Publicación: Modelo de inversión de venture capital. Evidencia para América Latina.
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: El “venture capital” es una herramienta esencial de financiación privada que se utiliza para apoyar a empresas emergentes con un alto potencial de crecimiento. En este estudio, exploramos la aplicación de técnicas de Procesamiento de Lenguaje Natural (NLP) y Grandes Modelos del Lenguaje (LLM) para analizar datos no estructurados, como las descripciones de las empresas, con el objetivo de predecir los montos de inversión que estas empresas podrían atraer. Utilizamos una base de datos de empresas de América Latina que han recibido inversiones de capital de riesgo y aplicamos técnicas de NLP y Machine Learning en combinación con modelos de lenguaje pre-entrenados basados en la arquitectura de BERT para modelar la cantidad invertida. Evaluamos el rendimiento de estos modelos utilizando una serie de métricas relevantes para determinar la capacidad de este tipo de modelos en tareas fuera de NLP. Los resultados de este estudio proporcionan una visión valiosa sobre la capacidad de los modelos de lenguaje para predecir las inversiones de capital de riesgo y destacan las áreas potenciales para futuras investigaciones y mejoras en este campo emergente de estudio.
Resumen en inglés
ABSTRACT Venture capital plays a pivotal role in the growth of emerging companies with high potential. Our study investigates the applicability of Natural Language Processing (NLP) techniques and Large Language Models (LLMs) in analyzing unstructured data, such as company descriptions, to predict potential investment amounts. Utilizing a database of Latin American companies that have received venture capital investments, we applied NLP and Machine Learning techniques, particularly models based on the BERT architecture, to forecast the investment sum. The performance of these models was evaluated using relevant metrics to assess their proficiency in tasks beyond traditional NLP applications. The findings of this research offer critical insights into the predictive abilities of language models concerning venture capital investments, indicating promising avenues for future research and advancements in this emerging field.