2.0 KiB
2.0 KiB
베이지안 스타트업 가치평가 프레임워크
날짜: 2025-10-16 목표: Neo4j + 베이지안 MCMC 기반 확률적 가치평가
개요
데이터: K-Startup 12,703개 기업 구성: Neo4j 유사 기업 탐색 + Bayesian MCMC 확률 분포 + 동적 프리미엄 학습
아키텍처
1. Neo4j 그래프 → 유사 기업 Top-K 탐색
2. Bayesian MCMC → 가치평가 확률 분포 생성
3. PostgreSQL → 프리미엄 학습 및 업데이트
Phase 1: Neo4j 유사 기업 탐색 (미구현)
구조
(:Startup)-[:SIMILAR_TO {commonTags: K}]->(:Startup)
검색 기준
- 공통 산업 태그 K개 이상 (K=3)
- 투자 단계 동일 또는 ±1 단계
- 직원 수 유사 범위
출력
- Top-5 유사 기업 목록
- 투자금액, 직원 수, 공통 태그
Phase 2: 베이지안 MCMC 가치평가 (미구현)
입력
{
"company_name": "리버스마운틴",
"stage": "seed",
"employees": 9,
"industry": ["협업툴", "SaaS"]
}
베이지안 모델
Prior: 로그정규분포 (산업/단계별 평균)
Likelihood: 유사 기업 투자금액 분포
Posterior: MCMC 샘플링 (10,000 iterations)
출력
평균: 7.3억원
중앙값: 6.8억원
90% 신뢰구간: [4.2억 ~ 12.5억]
Phase 3: 동적 프리미엄 학습 (미구현)
목표
하드코딩 제거 - 시장 데이터로 자동 업데이트
구조
CREATE TABLE valuation_premia (
stage VARCHAR(20),
industry VARCHAR(100),
premium_mu FLOAT,
premium_sigma FLOAT,
updated_at TIMESTAMP
);
학습 로직
- 신규 투자 데이터 입수 시 자동 재학습
- Beta(α, β) 분포로 프리미엄 업데이트
- 30일 단위 재계산
구현 우선순위
- 즉시: Neo4j 유사 기업 탐색 (1주)
- 단기: MCMC 확률 분포 생성 (2주)
- 중기: 동적 프리미엄 학습 (1개월)
참고
- K-Startup 데이터:
/mnt/51123data/DATA/startup/data/startup_data_20251016.json - Neo4j: 51123 서버 7687 포트