محققان امور مالی کارآفرینی اغلب به این موضوع علاقه مند هستند که چگونه برخی از متغیرها بر عملکرد گروه های سرمایه گذاری خصوصی و سرمایه گذاری مخاطره آمیز یا استارت آپ ها تأثیر می گذارد. رویکرد مستقیم به عقب نشینی معیاری از عملکرد گروه مانند بازده صندوق بر روی متغیر بهره خواهد بود. با این حال، بازده صندوق های گروه های سهام خصوصی به سختی بدست می آید. آنها در پایگاه‌های اطلاعاتی دانشگاهی که بیشتر مورد استفاده قرار می‌گیرند در دسترس نیستند، و پایگاه‌های اطلاعاتی که بازده سهام خصوصی و صندوق VC را گزارش می‌کنند بسیار گران هستند. بنابراین محققان اغلب موفقیت سرمایه‌گذاری را با عرضه‌های عمومی اولیه (IPOs) و خرید استارت‌آپ‌ها – یعنی خروج از آن‌ها – نشان می‌دهند. (به عنوان مثال، هاول، 2017، برنشتاین و همکاران، 2016، ایونز و تاونسند، 2020، ناندا و همکاران، 2020، ایونز و فار-منسا، 2020، برنشتاین و همکاران، 2016 را ببینید). با سهام خصوصی و بازده صندوق VC؟ ما پیشنهاد می کنیم به این سوال پاسخ دهیم.

نگرانی‌های معقولی وجود دارد که اعتبار تجربی خروجی‌ها را به‌عنوان نماینده‌ای برای بازده در سرمایه خصوصی مورد تردید قرار می‌دهد. اول، زمانی که محققان از خروجی ها به جای بازگشت سرمایه استفاده می کنند، اغلب فیلترهای مختلفی را اعمال می کنند. در حالی که برخی از مطالعات فقط از IPO ها برای اندازه گیری موفقیت استفاده می کنند (به عنوان مثال، Gompers و همکاران، 2016، Farre-Mensa و همکاران، 2020)، سایر محققان از IPO ها و اکتساب ها استفاده می کنند (به عنوان مثال، Hegde and Tumlinson، 2014، Howell، 2017). با این حال، برخی دیگر فیلترهایی مانند تعریف یک IPO یا اکتساب موفقیت آمیز به عنوان موردی که فقط در چند سال ثابت پس از یک دور تأمین مالی رخ می دهد (مثلاً Gompers و همکاران، 2008، Ewens و Farre-Mensa، 2020) یا محدود کردن خریدها به بالاتر از قیمت فروش معین یا مضاعف سرمایه جذب شده باشد (به عنوان مثال، گومپرز و همکاران، 2008، برنشتاین و همکاران، 2016، ایونز و مارکس، 2018). ¹ تا حدی که هدف محققان (تحمیل این فیلترها) انتخاب مجموعه ای از معاملات است که بیشترین همبستگی را با تغییرات مقطعی در بازده صندوق دارند، تحقیقات لازم است تا مشخص شود کدام فیلترها – یا ترکیبی از فیلترها – این کار را انجام می دهند. پر کردن این خلأ در ادبیات هدف اصلی این مقاله است.

درک بهتر این فیلترها پیامدهای مهم دیگری برای تحقیق دارد. از آنجا که خروجی ها اغلب به عنوان یک متغیر وابسته استفاده می شوند، استفاده از این فیلترها (به عنوان مثال زمانی که خروج از طریق M&A آستانه قیمت گذاری را پاک نمی کند و بنابراین برچسب صفر می شود) می تواند سوگیری اندازه گیری را در اثر تخمینی متغیرهای مستقل ایجاد کند. تعصب به رابطه بین فیلتر و متغیرهای مستقل بستگی دارد که معمولاً توسط محققان بررسی نمی شود. بنابراین، درک اینکه آیا و/یا تا چه حد، این فیلترها همبستگی بین خروجی ها و بازگشت ها را بهبود می بخشد، مهم است.

استفاده سنتی از خروجی ها برای موفقیت پروکسی وجوهی که مالک شرکت در حال خروج هستند، نگرانی دیگری را ایجاد می کند. وقتی نمونه استارت آپ ها شرکت های جوانی را تشکیل می دهند که بسیاری از آنها سال ها با خروج فاصله دارند، نسبت خروج های فعلی ممکن است منعکس کننده نسبت خروج های آینده نباشد. در نتیجه، رگرسیون لجستیک نتایج خروج بر روی یک متغیر مستقل می‌تواند تخمین‌های مغرضانه‌ای را به همراه داشته باشد (کینگ و زنگ، 2001). برای چنین نمونه هایی، ممکن است استفاده از پروکسی های دیگری که دارای تنوع مقطعی بیشتری هستند و به خروجی های نهایی مربوط می شوند، مهم باشد. مطالعات قبلی از پروکسی‌های مختلفی استفاده کرده‌اند (مانند اینکه آیا استارت‌آپ دور بعدی بودجه را تامین می‌کند)، اما مطالعه سیستماتیک کمی در مورد رابطه بین این پروکسی‌ها و خروج‌های نهایی انجام شده است. پر کردن این شکاف در ادبیات سومین هدف کلیدی این مطالعه است.

ما در مورد این مسائل صحبت می کنیم و امیدواریم که به ادبیات مربوط به تامین مالی و عملکرد در مراحل اولیه کمک کنیم. زیربنای مشارکت ما منبع داده اصلی ما، PitchBook است که شامل اطلاعات مربوط به بازده صندوق است. ما رابطه کلی بین خرید و بازده صندوق VC (به طور جداگانه) و پراکسی‌های موفقیت سرمایه‌گذاری رایج‌تر مورد استفاده در IPOها و M&A را مطالعه می‌کنیم. ما تأثیر محدودیت‌ها بر تعداد خروجی‌ها را تعیین می‌کنیم و اینکه آیا چنین فیلتر کردن خروجی‌ها همبستگی با بازده را بهبود می‌بخشد یا خیر. ما همچنین بررسی می‌کنیم که کدام ویژگی‌های استارت‌آپ‌های در مراحل اولیه با خروج‌های نهایی مرتبط هستند. چنین ویژگی‌هایی ممکن است زمانی استفاده شوند که تغییرات مقطعی کمی در خروجی‌های آینده وجود داشته باشد، مانند زمانی که نمونه عمدتاً شامل شرکت‌های جوانی است که سال‌ها با خروج فاصله دارند.

نمونه نهایی ما شامل 927 خرید و 701 صندوق سرمایه گذاری خطرپذیر با سال های قدیمی بین سال های 1996 و 2010 است. ² برای این صندوق ها، ما داده هایی در مورد دو معیار بازده صندوق داریم: ارزش کل به سرمایه پرداخت شده، TVPI، و نرخ بازده داخلی. ، IRR. توجه داشته باشید که اکثر این صندوق‌ها تا سال 2021 اکثر سرمایه‌گذاری‌های خود را با توجه به عمر صندوق معمولاً 10 سال نقد خواهند کرد (Gompers et al., 2020). برای هر صندوق، آخرین مشاهدات موجود را برای TVPI و IRR نگه می‌داریم. تجزیه و تحلیل ما چندین نتیجه مهم ایجاد می کند.

اول – و مهمتر از همه – یک رابطه مثبت معنادار بین پروکسی های خروج معمولی (IPO و/یا M&A) و بازده صندوق وجود دارد. زمانی که یک صندوق از طریق خروج از شرکت های سبد دارای موفقیت بیشتری باشد، بازده آنها مثبت تر است. این به استفاده از خروجی ها برای عملکرد پروکسی در ادبیات بزرگی که سرمایه گذاری های سهام خصوصی را مطالعه می کند، اعتبار می بخشد.

دوم، برای خرید وجوه سرمایه، ما مستند می‌کنیم که IPOها و خریدها اساساً به طور مساوی با بازده مرتبط هستند. علاوه بر این، در این نمونه نشان می‌دهیم که هیچ فیلتر اضافی روی این متغیرها همبستگی بین خروجی‌ها و بازگشت‌ها را بهبود می‌بخشد. این عدم بهبود در همبستگی با توجه به هزینه اعمال این فیلترها تعجب آور است. در برخی موارد، محققان هنگام اعمال این فیلترها، تعداد خروجی ها را تا 80 درصد کمتر محاسبه می کنند.

سوم، برای صندوق‌های سرمایه‌گذاری خطرپذیر، متوجه می‌شویم که خروج از طریق IPOها و خریدها، پیش‌بینی‌کننده‌های بهتری برای بازده صندوق‌ها نسبت به وجوه خرید هستند. ما همچنین نشان می‌دهیم که خروج از طریق IPOها نسبت به خروج از طریق M&A، پیش‌بینی‌کننده بهتری برای تغییرات مقطعی در بازده است. از سوی دیگر، نشان می‌دهیم که فیلترها می‌توانند نقش مثبتی در این تنظیم داشته باشند. شمارش خریدهایی که حداقل دو برابر میزان سرمایه ای است که استارت آپ قبل از خروج جمع آوری کرده است، بهترین همبستگی را بین خروج از طریق خرید و بازده صندوق ایجاد می کند. ما مراحل دقیقی را در مورد نحوه محاسبه میزان بودجه جمع آوری شده برای هر استارتاپ ارائه می کنیم تا تحقیقات آینده را تسهیل کنیم.

تاکید می کنیم که نتایج فوق ناشی از اکتشاف بازده صندوق است که سرمایه گذاران تجربه می کنند. بازده کارآفرین احتمالاً بسیار مرتبط است، به ویژه زمانی که شرکت از طریق IPO خارج می شود، زیرا همه سهام معمولاً از سهام ممتاز به سهام عادی تبدیل می شوند. این مورد نیز زمانی اتفاق می‌افتد که شرکت برای سرمایه بیش‌تر از مقدار سرمایه‌ای که جذب کرده است خارج می‌شود، زیرا سهامداران ممتاز معمولاً یک اولویت انحلال غیر مشارکتی دارند، در حالی که بنیانگذاران و کارمندان در مراحل اولیه معمولاً قبل از آن سهام قابل توجهی در شرکت پرتفوی دارند. به خروجی با این حال، تحقیقات بیشتر در مورد عواملی که رابطه بین بازده سرمایه‌گذار و بازده کارآفرین را تعیین می‌کنند یا حتی مختل می‌کنند، مورد استقبال قرار می‌گیرد.

در نهایت، ما صریحاً تشخیص می‌دهیم که همه شرکت‌ها نزدیک به خروج نیستند و بنابراین در تحلیل فوق ظاهر نمی‌شوند. در واقع ما چهار پراکسی مرحله اولیه برای خروج احتمالی ارائه می کنیم. ما نشان می‌دهیم که افزایش دور بعدی بودجه، دریافت پتنت پس از تأمین مالی، اشتغال رو به رشد، و افزایش ترافیک وب‌سایت یا رتبه‌بندی، همگی خروجی‌های آینده را از طریق IPO یا خرید پیش‌بینی می‌کنند. این متغیرها دارای تنوع مقطعی بیشتری هستند و زمانی می‌توانند مفید باشند که نمونه عمدتاً شرکت‌های جوانی را تشکیل می‌دهد که سال‌ها با خروج فاصله دارند.

به طور خلاصه، توصیه های زیر را به محققان ارائه می دهیم. ³ IPO و M&A شرکت های پرتفوی هر کدام خروجی های قابل دوام (به طور کلی) به نمایندگی برای بازپرداخت صندوق خرید و VC هستند. شمارش ساده این رویدادها هنگام توضیح بازده صندوق، از درصد دارایی های پرتفوی صندوق که خروج را تجربه می کنند، بهتر عمل می کند. رهبری دور معامله توسط یک صندوق خرید، یک شاخص قابل اعتماد برای بازده از خروج بعدی است، اما فیلتر کردن خروجی ها به M&Aهای چندگانه مشخص نیست. برای صندوق‌های VC، رهبری دور معامله قبلی به قدرت توضیحی IPOها برای بازده صندوق کمک می‌کند، اما تنها زمانی که بازده با استفاده از TVPI اندازه‌گیری شود. برای قدرت توضیحی M&A بازده VC، فیلتر کردن حداقل 2 برابر بر روی آن خریدها نیز کمک می کند. در نهایت، ما راهنمایی هایی را در مورد کیفیت شاخص های قبلی موفقیت شرکت های پرتفوی در زمانی که خروج هنوز دور است ارائه می دهیم. رشد اشتغال، اعطای حق ثبت اختراع، بودجه متعاقب، و دیده شدن/محبوبیت وب سایت، همگی پروکسی های خوبی هستند. امیدواریم محققان بتوانند از این یافته ها برای هدایت انتخاب های خود استفاده کنند.

ادامه مقاله به شرح زیر تدوین شده است. ما منابع داده و ویژگی های خود را در بخش بعدی مورد بحث قرار می دهیم. بخش 3 سپس آمارهای کلیدی در مورد توزیع وجوه، بازده آنها و خروج شرکت های پرتفوی ارائه می دهد. بخش 4 مدل های تجربی ما را برای توضیح بازده با خروجی ها و برای پراکسی خروجی ها با شاخص های قبلی ارائه می کند. این بخش همچنین انگیزه ها و مبادلات هر مدل را مورد بحث قرار می دهد. در بخش 5 ما نتایج خود را ارائه می کنیم و بخش پایانی به پایان می رسد.