摘要
天使投资是初创企业早期的重要资金来源，对企业的生存和发展起到关键作用。以往研究对初步筛选阶段天使投资意向的影响因素进行了探索，但是很少有学者从整体上研究影响因素的重要性排序。此外，以往的研究大多基于回归分析，而机器学习的兴起为创业领域研究提供了另一种解决问题的思路。因此，本文基于机器学习方法对天使投资意向进行预测，并在此基础上，研究影响因素的重要性排序以及影响因素与投资意向的关系。 本文基于天使投资平台的商业计划书投递和回复数据展开研究。通过数据统计和分析，发现创业者变量的缺失值过多。因此，将39843条观测值分为两个版本。一个版本不保留创业者变量，使用全部数据，另一个版本保留创业者变量，使用创业者变量没有缺失的5710条观测值，分别进行研究。首先，进行数据预处理和特征工程。然后，分别使用逻辑回归、随机森林、XGBoost、LightGBM以及stacking模型融合来训练模型并验证模型的预测效果。其次，结合三种特征重要性评估方法输出特征重要性排序，并针对其中较为重要的特征分析其与投资人回复状态的关系。最后，通过对特征重要性排序和部分依赖关系的分析，总结本文的研究结论，并在此基础上向天使投资平台、创业项目和天使投资人提出建议。 从理论价值上，本文分析了天使投资意向的影响因素重要程度差异，并且针对重要特征分析了其在不同水平下对投资意向的影响，丰富了投资意向相关研究。此外，本文利用机器学习算法研究投资人的投资意向，为机器学习在创业领域的应用做出了贡献。从实践价值上，本文训练了预测投资人投资意向的模型，可以实现投资人和创业者更精准的匹配。另外，基于本研究，创业项目可以向投资人有针对性地释放出高价值的信号，而天使投资人可以基于本研究调整改进自己的投资过程，从而使天使投资市场的效率得到提高。
NETL