Predicting Startup Exit from Textual Descriptors: A Computational Linguistics Framework
创建于 更新于
摘要
本研究表明文本描述在不依赖上下文、财务或人力资本变量的条件下即可独立预测初创企业退出（Exit）。利用覆盖7,419家创业公司、20年的VC数据的叙事映射，提取850项特征并进行文本变量与嵌入的评估与建模。全特征下LightGBM达到F1=0.48，文本描述单独特征F1=0.30，验证了创始人叙述的独立预测能力。对hyping标记、形容词、行话、专业词汇等密度的分析显示，优化后的hyping密度与Exit概率正相关，但过长的陈述或名称长度会降低退出概率。此外，研究提出可量化的Hyping Score，用于在信息不对称条件下辅助VC筛选，体现了创业叙述的可测信号在Exit预测中的应用潜力 [page::1]
