Đề tài Các phương pháp đo lường rủi ro và lợi nhuận của đầu tư vốn mạo hiểm

. Ước tính xác suất thành công cho đầu tư vốn mạo hiểm Hiệu quả của phương pháp tái tỉ trọng (re-weighting): Mô phỏng Trước khi ước tínhxác suất thành công cho đầu tưvốn mạo hiểm chưa hoàn thành, tác giả sử dụng mô phỏng để xác minh tính hiệu quảcủa phương pháp tái tỉ trọng trong việc giảm thiểu khuynh hướng đi lên bởi dự liệu bị thiếu. Kết quả mô phỏng xác nhận rằng dữ liệu bị thiếu gây ra khuynh hướng đi lên của những ước tính doanh thu.Ngoài ra,họ xác nhận rằng phương pháp tái tỉ trọng làm giảm đáng kể mức độ sai lệch này. (Các bước thực hiện mô phỏng theo dõi ở phụ lục ) Xác định các biến dự đoán cho sự thành công Sau khi xác nhận sự thành công của kỹ thuật tái tỉ trọng, chúng tôi sử dụng mô hình phản ứng định tính để xác định các biến mà dự đoán xác suất thành công cho các công ty có quỹ mạo hiểm hậu thuẩn. Các phép hồi quy cho thấy thời gian hoạt động của công ty, tổng số vòng tài chính, và kích thước tương đối của các vòng tài trợ cuối cùng có ý nghĩa tiên đoán. Trước tiên, chúng tôiphỏng đoán vềcác ứng cử cho các biến có khả năng phân biệt các công ty có vốn mạo hiểm hậu thuẫn thành công và không thành công. Các ứng cử đầu tiên là thời gian hoạt động của các công ty, đó là khoảng thời gian kể từ vòng vốn đầu tiênđếnthoát khỏi. Lý do để những công ty có quỹ mạo hiểm đầu tư thành công hay không thành công rất có khả năng có sự phân phối khác nhau của thời gian hoạt động. Ví dụ, các công ty thành công hơncó xu hướng thực hiện tốt và ra công chúng hoặc mua lại một cách nhanh chóng trong khi các công ty không thành công hoạt động kém và có thể vùng vẫy một thời gian dài trước khi đi ra khỏi kinh doanh. Một ứng cử của cácbiến số tiên đoán là tổng số vòng tài trợ trước khi thoát vốn. Việc rót cố của quỹ đầu tư mạo hiểm trải qua các giai đoạn: nhà tư bản mạo hiểm luôn theo dõi tiến độ của công ty được đầu tư vốn mạo hiểm và tiếp tục tài trợ nếu các công ty vẫn có vẻ đầy hứa hẹn. Do đó, các công ty không thành công ít có khả năng nhận được tài trợ liên tục . Ứng cử khác bao gồm kích thước của vòng tài trợ đầu tiên và vòng tài trợ cuối cùng và ngành công nghiệp, thời kỳ của vòng tài trợ đầu tiên mà quỹ đầu tư mạo hiểm phụ thuộc vào. Các kích thước của vòng đầu tiên có thể được thông tin bởi vì nhiều công ty hứa hẹn có thể nhận được thêm vốn ngay từ khi bắt đầu . Đồng thời, các công ty thành công, số vốn tăng lên ở vòng cuối cùng rõ ràng là lớn hơn số tiền trong vòng trước đó. Do đó, kích thước của vòng tài trợ cuối có thể được tiên đoán. Cộng thêm vào đó với kích thước các vòng tài trợ và ngành công nghiệp mà công ty phụ thuộc vào có thể dự đoán được sự thành công của công ty được đầu tư vốn mạo hiểm. Xác suất thành công cho các khoản đầu tư chưa hoàn thành Sau khixác định các biến dự đoán, tác giả sử dụng phương pháp phi tham số để xây dựng các xác suất thành công , đó là một hàm của các biến tiên đoán. Ngoại lệ duy nhất là kích thước tương đối của cácvòngtài trợ cuối cùng: mặc dù đó làthông tin đáng kể, vì đối với những công ty chưa hoàn thành việc đầu tư thì khó mà xác định kích thước vòng tài trợ cuối cùng . Tác giả ước tính xác suất thành công cho công ty có đầu tư vốn mạo hiểm chưa hoàn thành bằng cách kiểm tra giá trị của các biến của nó và hàm xác suất. Giả sử rằng một biến ngẫu nhiên- Chất lượng -xác địnhcácloại hìnhthoát vốn của công ty được đầu tư vốn mạo hiểm. Rõ ràng, chất lượng của công ty là không quan sát được cho đến khi thoát vốn.Nhiệm vụ cần làm là ước tínhxác suất cho một công ty được đầu tư vốn mạo hiểm dở dang tới đích cuối cùng là phát hành ra công chúng hoặc được mua lại trong thời gian hoạt động và với tổng số vòng tài trợ. Tuy nhiên, chúng tôi chỉquan sát thấp hơn giới hạnvề thời gian hoạt động đó là thời gian từ vòng vốn tài trợ đầu tiên của công ty đến cuối thời kỳ mẫu.Tương tự như vậy, chúng tôi chỉ quan sát phạm vi thấp hơn của số vòng tài trợ , đó là tổng số vòng tài trợ vào cuối thời kỳ mẫu. Vì không thể trực tiếp sử dụng các hệ số ước tính với các mô hình phản ứng định tính nên thay vào đó, tác giả sử dụng phương pháp phi tham số đơn giản để ước tính xác suất thành công :hàmphạm vi thấp hơn về thời gian hoạt động và hàm phạm vi thấp hơn về số vòng tài trợ. Ký hiệu N tổng số vòng tài trợ và khoảng n tổng số vòng tài trợ trước khi kết thúc giai đoạn mẫu.Rõ ràng, xác suất thành công cho một công ty mạo hiểm được hỗ trợ với thời gian hoạt động dài hơn s và N lớn hơn n là: Pr (Quality = 1, ActiveTime >s,N>n) = Pr (Quality = 1, ActiveTime >s, N>n) / Pr ( ActiveTime >s, N>n) Chúng ta có thể ước tính Pr (Quality = 1, ActiveTime >s, N>n) trực tiếp từ công ty hoàn thành. Nó bằng với phần nhỏ của công ty hoàn thành thành công với thời gian hoạt động dài hơn s và tổng số vòng tài trợ lớn hơn tổng số n . Đồng thời, chúng ta có thể ước tính Pr (ActiveTime> s, N> n) với các phần của các công ty với thời gian hoạt động dài hơn s và tổng vòng tài trợ lớn hơn tổng số n. Ước tính lợi nhuận của danh mục đầu tư mạo hiểm Vì ta không quan sát được lợi nhuận của các khoản đầu tư đã thoát khỏi kinh doanh, nên cần phải thực hiện một số giả định. Cụ thể, tác giả nhiều lần ước tính chỉ số vốn mạo hiểm dựa trên 25 giả định khác nhau về lợi nhuận các khoản đầu tư không thành công . Cácgiả định là -98% -96% -94%, và như vậy, cho đến-50%. Theo từng giả thiết, ta có ba ước lượng về lợi nhuận danh mục. Trước tiên, ta ước lượng cận trên của lợi nhuận bằng cách giả sử rằng tất cả các khoản đầu tư dở dang sẽ thành công. Thứ hai, ta ước lượng cận dưới bị ràng buộc bởi giả định rằng tất cả các đầu tư chưa hoàn thành cuối cùng sẽ đi ra khỏi kinh doanh. Cuối cùng, chúng tôi ước tính lợi nhuận danh mục dựa trên xác suất ước tính của sự thành công cho mỗi đầu tư. Việc tác giả thực hiện trong bước cuối cùng là ước tính chỉ số vốn mạo hiểm với mức trung bình có trọng số của các chỉ số phụ.Tỉ trọng của mỗi chỉ số phụ tỷ lệ với giá trị tài sản ròng của nó cộng với phần giá trị các khoản đầu tư chưa hoàn thành được phân phối vào các danh mục phụ. Chính điều này đã giúp điều chỉnh sự chênh lệch do lựa chọn thiên vị , điều cần phải khắc phục mà các phương pháp trước đây chưa làm được . 2.2.3 Ưu nhược điểm , khó khăn và cách khắc phục 2.2.3.1 Ưu điểm Việc xây dựng danh mục, chỉ số dựa trên dữ liệu được cung cấp bởi Offroad Capital. Các tập dữ liệu được biên dịch từ nhiều nguồn, bao gồm cơ sở dữ liệu của VentureOne, Plantinum SDC, MarketGuide, và nguồn tài nguyên trực tuyến khác. Theo VentureOne, nguồn cơ sở dữ liệu hoàn chỉnh nhất cho dữ liệu thuộc dạng này, và nó đã ghi nhận khoảng 98% các vòng tài trợ như vậy từ năm 1992. Do đó, cơ sở dữ liệu giảm nhẹ đáng kể lựa chọn thiên vị tiềm năng gây ra bởi việc chỉ nghiên cứu các dự án thành công. Việc xác định chỉ số vốn mạo hiểm dựa trên hai chỉ số phụ . Do có sự lựa chọn thiên vị - những công ty thành công hay có những triển vọng tốt sẽ có được nhiều ưu ái hơn, vì thế có sự chênh lệch giữa hai chỉ số phụ . Bằng cách chỉ định tỉ trọng cho hai chỉ số dựa vào khả năng thành công hoặc thoát khỏi kinh doanh của doanh nghiệp , Peng đã hiệu chỉnh khoản chênh lệch do thiên vị . Nhờ đó đã góp phần tăng tính chính xác và độ tin cậy của chỉ số. 2.2.3.2 Nhược điểm , khó khăn và cách khắc phục Nhược điểm Do khó xác định chỉ số phụ nên phải dựa trên các ước tính và giả định nên đôi khi sẽ làm giảm độ chính xác . Việc tính toán thực hiện qua nhiều khâu có thể nảy sinh nhiều sai sót. Khó khăn và cách khắc phục - Vấn đề đầu tiên là dữ liệu bị kiểm duyệt.Một số khoản đầu tư đã không hoàn thành vào cuối thời kỳ mẫu, vì vậy giá trị của chúng là không thể xác định. Đơn giản chỉ cần bỏ qua các khoản đầu tư dở dang sẽ dẫn đến một sự thiên vị vì những đầu tư đã hoàn thành có thể không chính xác đại diện cho tất cả các khoản đầu tư vào các danh mục đầu tư mạo hiểm. Ví dụ, nếu các khoản đầu tư chưa hoàn thành có xu hướng ít thành công hơn, việc bỏ qua chúng dẫn đến ước tính lên về lợi nhuận của danh mục. Cách khắc phục : sử dụng phương pháp tái tỉ trọng. - Vấn đề thứ hai là thiếu dữ liệu bởi vì giá trị của khoản đầu tư là không quan sát được trong thời gian tạm thời giữa rót vốn và chi ra. Các dữ liệu bị thiếu ngăn cản chúng tôi trực tiếp tính toán lợi nhuận danh mục. Cách khắc phục : sử dụng phương pháp RSR ( repeat-sales regression ) , nó cung cấp các ước lượng có thể tìm thấy giá trị thật sự của chỉ số. - Vấn đề thứ ba là lựa chọn mẫu: lợi nhuận các khoản đầu tư hoàn thành thành công đã quan sát được trong khi những khoản không hoàn thành thành công là không thể. Rõ ràng, việc ước tính lợi nhuận danh mục chỉ dựa trên các khoản đầu tư hoàn thành công sẽ gây ra ước tính có hướng lệch lên nghiêm trọng. Cách khắc phục : đưa ra các giả định hợp lý cho các khoản đầu tư hoàn thành nhưng không thành công. 2.3.2 Mô hình Cochrane (2001) với điều chỉnh sự lựa chọn thiên vị 2.3.1 Nội dung công trình Bài viết phân tích rủi ro và lợi nhuận của các khoản đầu tư vốn mạo hiểm bằng cách đo lường lợi nhuận dự kiến , độ lệch chuẩn , alpha , beta và độ lệch chuẩn thặng dư của các dự án đầu tư vốn mạo hiểm . Nếu công ty được mua lại , ra công chúng hoặc thoát khỏi kinh doanh ta có thể ước tính lợi nhuận cho nhà đầu tư vốn mạo hiểm . Lợi nhuận chính là đầu vào căn bản để phân tích . Trở ngại ở đây chính là sự lựa chọn thiên vị . Tác giả đã khắc phục nó bằng một ước tính tối đa thông qua việc đồng nhất hóa và đo lường sự gia tăng xác suất của việc đi ra công chúng hoặc là được mua lại khi giá trị gia tăng . điểm mà tại đó doanh nghiệp đi ra khỏi kinh doanh và giá trị trung bình , phương sai , alpha , beta lúc này là của lợi nhuận cơ bản . Mô hình này thu hút nhiều tính năng đáng ngạc nhiên về dữ liệu chẳng hạn như thực tế là việc phân phối lợi nhuận ít bị ảnh hưởng bởi thời gian phát hành IPO . Sự ước lượng cũng điều chỉnh thêm sự lựa chọn thiên vị do sai số dữ liệu . Tác giả chỉ sử dụng lợi nhuận từ đầu tư mà kết quả là IPO hoặc mua lại , hoặc các doanh nghiệp đã đi ra khỏi kinh doanh . Và việc tính toán lợi nhuận chỉ đối với dự án đầu tư vốn mạo hiểm , tác giả không cố gắng xác định giá trị thị trường của vốn mạo hiểm tại những ngày trung gian và cũng không phân tích lợi nhuận ước tính giữa các vòng tài trợ . Vì quỹ mạo hiểm thường tính 2-5 quỹ mạo hiểm thường thấp hơn . 2.3.2 Đo lường lợi nhuận và rủi ro thông qua ước tính khả năng đúng tối đa 2.3.2.1 Các thuật ngữ sử dụng trong bài Return - Lợi nhuận - Net return lợi nhuận ròng được theo dõi hàng năm của các công ty . - Log return : Các lợi nhuận không cân xứng cho thấy một chuyển đổi log, việc chuyển đổi log giúp cho việc nắm bắt tính bất cân xứng lợi nhuận tốt hơn, và sự phân bố lognormal là một xấp xỉ rất tốt để phân phối lợi nhuận thực tế. Sự phân bố thực tế có khi lớn hơn so với phân phối bình thường, nhưng sự khác biệt là không lớn. - Nên lựa chọn loại nào của lợi nhuận ? Từ quan điểm thống kê, mô tả những thời điểm của sự phân bố log return có vẻ tốt hơn.Tuy nhiên, để quyết định danh mục đầu tư, mức độ dự kiến hoặc mức lợi nhuận trung bình số học và độ lệch chuẩn tương ứng là số liệu thống kê quan trọng. Nếu ta tạo thành một danh mục đầu tư gồm phần nhỏ w trong một đầu tư VC với lợi nhuận RVC và phần (1 – w) trong một lợi nhuận phi rủi ro Rf, lợi nhuận của danh mục đầu tư RP được cho bởi wRVC + (1 - w) Rf, với trung bình E(RP)=wE(RVC) + (1 - w) Rf và độ lệch chuẩn σ (RP) = wσ (RVC).Chúng tôi không thể làm cho loại hình chuyển đổi với giá trị trung bình và phương sai của log lợi nhuận. –phương sai trung bình lý thuyết danh mục đầu tư cũng chỉ rõ lợi nhuận thực tế hơn là logreturn. Tất nhiên, ta có thể dễ dàng chuyển đổi giữa hai biện pháp. Ví dụ, nếu mô tả thống kê tốt nhất là logreturn mà bình thường phân phối với trung bình μ và phương sai σ2, sau đó chúng ta có thể tính toán lợi nhuận trung bình thực tế hoặc số học eμ+σ2/2. Độ lệch chuẩn của lợi nhuận phản ánh tính thay đổi và không cân xứng của lợi nhuận. Returns sorted by age Cho đến nay, việc gộp tất cả lợi nhuận với nhau đã không xem xét việc phải mất bao lâu để đạt được lợi nhuận đó, đây là một cách hợp lý để mô tả dữ liệu. Tuy nhiên, điều quan trọng là phải hiểu lợi nhuận khác nhau tùy theo tuổi tác của dự án. Betas Thực hiện hồi quy lợi nhuận IPO hoặc lợi nhuận do mua lại ta sẽ có được beta - một cơ sở thực tế thú vị để xem độ nhạy cảm, nhưng không đánh giá được lợi nhuận của các khoản đầu tư cơ bản cho đến khi chúng ta lựa chọn chính xác cho sự thiên vị. Annualized returns – lợi nhuận hàng năm So sánh lợi nhuận hàng năm với lợi nhuận thực tế mà bạn có thể thấy rằng lợi nhuận thực tế ổn định hơn nhiều loại qua tuổi hơn là return hàng năm, chính xác trái với các mô hình, bạn nên quan sát cho một mẫu không được chọn. 2.3.2.2 Công thức tính toán Khắc phục sự lựa chọn thiên vị Để hiểu được ý tưởng cơ bản để khắc phục lựa chọn thiên vị, giả sử có một đầu tư vốn mạo hiểm phát triển với một tốc độ trung bình không đổi là 10% mỗi năm và một độ lệch chuẩn không đổi là 50% mỗi năm. Nếu xác suất của việc đi ra công chúng được độc lập với giá trị của dự án, giá trị trung bình sẽ đo các đặc tính return cơ bản. Các dự án mà phải mất hai năm để ra công chúng sẽ có lợi nhuận trung bình 2 × 10% = 20% và phương sai 2 × 0,502; các dự án mà phải mất 3 năm để ra công chúng sẽ có lợi nhuận trung bình của 3 × 10% = 30% và phương sai của 3 × 0,502 và vv. Như vậy, trung bình (return/time to IPO) sẽ là một ước tính khách quan của lợi nhuận dự kiến hàng năm và trung bình của (return2/time to IPO) sẽ hình thành một ước tính khách quan của phương sai của lợi nhuận hàng năm. Tuy nhiên, các dự án có khuynh hướng ra công chúng khi giá trị của chúng đã tăng lên. Để hiểu tác dụng của thực tế này, giả sử rằng mỗi dự án ra công chúng khi giá trị của nó đã phát triển theo hệ số 10. Bây giờ, tất cả lợi nhuận đo chính xác là 1%. Các công ty không đạt được giá trị này thì duy trì tư nhân.Lợi nhuận trung bình đo được là 1% với một độ lệch chuẩn của 0. Trong ví dụ này, chúng ta có thể xác định các thông số của phân phối cơ bản bằng cách đo số lượng các dự án ra công chúng. Nếu lợi nhuận trung bình thực là cao hơn 10%, hoặc nếu độ lệch chuẩn cao hơn 50%, nhiều dự án sẽ vượt quá ngưỡng 1% cho việc đi ra công chúng trong năm đầu tiên. Bởi vì tăng trưởng trung bình và độ lệch chuẩn phát triển theo căn bậc hai, các phân số mà ra công chúng trong một năm và hai năm với nhau có thể xác định các trung bình độ lệch chuẩn. Các quan sát ở khoảng thời gian khác nhau thêm vào nhiều thông tin. Ước tính khả năng đúng tối đa Thủ tục ước tính khả năng đúng tối đa Để ước lượng giá trị trung bình , độ lệch chuẩn , alpha , beta của vốn mạo hiểm , điều chỉnh sự lựa chọn thiên vị mà chúng ta chưa thấy được lợi nhuận của những dự án vẫn còn chưa được biết đến , tác giả đã xây dựng một mô hình cấu trúc xác suất của dữ liệu – làm thế nào có thể thấy được lợi nhuận được tạo ra từ giá trị cơ bản và quyết định ra công chúng hoặc thoát khỏi kinh doanh . Với Vt là giá trị doanh nghiệp tại thời điểm t . Sự gia tăng trong giá trị được xem như là một biến phân phối lognormally với các tham số µ và σ . Đây là những tham số trung tâm mà chúng tôi muốn tìm hiểu . Ln ( ∆) ˜ N (µ∆ , σ2 ∆ ) (1) Tiêu chuẩn hóa từng dự án đến giá trị bằng 1 , sử dụng khoảng thời gian ∆ = 3 tháng .Mỗi giai đoạn , doanh nghiệp có thể thoát ra khỏi kinh doanh , ra công chúng hay được mua lại . k biểu thị cho cận dưới của giá trị . Nếu Vt ≤ k thì doanh nghiệp đi ra khỏi kinh doanh , lúc đó ta có xác suất : Pr ( out of business | Vt ) = 0 >1 ≤ (2) Nếu doanh nghiệp vẫn còn trong kinh doanh nó có thể được IPO hoặc mua lại . Xác suất của việc đi ra công chúng là một hàm gia tăng của giá trị . Ta mô hình hóa xác suất này như một hàm logistic .Ta có xác suất: Pr ( IPO | Vt , > ) = 1/ ( 1+ e-a(ln(V) –b) ) (3) a và b biểu thị cho xác suất của việc đi ra công chúng ( hoặc mua lại ) dưới dạng là một hàm của giá trị . Những doanh nghiệp đưa ra khỏi tập hợp các doanh nghiệp vẫn còn trong mẫu có xác suất : Pr ( removed | Vt ) = 1/ ( 1 + − ( ( ) – ) ) >1 ≤ (4) Như vậy xác suất của giá trị Vt+∆ tại giai đoạn bắt đầu của t + ∆ là : Pr ( Vt+∆) = ∫ Vt Pr(Vt+∆| Vt )[1 - Pr ( removed | Vt ) ]Pr(Vt ) (5) Và xác suất Pr(Vt+∆| Vt ) được cho bởi phân phối lognormal của (1) Vì ta không có những quan sát vững chắc ở trên toàn bộ các doanh nghiệp đã thoát khỏi kinh doanh , vì thế một vài thời kì sẽ bị sai . Như vậy , xác suất : Pr( out of business at t , see ) = c × Pr ( out of business at t ) (6) Ta ước lượng trực tiếp c như là số thập phân của những doanh nghiệp thoát khỏi kinh doanh mà ta có dữ liệu đáng tin cậy . Pr ( IPO at t , value = Vt , see ) = d × Pr ( IPO at t , value = Vt ) (7) Ta ước lượng trực tiếp d như là số thập phân của những doanh nghiệp IPO hoặc mua lại mà ta có dữ liệu đáng tin cậy . Cho các thông số {µ,σ,k,a,b,c,d} ta có thể tính toán phân phối xác suất của giá trị và thời gian cho việc thoát khỏi kinh doanh và IPO , và xác suất của số năm vẫn còn là doanh nghiệp tư nhân với giá trị Vt . Thiết lập một hệ thống giá trị , ước tính tất cả các xác suất . Sử dụng (1) ta có được xác suất của giai đoạn 1 của quá trình đầu tư. Sử dụng (2) ,(3),(6),(7) ta có được xác suất của IPO hoặc phá sản trong giai đoạn 1 , và xác suất của IPO hoặc phá sản đã có nhưng với dữ liệu xấu . Sự dụng (5) ta có xác suất của giai đoạn 2 , và cứ làm tiếp tục theo đó . Sauk hi có xác suất cho mọi trường hợp , ta kết nối dữ liệu để tính toán các hàm có khả năng . Mẫu bao gồm các quan sát vòng tài trợ vốn mạo hiểm . Kết quả mỗi vòng là một trong các loại sau :- IPO / mua lại với dữ liệu tốt .- IPO / mua lại với thời gian tốt nhưng dữ liệu lợi nhuận xấu .- IPO / mua lại với thời gian và dữ liệu lợi nhuận xấu. - Vẫn còn là doanh nghiệp tư nhân . Thời gian = ( Ngày kết thúc mẫu – Ngày đầu tư ).- Thoát khỏi kinh doanh , ngày thoát tốt .- Thoát khỏi kinh doanh , ngày thoát xấu . Dựa vào cấu trúc ở trên , cùng với việc cho biết các thông số {µ,σ,k,a,b,c,d}ta có thể tính toán xác suất của một điểm dữ liệu nhìn thấy nào . Tính log và thêm vào bên trên xác suất này cho mọi điểm dữ liệu , ta có thể có khả năng đúng . Lợi nhuận đối với vốn cổ phần nếu có IPO được xác định : = max ( , 0 ) (8) Lợi nhuận đối với vốn cổ phần nếu công ty thoát khỏi kinh doanh là bằng 0 ( ngay cả khi Vt < k ). Ước tính của alpha và beta Để ước tính mô hình hồi quy , tác giả chỉ định Ln ( ( ∆) ) = γ + ln ∆ + δ (ln ∆ - ln ) + εt + ∆; εt + ∆˜ N (0,σ2) (9) thay thế cho (1) . Với ∆ : lợi nhuận phi rủi ro tại thời điểm t+∆ : lợi nhuận phi rủi ro tại thời điểm t ∆ : lợi nhuận thị trường tại thời điểm t+∆ Điều này như CAPM nhưng giống trong log returns hơn là trong mức lợi nhuận . Để ước tính (9) ta nhóm tất cả các khoản đầu tư theo quý theo nơi mà chúng được tạo ra , Sau đó ta sử dụng chuỗi thời gian quan sát của và để tìm ra xác suất của lợi nhuận, IPO , thoát khỏi kinh doanh v.v Ta ước tính giá trị trung bình và độ lệch chuẩn của các báo cáo riêng biệt, ta có một con số của các ước lượng nhỏ hơn với alpha và beta tốt. 2.3.3 Ưu nhược điểm 2.3.3.1Ưu điểm Khắc phục được sự lựa chọn thiên vị bằng ước tính khả năng đúng tối đa , khả năng đồng nhất hóa và đo lường xác suất việc đi ra công chúng sẽ được mua lại hoặc là tăng giá trị. 2.3.3.2Nhược điểm- Mô hình thị trường của Cochrane không cho phép sự khác biệt thuộc đặc tính của các công ty cá nhân, nhưng chỉ alpha thị trường rộng và beta cho đầu tư mạo hiểm- Trong điều chỉnh xu hướng lựa chọn, Cochrane không phân biệt giữa các loại khác nhau về lối thoát và vòng tài trợ, thực thi một ngưỡng duy nhất cho các sự kiện xác định giá trị khác nhau- Trong điều chỉnh chênh lệch lựa chọn, trong Cochrane, ngưỡng bắt nguồn từ lợi nhuận của các công ty cá nhân trong khoảng thời gian quy định mà không cần tham chiếu đến điều kiện thị trường. 2.4 Mô hình chỉ số lai (Hybrid Index) với hiệu chỉnh sự lựa chọn thiên vị 2.4.1 Nội dung công trình Bài viết này xây dựng một chỉ số cho vốn mạo hiểm để cung cấp một chuẩn mực rõ ràng. Như vậy một chuẩn mực là rất hữu ích: để ước lượng hiệu suất của cổ phần vốn mạo hiểm đặc biệt; để ước lượng hiệu suất của các quỹ cụ thể, bao gồm cả công ty hợp danh vốn mạo hiểm, quỹ mạo hiểm doanh nghiệp và cổ phần vốn mạo hiểm của các quỹ lương hưu và các khoản hiến tặng, để so sánh hiệu suất của vốn mạo hiểm với các loại tài sản khác; để xác định phân bổ danh mục đầu tư của các loại tài sản khác nhau, và cho các ứng dụng khác. Có một số vấn đề quan trọng trong xây dựng một chỉ số. Đầu tiên đó là vấn đề giá cả cho các công ty tư nhân thì gián đoạn và không thường xuyên. Giá được thiết lập đối với cổ phiếu trong một công ty cá nhân khi nó làm tăng vốn mới, khi bán cổ phiếu ra công chúng (thông qua IPO ), khi nó được mua lại, hoặc khi nó không còn hoạt động. Các công ty này là " tư nhân" - cổ phiếu của họ không đăng ký với Ủy ban Chứng khoán và Giao dịch (SEC), họ không báo cáo kết quả tài chính cho SEC hay cho công chúng, trừ khi họ muốn, và cổ phiếu của họ không được giao dịch ở bất kỳ thị trường có tổ chức . Để đo lường chuyển động trong giá trị của các công ty tư nhân theo thời gian, tác giả phát triển một phương pháp để tạo ra một chỉ số giá tiêu chuẩn cho các công ty như vậy. Trước tiên là xây dựng các chỉ số bằng cách sử dụng một phiên bản lai hiện đại của kỹ thuật repeat-sales (lặp lại bán hàng) được đưa ra bởi Bailey và cộng sự (1963) để đo sự thay đổi giá bán bất động sản không thường xuyên, và chúng tôi hiệu chỉnh cho nó sự lựa chọn chênh lệch. Các đơn vị quan sát là một khả năng về giá có thể xảy ra cho một công ty tư nhân. Điều này bao gồm bất kỳ đợt huy động vốn tư nhân, trong đó nhất thiết phải tạo ra một giá trị công ty (báo cáo hoặc không) được xác định bằng thương lượng giữa công ty phát hành và nhà đầu tư của mình (có thể bao gồm công ty hợp danh vốn đầu tư mạo hiểm , cá nhân, và tập đoàn). Các khả năng về giá có thể xảy ra cũng bao gồm các IPO, mua lại, và kết thúc hay phá sản. Chỉ số này do đó phản ánh tổng lợi nhuận từ đầu tư trực tiếp tại các công ty, chứ không phải lợi nhuận đến các nhà đầu tư là thành viên hợp danh của quỹ đầu tư mạo hiểm sau các lệ phí và các chi phí quỹ của họ. Đây được gọi là mô hình lai vì nó là kết quả lai của việc thực hiện phương pháp repeat- sales trong Peng (2001) đồng thời thực hiện ước tính tối đa như Cochrane(2005) nhưng có một vài sự điều chỉnh cho phù hợp. 2.4.2 Công thức tính toán Có hai bước để xây dựng các chỉ số. Trong bước đầu tiên, để đo lường việc chọn lọc mẫu trong các giao dịch mà không tiết lộ giá trị, chúng tôi xây dựng lịch sử của các khả năng về giá có thể xảy ra cho tất cả các công ty mà chúng tôi có dữ liệu (những sự kiện đó cho biết giá trị và những sự kiện khác thì không) để ước lượng xác suất mà một công ty sẽ tiết lộ giá trị (thông qua IPO, mua lại, tư nhân tài trợ, hoặc ngừng hoạt động). Chúng tôi sau đó sử dụng khả năng này ước tính trong việc xây dựng các chỉ số của một phiên bản lai của phương pháp xác định giá trị lặp lại, sử dụng thông tin về các giao dịch cho các công ty mà cho biết giá trị và để chúng ta có thể quan sát một mức giá hoặc lợi nhuận trong một vài khoảng thời gian. Hybrid Index Model ( mô hình chỉ số lai) với hiệu chỉnh sự chênh lệch lựa chọn Ước tính giá trị thị trường cho hàng hóa giao dịch : Vt = b0 + ∑ ixit + ∑ + = b’xt + p’ + (1) Với Vt : giá trị thị trường hay giá giao dịch Xt : vector mô tả các thuộc tính và định lượng của hàng hoá Xt = (x1t, x2t, …., xnt) b: hệ số ước tính, đại diện cho giá biên tiềm ẩn của mỗi thuộc tính δ τ biến chỉ định với một giá trị cho tất cả các khoảng thời gian lên đến t ξ τ một sai số ngẫu nhiên với giá trị trung bình là không. Qua đó ta thấy rằng giá trị thị trường được xác định bằng tổng hợp các yếu tố tác động lên nó bao gồm : hệ số ước tính tại thời điểm bắt đầu b0, sự thay đổi của hàng hóa theo gian sẽ làm giá biên tiềm ẩn của mỗi thuộc tính thay đổi dẫn đến giá trị thị trường thay đổi (∑ ixit ), sự thay đổi giá theo thời gian ∑ và sai số ngẫu nhiên . Có một lý luận cơ bản về giá trị thị trường mà ta hay gặp đó là giá trị thị trường được xác định bằng tích của giá và khối lượng sản phẩm theo thời gian. Vt = XtPt (2) Với X : số lượng , P : giá của sản phẩm Các logarit của giá giao dịch là đi ngược trở lại khi đo lường các biến đặc tính vật lý của các hàng hoá xit và biến giả đại diện cho thời gian δ τ . Trong công thức này, exp∑ là chỉ số giá tại t . Xem xét sự khác biệt giữa giá giao dịch đo lường tại t và T.(từ công thức (1) chỉ khác nhau là t hay T thôi) ta có được công thức : Vt – VT = b’(xt – xT) + p’( – ) + – (3) Lý thuyết cung cấp hướng dẫn nhỏ trong việc xây dựng các mô hình thống kê về giá ẩn . Giá ẩn là tính chất của một hàng hoá. Một phần giá của loại hàng hoá đó có liên quan đến mỗi tính chất của nó và do vậy có thể đánh giá sự thay đổi về chất lượng. Nếu hình thức của các chức năng giá ẩn là bán logarit và nếu các đặ