Geri Dön

Makine öğrenmesi ile girişimlerin (startupların) başarılarının tahmin edilmesi

Predicting the success of start-ups with machine learning

PDF İndir

  1. Tez No: 819002
  2. Yazar: MELİH BOZ
  3. Danışmanlar: DOÇ. DR. HASAN ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Science and Technology, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Bursa Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Akıllı Sistemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

İyi girişimler genellikle basit bir fikirden ve belirli bir ihtiyaç ve mevcut bir pazar boşluğunu doldurmak için bir çözüm üreten birkaç kişiden oluşur. Diğer tarafta, üretilen çözümü gerçeğe dönüştürmek için sermaye ve bazen gerekli yardımı sağlayan melek yatırımcılar, risk sermayedarları ve kurumsal risk sermayeleri yani yatırımcılar vardır. Eğer bir yatırımcıysanız, her zaman bilmek isteyeceğiniz birkaç şey vardır:“İyi şirketler nerede?”,“Nasıl öğrenilir?”ve“Yatırım yapmaya değer mi?”. Yatırımcıların keşif yetenekleri genellikle yıllarca süren ağ (network) oluşturma ve markalaşma çabalarıyla oluşur. Doğru yatırımı yapmayı öğrenmek ise bir girişimin neden başarılı olurken diğerlerinin başarısız olduğunu sezgisel olarak çıkarmaya çalışmaktan ortaya çıkar. Finansal hizmetler endüstrisinde girişim sermayesi yatırımları, yüksek riskli, yüksek getirili varlık sınıfı olarak kabul edilmektedir. Son yıllarda yatırım yapmak inanılmaz derecede rekabetçi hale gelmiş ve samanlıkta kişiyi zengin edecek iğneyi bulmak hiç bu kadar zor olmamıştır. Girişim yatırımlarında genellikle sektör kabulü olarak 6 adım bulunmaktadır. Bunlar; anlaşma kaynağı bulma (deal sourcing), anlaşma seçimi (deal selection), değerleme (valuation), anlaşma yapısı (deal structure), yatırım sonrası katma değer (post investment value added), çıkış (exits)'tır. Risk sermayesi analistleri mümkün olduğu kadar çok fazla girişim ile görüşüp yatırım tezlerine uygun olan girişimleri değerlendirmeleri gerekmektedir ve görüşülen çoğu girişim çoğu zaman yatırım tezine uygun olmamaktadır. Herhangi bir girişim sermayesinin ya da fonun yaptığı temel varsayım, yatırımlarının çoğunun bir kayıp olacağı ve tüm geri dönüşün yapılan yatırımların en fazla %10'u tarafından yönlendirileceğidir. Risk-getiri profili bu nedenle çok istikrarsızdır, bu da yatırımcıları yalnızca“unicorn”a (değerlemesi 1 milyar doları geçen şirket) dönüşebilecek fırsatların peşine düşmeye ve iyi olmasına rağmen yapamayacakları yatırımları reddetmeye zorlar. Bununla birlikte, bir şirketin başarısını daha iyi tahmin etmenin bir yolu olsaydı, bir yatırımcı, unicorn aramak yerine, tümü 2 kat getiri sağlayan bir şirketler portföyüne kolayca yatırım yapabilir ve sonunda günümüzde çoğu fonun elde ettiğinden daha yüksek bir getiri elde edebilir. Bu bağlamda bu tezin amacı; Türkiye'deki girişim ekosisteminde en büyük payı alan (Global Startup Ecosystem Report 2022, 2023) oyun, finansal teknolojiler ve yapay zekâ alanındaki girişimlerden yola çıkarak potansiyel yatırımların riskini daha iyi değerlendirmek için girişim sermayesi yatırımlarında karar verme süreçlerinde makine öğrenmesi algoritmalarının; oyun, finansal teknolojiler ve yapay zeka alanındaki girişimlerin gelecekteki başarılarının tahmin edilmesindeki etkiyi araştırmaktır

Özet (Çeviri)

Good startups often originate from a simple idea and a few people identifying a solution to address a particular need and an existing market gap. On the other hand, there are angel investors, venture capitalists and corporate venture capitalists who provide the capital, and sometimes the necessary assistance, to make this dream a reality. If you are an investor, there are a few things you will always want to know:“Where are the good startups?”,“How to learn?”and“Is it worth the investment?”. Discovery capabilities are often built through years of networking and branding efforts. Making the right investment comes from intuitively trying to figure out why one venture succeeds and others fail. Investing has become incredibly competitive in recent years and looking for a the needle in a haystack that will make you rich has never been more difficult. The results show that machine learning can support venture investors in their decision-making processes to find opportunities and better assess the risk of potential investments. Good startups usually consist of a simple idea and a few people who come up with a solution to fill a specific need and an existing market gap. On the other hand, there are angel investors, venture capitalists and corporate venture capitalists who provide the capital and sometimes the necessary assistance to make the solution a reality. If you are an investor, there are a few things you will always want to know:“Where are the good startups?”,“How to learn?”and“Is it worth the investment?”. Investors often build discovery capabilities through years of networking and branding efforts. Learning to make the right investment comes from intuitively trying to figure out why one venture succeeds and others fail. In the Financial Services Industry, venture capital investments are considered a high-risk, high-yielding asset class. Investing has become incredibly competitive in recent years, and“looking for a the needle in a haystack”that will make you rich has never been more difficult. In venture investments, there are usually 6 steps as sector acceptance. These are; deal sourcing, deal selection, valuation, deal structure, post investment value added, exit. Venture capital analysts need to interview as many startups as possible and evaluate the startups that fit their investment thesis, and most startups interviewed often do not fit the investment thesis. The basic assumption any venture capital or fund makes is that most of their investment will be a loss and all return will be driven by no more than 10% of the investment made. The risk-return profile is therefore very unstable, forcing investors to seek opportunities that can only turn into“unicorns”(a company valued at more than $1 billion) and reject investments that are good but cannot make. However, if there were a better way to predict a company's success, an investor, instead of looking for a unicorn, could easily invest in a portfolio of companies all yielding 2x the return, and end up with a higher return than most funds today. In this context, the aim of this study is to investigate the effect of machine learning algorithm in predicting the future success of venture capital investments in order to better evaluate the risk of potential investments based on the startups in the field of game, financial technologies and artificial intelligence, which have the largest share in the entrepreneurial ecosystem in Turkey.

Benzer Tezler

  1. Tez No

    544825

    Küresel finansal teknoloji sektöründe ortaya çıkan yeni girişimlerin ekonomik ve teknolojik belirleyicileri

    Economic and technological determinants of newstartups in the global financial technology sector

    SELİM TAŞTAN

    Doktora

    Türkçe

    Türkçe

    2019

    İşletmeHaliç Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. GÜLER ŞEBNEM URALCAN

  2. Tez No

    721919

    Zaman frekans analiz yöntemleri ile imha değerlendirme

    Kill assessment with time frequency analysis methods

    NİHAN UZUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CENK TOKER

  3. Tez No

    901593

    Network digital twins: Tackling challenges and enhancing wireless network management

    Ağ dijital ikizleri: Sorunları ele alma ve kablosuz ağ yönetimini geliştirme

    ELİF AK

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BERK CANBERK

  4. Tez No

    733609

    Anksiyete ve depresyon hastalarında intihar düşüncesinin makine öğrenmesi ile değerlendirilmesi

    Evaluation of suicide thought in anxiety and depression patients with machine learning

    TUĞÇE GÖRKEMLİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    PsikiyatriErciyes Üniversitesi

    Çocuk Psikiyatrisi Ana Bilim Dalı

    DOÇ. DR. SEVGİ ÖZMEN

    DOÇ. DR. ESRA DEMİRCİ

  5. Tez No

    898126

    Machine learning based network anomaly detection

    Makine öğrenmesi tabanlı ağ anomali tespiti

    HİLAL HACILAR

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURCU GÜNGÖR

    PROF. DR. VEHBİ ÇAĞRI GÜNGÖR

Geri Dön