Целью исследования является разработка байесовской модели, позволяющей оценивать вероятность выхода малой технологической компании (стартапа) на публичный рынок. Для моделирования и исследования предметной области инновационной экосистемы в работе применен аппарат байесовских сетей доверия (Bayesian belief network). Представлен поэтапный процесс построения гибкой экспертной системы, предназначенной для поддержки инвестиционных решений венчурного фонда. В качестве значимых модификаторов вероятности выхода стартапа на публичный рынок учитываются вероятность привлечения венчурного фонда и состояние рынка ценных бумаг. Дополняющими внутренними факторами инвестиционной привлекательности являются состояние патентного портфеля стартапа и уровень готовности технологии. Действующая модель системы реализована в программе-редакторе байесовских сетей Netica. С помощью вычислительных экспериментов подтверждена логика причинно-следственных связей между всеми случайными переменными байесовской сети, а также адекватность выводов, получаемых с помощью построенной модели. Представленная модель дает возможность не только обновлять убеждения субъекта, принимающего решения при поступлении новых свидетельств, но также позволяет дифференцировать вероятностные выводы в зависимости от того, насколько успешно реализуется проект стартапа, формируется его патентный портфель, и как инвесторы воспринимают текущее состояние фондового рынка.
The aim of this study is to develop a Bayesian model for assessing the likelihood of a small technology company (startup) entering the public market. Bayesian belief networks are used to model and explore the subject area of the innovation ecosystem. A step-by-step process for constructing a flexible expert system designed to support venture capital fund investment decisions is presented. The likelihood of attracting a venture capital fund and the state of the securities market are considered as significant modifiers of a startup's likelihood of going public. Additional internal factors of investment attractiveness include the state of the startup's patent portfolio and the level of technology readiness. The current model of the system is implemented in a Bayesian network editor Netica. Computational experiments confirmed the logic of the cause-and-effect relationships between all random variables in the Bayesian network, as well as the validity of the conclusions drawn from the constructed model. The presented model not only enables the decision maker to update its beliefs when new evidence becomes available, but also allows for the differentiation of probabilistic inferences based on the success of the startup's project, the development of its patent portfolio, and investors' perceptions of the current state of the stock market.
1. Zhang Y., Zhang X. Patent growth and the long-run performance of VC-backed IPOs // International Review of Economics and Finance. 2020. Vol. 69. P. 33–47. DOI: 10.1016/j.iref.2020.04.006.
2. Cox J., Fuller K. P., Lin Z., Wu W. Do IPO costs affect innovation? // Review of Financial Economics. 2021. Vol. 39 (4). P. 385–401. DOI: 10.1002/rfe.1124.
3. Hall B. H. Is there a role for patents in the financing of new innovative firms? // Industrial and Corporate Change. 2019. Vol. 28 (3). P. 657–680. DOI: 10.1093/icc/dty074.
4. Lantushenko V., Nelling E. F. How do institutional investors respond to patent announcements? // Managerial Finance. 2018. Vol. 44. Is. 12. P. 1446–1465. DOI: 10.1108/MF-12-2017-0536.
5. Levitas E., McFadyen M. A. Multicomponent signals and financial constraints // Technology Analysis & Strategic Management. 2020. Vol. 32 (4). P. 397–412. DOI: 10.1080/09537325.2019.1664735.
6. Ben-Nasr H., Bouslimi L., Zhong R. Do Patented Innovations Reduce Stock Price Crash Risk? // International Review of Finance. 2021. Vol. 21 (1). P. 3–36. DOI: 10.1111/irfi.12265.
7. Feng X., Chan K. C., Lo Y. L. Are venture capitalist-backed IPOs more innovative? Evidence from an emerging market // North American Journal of Economics and Finance. 2020. Vol. 51. 100839. DOI: 10.1016/j.najef.2018.08.022.
8. Чернявский С. В., Воронов В. С., Викторов Е. И. Байесовские модели инновационной деятельности субъектов платформенных экосистем // Цифровая экономика. 2025. № 2 (32). С. 25–32. DOI: 10.34706/DE-2025-02-02.
9. Тулупьев А. Л., Николенко С. И., Сироткин А. В. Основы теории байесовских сетей. СПб.: Изд-во Санкт-Петербургского ун-та, 2019. 399 с. ISBN 978-5-288-05892-9.
10. Norsys Software Corp. [Электронный ресурс]. URL: https://norsys.com/netica.html (дата обращения: 15.05.2026).
11. Choi J. P., Gerlach H. A Theory of Patent Portfolios // American Economic Journal: Microeconomics. 2017. Vol. 9 (1). P. 315–351. DOI: 10.1257/mic.20150003.
12. Mukundan R., Jain K., Pathari V. A model for measuring and ranking a firm’s patent portfolio // Technology Analysis & Strategic Management. 2019. Vol. 31 (9). P. 1029–1047. DOI: 10.1080/09537325.2019.1583327.
13. Косников С. Н., Золкин А. Л., Атаева Л. Б., Дорждеева В. А. Особенности экспертных систем поддержки принятия решений и их применение в экономике // Естественно-гуманитарные исследования. 2023. № 5 (49). С. 160–163. EDN: OJYHMA.
14. ГОСТ Р 71726-2024. Трансфер технологий. Методические указания по оценке уровня готовности технологий (TRL): национальный стандарт Российской Федерации. М.: Российский институт стандартизации, 2024. 24 с.
15. Воронов В. С., Воронова Н. С., Дарушин И. А., Иванов В. В., Кащеева Е. А., Ключников И. К., Коршунов О. Ю., Львова Н. А., Нурмухаметов Р. К., Соколов Б. И. Современные финансовые рынки: монография для магистрантов, обучающихся по программам направления Финансы и кредит / под ред. В. В. Иванова. М.: Проспект, 2018. 576 с. EDN: UXEVSY. ISBN 978-5-392-28078-0.
16. Дроговоз П. А., Пушкарева П. П. Особенности использования метода оценки уровня готовности технологий в наукоемких отраслях: зарубежный и отечественный опыт // Экономика и предпринимательство. 2019. № 5 (106). С. 1066–1070. EDN: DYDGMM.