如何运用知识图谱高效甄别一级市场资产

本文整理自 FellowPlus CEO 郭颖哲在杭州金融知识图谱论坛上的演讲。

我做过自媒体,做过 VC,现在在创业。我一直定义自己为 VC 投资人,但是有一颗段子手的心。另外一个联合创始人王亮,原来是友盟负责用户运营的一个朋友,他是个东北人,也有一颗段子手的心。所以我们其实是两个段子手,做了一个金融机构。

甄别一级市场的资产,为什么在这个时候非常重要。

首先中国的一级市场,现状是爆发式的增长。主要体现在两个方面,一方面是投资并购的数量呈现井喷式增长,另一方面,是市场涌现了大量基金管理人。

 

这个图是根据我们 FellowPlus 的数据库统计出来的。我们从 2012 年的 Q2,一直统计到了去年年底。2012 年 Q2 对我来说,是很特殊的时期。因为在 2012 年的 Q1,我正式从一个媒体人,转型成为一个 VC 投资人。可以看到在这几年当中,被投项目数量是井喷式的增长。我也很激动,可以参与到行业爆发的过程当中去。

第二个就是,项目数量非常多。我有一个投资人朋友告诉我说,2001 年、2002 年大家做 VC 的时候,可能就一间屋子、两张桌子,全中国的投资人都坐在那里。那个时候一个细分领域,可能 7 、8 个项目,用三四天的时间可以把所有项目看完,就可以做投资决策,说我要投哪个不投哪个。但是到了今天,中国光是 TMT 这一块的创业市场,基本上都扩展到海外级别的项目了。相应地整个创投市场,也需要更多的投资人做价值的挖掘。我们也可以看到一个相应的趋势,就是市场涌现了大量的基金管理人。

我作为一个 VC 出身的人在想一个问题,我们这一帮人到底在这儿做什么?我会觉得 VC 是什么呢?我认为 VC 是一级市场的超级节点,就是这一帮人在这里,通过资源配置的方式,解决市场最核心的定价问题。我们这一帮人其实非常重要的,刚才滕总讲到一个很好的问题,说他们希望通过数据来帮助大家发现哪一个公司是好公司。但是我在想发现好公司,在这个市场里面究竟是由谁来做的?这件事情在多长的时间内,有可能被机器替代掉?我认为短期内是不太可能的,所以我就要把价值发现之前加上一个定语,就是基金管理人或者说投资人,怎么去发现这个市场的价值。对我们来说,面对的是一个什么样的一级市场,其实我认为我们不妨把它称之为蛮荒时刻,也就是现在我们所处在的这个时刻。首先它体现在投资主题的多样性,每年都有可能变化。去年大家印象可能很深的有直播,共享单车,那么到底哪一个是下一年能上升的行业。

 

第二个问题是基金管理人的数量已经十年经过了 20 倍的增长,到底谁才是基金管理人。因为我刚才说了,我们在这个行业里的位置,其实是一个资源配置者,这个行业其实还有我们的上游,那些真正的大的资金端,大的投资者们,对他们来说,其实我们才是资产,我们才是标的。对他们来说,去哪里找到跟他们的需求更加匹配的管理人。

一级市场的蛮荒,如何才能得到有效解决?

现在百万量级的互联网产品,讲实在话已经不稀奇了,到底下一个独角兽在哪里?这个市场其实呈现出来的是信息爆炸,非常结构化不透明和不真实的一个状态,也就是我们称之为的蛮荒时刻。那么一级市场的荒蛮,到底怎样才能够被有效解决?这也就回到了我刚才一开始讲到的,要用知识图谱的方式去解决资产甄别的问题。我很感谢今年春节之后拜访了文因互联的鲍总,他告诉我这个东西叫知识图谱。因为我是一个做 VC 的人,大家可以看到,跟各位相比我不是非常懂技术。但是站在创业者的角度,我要想的是怎么通过一个产品形成一套解决方案,至少在一个场景里面去打深打通。所以我想的问题,可能跟各位的出发点会有一点点区别,我会首先站在资金端,他们有什么样问题需要解决来倒推这个事情。在这个过程当中,我们其实运用到了很多知识图谱,作为实现的路径,也很感谢鲍总替我们去总结。

FellowPlus 在做的一件事情,就是用数据加一级市场的关键环节去量化一件事情,然后大数据加机器学习、金融建模、信息降噪和人工干预。我相信大家也关心人工干预的部分,我们现在把这个部分控制在 30% 到 40% 的范围内。这些词语,我相信在座的有很多人比我的理解会更深刻一些,我大概告诉你们,我们运用到了这样一些技术。我们做的事情实际上是两块,一块是资产披露的标准化,而不是资产标准化,一级市场的资产是不太可能标准化的;第二个是数据的可视化。

 

这张图简单展示了我们的数据处理流程。这个产品分成三层,或者说我们在这个赛道上所有的人做的事情,可以分成三层,也就是数据层、分析层和应用层。在数据层,大家需要的数据源应该是一样的,虽然现在你结构化某一块,我结构化某一块,我们有一些交集,也有一些不同,我觉得这都无所谓,因为最后我们都是要有一个大的数据基础的。我们更希望把今天分享给大家的东西,运用在应用层和分析层上。

 

这张图反映了我们数据的一些基本情况。 FellowPlus 究竟为一级市场投资人的信息披露标准化了哪些东西?这是我们在分析层要解决的问题。第一块是行业趋势分析,第二块是基金管理人的业绩表现,第三块是项目发展情况。我把重点放在前两块,因为最后一块,刚才的两位同行已经讲得非常棒了。

我们在做行业趋势分析这个产品的过程中,带有很多做 VC 的思路在里头。我们依靠 FellowPlus 标准,对互联网行业以及模式做出指数性的预判。第二个是我们在每个细分行业的交易趋势和市场份额上面,做了一些收集,因为在做这个产品之前,产品负责人跟我非常深度地探讨了一下,究竟投资人是怎么去判断一个行业的趋势,我跟他讲了非常多做投资的故事。举个最简单的例子,比方说我以前是投资电子商务行业的,对于这个行业来说,你想知道很多实际的交易情况,比如一些公司的营业额、利润是非常困难的。作为一个投资人,我希望能够找到这个行业的价值洼地,就是那些运营能力极强,但是在市场上因为品牌力弱而被低估的一些公司,有没有可能用我们的数据库去找到这样的投资标的。有了这样的想法之后,我们就按照一种数据的方式实现出来,这是我们内部研究产品的一种方法论。

第二个是基金管理人业绩表现,我们分成履历、人脉和影响力三个部分。 FellowPlus 数据库的特点,是我们真正意义上把一级市场的投资人和投资机构,当成一类很重要的资产去管理。

现在一级市场里发生了特别大的变化。人民币的 LP 的构成出现了很大的颠覆。以前大家了解到的是财富管理、三方这里面会有很多个人,带着一种财务投资的需求,买了红杉一期的产品或者达成二期的产品。但是现在上市公司背后是财团的家族办公室,政府领导的基金,甚至包括国家队的公募基金,大家都在进入这个市场,跟过去相比有非常大的变化。

在这里会出现一个很大的问题,基金管理人的甄别的需求会大大提升。所以我们其实为了这块,做了充分的准备,通过我们的数据和自己团队的专业分析,实现了对市场上乎所有的融资机构和投资人的业绩还原,以及基于业绩和数据所形成的人脉影响力的还原。比方说在业绩还原这一块不仅仅会关注到 IR 的情况,或者说退出的情况,我们还会分析投资和退出的一些特点,比方说有没有比较高的行业集中度,或者在行业上下游上有没有一些偏好之类的。

项目的发展现状我们就略过不说了,刚才滕总讲到一个很有意思的事情,他们也会给项目做一些估值的还原,我们其实也在做这个事情,用机器学习的方式还原交易价格。但是我们对估值的理解可能不太一样,作为VC,我会希望能够首先知道项目实际的定价,之后再去推断以后的一些东西,在整个估值模型当中,我会把这个因素赋予比较高的权重,因此我们在这一块做了很多的研究。

盘活交易需要的是一整套服务,而非单一的产品实现。

因为从业背景的原因,我相信我们要用一套解决方案在一个场景里面打深,所以说我们会考虑目标用户的选择。我认为这个产业是很难走向真正 2C 的生意,2C 的生意一定还是垄断在有流量、有服务能力的大平台手里。但是一级市场再往前看,就是二级市场。我们看到今天国外成熟的二级市场,实际是以机构投资者为主导的。我们也在通过建立新三板,新三板转板制度,包括后面注册制,逐渐往成熟的方向走,也会越来越变成一种以大机构主导为主的交易市场。

我们既然是做 2B 服务的,就要考虑到底怎么服务别人。这就像你造了一台特别好的车子,或者我们有几家造车的,但是要卖车的时候,你发现需要买你这辆车的人其实不会开车。市场上也没有一个标准,说到底怎么来开。那怎么办呢?这个时候你只好配司机,所以我经常跟我的 Co-founder 开玩笑说,其实我们是老司机的团队。什么意思呢?就是我们在服务这一端,有很多 VC 的从业成员伙伴,PE 的成员伙伴在搭建我们的整个服务体系,也就是将我们的数据能力应用到交易能力中去。

这是 FellowPlus 现在正在做的几个服务场景,我们希望通过这个方式打通“募投管退”的交易链,以专业的投资服务去整合产业资源来推动创新。我们可以看到,比方说国企、上市公司和家族办公室,当然这个背后其实都有真实的案例,但是因为 confidential 的原因,我们不能告诉各位具体是谁。因为今天有很多朋友探讨到商业化的问题,所以想在这个地方跟大家分享一点点 FellowPlus 所做的尝试。谢谢大家。

 

 

发表评论