Capital de risco e startups: modelo de suporte na tomada de decisão com aprendizado de máquina

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento, Florianópolis, 2020.A Inovação transforma a relação entre pessoas e produtividade, trazendo diversos benefícios socioeconômicos. Por meio de empresas de pequeno (como startups) e médio porte, a inovação pode ser criada e difundida com maior escalabilidade. Contudo, devido aos enormes riscos atrelados a essas empresas inovadoras, uma forma de financiamento diferenciado se faz necessário. O capital de risco pode ser descrito como um apoio financeiro em conjunto com um suporte gerencial, destinados às pequenas e médias empresas de grande potencial emergente. No entanto, existem diversos fatores que podem influenciar no resultado de um investimento de risco, o que provoca uma proliferação de evidências confusas para pesquisadores, empreendedores e investidores. A identificação e discussão crítica das relações de causa e efeito podem ajudar a entender a escolha e a influência de tais fatores e o porquê alguns são mais importantes do que outros. O objetivo deste estudo é entender e aprimorar o processo de análise de investimentos em Startups via fundos de capital de risco por meio de algoritmos de aprendizado de máquina. Para isso, foi feita uma revisão da literatura para identificar diversos critérios e características de todo o processo de investimento e o mapeamento de técnicas de suporte na tomada de decisão. A análise de cada critério foi feita por meio de uma pesquisa com gestores de fundos de capital de risco, além da criação de um dataset com informações de mais de cem mil empresas para avaliar a acurácia de diferentes métodos de aprendizado de máquina, para que então fosse verificado o modelo definido de tomada de decisão no dataset construído em conjunto com os critérios pesquisados. Como resultado do trabalho, foi possível criar um modelo para melhorar a assertividade no início de um processo de decisão de investimento em capital de risco.Abstract: Innovation transforms the relationship between people and productivity, bringing several socioeconomic benefits. Through small and medium-sized companies, innovation can be created and disseminated with greater scalability. However, due to the enormous risks attached to these innovative companies, a differentiated form of financing is necessary. Venture Capital can be described as financial support in conjunction with managerial support, aimed at small and medium-sized companies with great emerging potential. Although, there are several factors that can influence the outcome of a risky investment, which causes a proliferation of confusing evidence for researchers, entrepreneurs and investors. The identification and critical discussion of the relationships between cause and effect can help to understand the choice and influence of such factors and why some are more important than others. The objective of this study is to understand and improve the process of analyzing investments in startups via venture capital funds through machine learning algorithms. For this, a literature review was carried out to identify several criteria and characteristics of the entire investment process, also a mapping of support techniques in decision making was carried in parallel. The analysis of each criteria was made through a survey with venture capital fund managers, in addition to the creation of a dataset with information from more than one thousand companies to evaluate the accuracy of different machine learning methods, so that the defined decision-making model could be verified in the dataset in conjunction with the researched criteria. As a result of the work, it was possible to create a model to improve assertiveness at the beginning of a venture capital investment decision making process