
數據分析揭示VC界的“貝比·魯斯”效應
"如何打出全壘打:我會用盡我十二成的全部功力進行揮桿,就像要將棒球給擊穿一樣...你對球棒握得越實,你擊打棒球的力度就會越大,球就能飛得越遠。在我用盡吃奶的力進行揮桿的時候,我有可能大力命中,也有很大的可能是三振出局收場。” -- 貝比·魯斯
眾所周知,那些剛從事VC行業(yè)的新兵所碰到的最困難的問題之一,就是如何內化“貝比·魯斯效應”這個概念。
如果要讓所有的投資組合都產生高額的投資回報率,你必須對其中的每一個投資都應用上精確的評估分析方法。但是令人驚訝的是,包括來自賭馬、賭場、以及投資等的更行各業(yè)的領軍人物,他們都強調的卻是另外一面,投行稱之為”貝比·魯斯效應“:雖然貝比·魯斯(卓越的VC)有過不少的三振出局(失敗/虧損的投資)的經歷,但這并不妨礙他成為史上最偉大的擊球手(風頭公司)之一。 -- 出自"貝比·魯斯效應:頻率和量級“
貝比·魯斯效應在不同種類的投資中都會碰上,但是在風投行業(yè)尤為顯著。如注明投資人Peter Thiel所觀察的一樣:
事實上[風投]回報率是呈非常嚴重的偏態(tài)分布的。一個VC對這個偏態(tài)分布認知的越深入,他就越會是個優(yōu)秀的VC。而糟糕的VC則傾向于認為回報曲線是成正態(tài)分布的,比如,誤以為所有的公司都是在同等條件下誕生的,只是有些最終做死了,有些半死不活,而有些卻在成長著而已。而事實上它們是遵循冪次法則的分布規(guī)律的(更多有關Peter Thiel對冪次法則和正態(tài)分布的描述,請查看本人官網之前的一篇文章《創(chuàng)業(yè)圣經《從0到1》讀書筆記精簡版》)。
貝比·魯斯效應之所以這么難以內化主要是因為人們心理上都傾向于逃避虧損。行為經濟學早有非常著名的演示,表明人們對于損失一定金額的情緒低落程度,遠大于賺取同等金額的情緒的愉悅程度。虧損總會讓人感覺不爽,即使這個虧損只是成功的投資組合戰(zhàn)略中的一小部分而已。
當人們談論到這個話題的時候,往往是難以深入,因為此前我們很難得到一份綜合有效的風投公司的效益數據。而今天,大家走運了,非常感謝在眾多風投基金公司中都備受尊重的投資人Horsley Bridge,他給我提供了這數百個風投公司自1985年起的投資回報率相關的匿名歷史數據。
事實如我們預期一樣,回報是非常集中的:大約占有這些公司所有投資組合的6%的投資(大約占所有投資金額的4.5%),產生的投資回報率卻占有了全部投資回報率的60個百分比左右。下面我們再對這些數據作深入的挖深,看下優(yōu)秀的VC和糟糕的VC是怎么被區(qū)分開來的。
全壘打(編者注:也就是說該風投公司不少的投資組合都是獲得超過10倍投資回報率的): 如我們所預期的,成功的風投公司擁有更多的“全壘打”級別的投資。
(本文的所有圖表中,X軸指代的是VC基金的效益:靠右的代表卓越的VC基金,靠左的代表糟糕的VC基金。)
卓越的風投基金公司不但會有更多的高投資回報率投資組合,且這些投資組合的投資回報率往往都是高得超乎想象的。請看下圖中描述的低效益和高效益的風投基金在都是全壘打(超過10倍的投資回報率)的情況下的投資回報率的差別。
通常好的風投基金的投資回報率是在20倍左右,而卓越的風投基金的投資回報率則高達70倍,如Bill Curley曾經說過的:“風投不僅僅是一個全壘打的生意,還是一個大灌滿的生意?!?/span>
三振出局(失敗的投資):這里的Y軸代表的是一個風投基金的眾多投資組合中虧損的投資所占的百分比。
從圖中可以得知,其實無論是糟糕的投資公司還是卓越的投資公司,他們的投資組合中都有不少一部分是虧損的。所以說風投行業(yè)本身就是一門高風險的生意。
大家可以看到上圖是呈U字型分布的,也就是說卓越的風投公司其實比普通的(處于圖表中間的)風投公司更容易投到虧損的公司。所以這里卓越的風投基金公司剛好印證了上面所說的”貝比·魯斯效應“效應:它們揮桿(投資)力度越大,有可能大力命中,也有可能三振出局(虧損)收場。但是你如果不敢冒著大量的三振出局(失敗)的風險,你就不可能有大滿貫(眾多投資組合無數倍的投資回報率)的可能。比如,根據冪次法則,只要你的眾多投資組合中有一個如Facebook般的公司,就算你所有的其他投資組合都是虧錢的,你依然會賺得盤滿缽滿!
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-11數據透視表中兩列相乘合計的實用指南? 在數據分析的日常工作中,數據透視表憑借其強大的數據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數據分析師:連接數據與業(yè)務的價值轉化者? ? 在大數據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數據查詢到趨勢預判? ? 在數據驅動決策的時代,預測分析作為挖掘數據潛在價值的核心手段,正被廣泛 ...
2025-07-10數據查詢結束后:分析師的收尾工作與價值深化? ? 在數據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數 ...
2025-07-10CDA 數據分析師考試:從報考到取證的全攻略? 在數字經濟蓬勃發(fā)展的今天,數據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數據背后的時間軌跡? 在數據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數據類型:時間維度的精準切片? ? 在數據的世界里,時間是最不可或缺的維度之一,而year_month數據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數據分析師認證考試中,Python 作為數據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數據趨勢與突變分析的有力工具? ? ? 在數據分析的廣袤領域中,準確捕捉數據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數據分析師認證作為國內權威的數據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統計學方法在市場調研數據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統計學方法則是市場調研數 ...
2025-07-07CDA數據分析師證書考試全攻略? 在數字化浪潮席卷全球的當下,數據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數據分析師也因此成為 ...
2025-07-07剖析 CDA 數據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數據分析師考試作為衡量數據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數據處理的關鍵技能? 在數據處理與分析工作中,數據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數據分析師視角:從數據迷霧中探尋商業(yè)真相? 在數字化浪潮席卷全球的今天,數據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數據分析師:開啟數據職業(yè)發(fā)展新征程? ? 在數據成為核心生產要素的今天,數據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03