Динамика эмоциональной окрашенности текстов публикаций венчурных инвесторов в социальной сети Twitter

Авторы: А. Удоденко, асп., ORCID iD 0000-0001-7036-676X, Национальный университет “Киево-Могилянская Академия”, Киев, Украина; Д. Довгополый, MBA, ORCID iD 0000-0002-8479-2986, Международный институт менеджмента, Киев, Украина; В. Иваненко, асп., ORCID iD 0000-0002-1212-898X, Киевский национальный университет имени Тараса Шевченко, Киев, Украина

Аннотация: Венчурная отрасль рискованная, полная сюрпризов и требует внимания. Ситуация ухудшается тем, что рынок страдает от асимметричности информации. Из-за COVID-19, который возник в начале 2020 года, Интернет и СМИ перегружены материалами, которые могут повлиять на стартапы определенных или всех отраслей и усугубить кризис. В ходе исследования мы использовали инструмент сентимент-анализа и подтвердили гипотезу об изменениях динамики эмоциональной окрашенности публикаций инвесторов под влиянием трудно предсказуемых событий в долгосрочной перспективе. Реальные мнения представителей отрасли предоставили уникальную возможность оценить соотношение этих событий с выраженными общественными настроениями. Одним из самых популярных упоминаний за период январь-май 2020 г. стала тема коронавируса, а такие важные в обычных условиях темы, как команда, люди, рынок, технологии были отодвинуты на задний план, тогда как основное количество существующих моделей определяет эти темы в своем анализе как основополагающие. Динамика изменения настроения четко совпала с наиболее весомыми негативными и позитивными новостями периода начала коронакризиса. Важно отметить, что после большинства колебаний ситуация возвращалась к предыдущему состоянию спустя очень короткое время, однако некоторые события, такие как 13 марта, когда центром вспышки стала Европа, безвозвратно снизили тренд до более негативного уровня. В зависимости от страны происхождения инвестора удалось не только выделить группы, которые отреагировали более позитивно или отрицательно, но и установить, в каких из них распределение является более пологим или резким. Более того, несколько стран отличились двумя пиками, что говорит о ярко выраженной расслоенности в их венчурной экосистеме. Сравнение распределения эмоциональной окрашенности по стране проживания инвестора и стране расположения его места работы (фонда) позволило нам сделать выводы о том, что на эмоции индивида гораздо большее влияние представляет именно география его главного офиса, а не личное расположение. Анализ отраслей наибольшего интереса инвесторов показал устойчивую картинку, из которой выбилась, в положительную сторону, лишь отрасль розничной торговли. Анализ в разрезе стадий инвестиций показал, что посевные и ранние инвесторы подвержены более негативной окрашенности, что свидетельствует о том, что люди оказались менее готовыми к ситуации и выражают большее беспокойство. Построенная система не требует дни/недели на изучение контента, а может давать результаты в режиме реального времени. В зависимости от исследованных разделов данных, инвесторы и основатели стартапов смогут правильно корректировать свои долгосрочные стратегии развития.

Ключевые слова: венчурный капитал, сентимент-анализ, стартапы.

Recei ved: 06/06/ 2020
1st Revision: 22/07/2020
Accepted: 15/08/ 2020

DOI: https://doi.org/10.17721/1728-2667.2020/211-4/6

Список использованной литературы

1. Williams C. and Gulati G., 2009. What is a Social Network Worth? Facebook and Vote Share in the 2008 Presidential Primaries. Annual Meeting of the American Political Science Association.
2. Diegel W., Moritz A. and Block J., 2020. Measuring Venture Capital Sentiment In Europe. [online] Available at: <https://doi.org/10.1007/978-3-030-17612-9_6> [Accessed 5 October 2020].
3. Tumasjan A., Braun R. and Stolz B., 2019. I Gotta Feeling: How Twitter Sentiment Predicts Venture Capital Valuations of Technology
Startups. [online] Available at: < https://doi.org/10.5465/AMBPP.2019.11887abstract.> [Accessed 5 October 2020].
4. Antretter T., Blohm I., Grichnik D., Wincent J., 2019. Predicting new venture survival: A Twitter-based machine learning approach to
measuring online legitimacy. [online] Available at: <https://doi.org/10.1016/j.jbvi.2018.e00109> [Accessed 5 October 2020].
5. Acs Z.J., Armington C., 2006. Entrpreneurship, Geography and American Economic Growth. Cambridge University Press.
6. Go A., Bhayani R., Huang L., 2009. Twitter sentiment classification using distant supervision. CS224n: Natural Language Processing
with Deep Learning.
7. Pennington J., Socher R., Manning C., 2014. GloVe: Global Vectors for Word Representation. [online] Available at: <https://nlp.stanford.edu/pubs/glove.pdf> [Accessed 5 October 2020].
8. Köhn A., 2018. The determinants of startup valuation in the venture capital context: a systematic review and avenues for future
research. [online] Available at: <https://doi.org/10.1007/s11301-017-0131-5> [Accessed 5 October 2020].
9. BBC News, 2020. Coronavirus: Wuhan Shuts Public Transport Over Outbreak. [online] Available at: <https://www.bbc.com/
news/world-asia-china-51215348> [Accessed 5 October 2020].
10. World Health Organization, 2020. Statement on the second meeting of the International Health Regulations Emergency Committee
regarding the outbreak of novel coronavirus (2019-nCoV). [online] Available at: <https://www.who.int/news-room/detail/30-01-2020-
statement-on-the-second-meeting-of-the-international-health-regulations-(2005)-emergency-committee-regarding-the-outbreak-ofnovel-
coronavirus-(2019-ncov)> [Accessed 5 October 2020].
11. New York Post, 2020. WHO says Europe is new epicenter of coronavirus pandemic. [online] Available at: <https://nypost.com/2020/03/13/who-says-europe-is-new-epicenter-of-coronavirus-pandemic/> [Accessed 5 October 2020].
12. United Nations News. 2020. Still ‘a long way to go’ in coronavirus battle, WHO chief warns. [online] Available at: <https://news.un.org/en/story/2020/04/1062372 22.04.2020> [Accessed 5 October 2020].
13. Cannice M., 2019. Confidence among Silicon Valley Venture Capitalists Q3 2017–Q4 2018: Trends, Insights, and Tells. [online]
Available at: <https://doi.org/10.3905/jpe.2019.1.080> [Accessed 5 October 2020].
14. Nimala K., Jebakumar R., Saravanan M., 2020. Sentiment topic sarcasm mixture model to distinguish sarcasm prevalent topics
based on the sentiment bearing words in the tweets. [online] Available at: <https://doi.org/10.1007/s12652-020-02315-1> [Accessed
5 October 2020].
15. Robinson R., Pearce J., 2017. Evolving Strategy in the Venture Capital Industry: An Empirical Analysis. [online] Available at: <https://doi.org/10.5465/ambpp.1984.4978214> [Accessed 5 October 2020].