するスタートアップを見逃す確率は36％に抑えられている。これは投資の現場を考慮したモデル設計といえる。というのも、有望なスタートアップへの投資機会を逃すことは、投資家にとって大きな機会損失となるためだ。


　こうしたディープラーニングベースの予測モデルは、投資判断プロセスに寄与する可能性を持つ。しかし同時に、企業の過去データに基づく予測の限界も指摘されている。スタートアップのエコシステムは急速に変化しており、過去のパターンが必ずしも将来の成功を保証するわけではないためだ。

　この課題に対して、Crunchbaseが示すのは、投資家・VCの注目点なども考慮に入れた、より包括的な予測モデルだ。次からその詳細に迫っていこう。 【次ページ】Crunchbaseのアプローチ、その詳細