风投是怎样建立回报模型的?本文是一堂数学课

比较合理的方式,是先了解自己每年的潜在交易流有多少,以及每年打算投资多少公司,每家公司打算投资多少金额,有多少比例会进行追加投资

想了解风投怎么赚钱,首先要先知道他们的钱怎么来。风投不是用自己的闲钱投资公司,而是跟创业者一模一样,需要到外面找金主募资。而风投募资时,也跟创业者们一样,需要给金主们路演——这个基金要干嘛?要投哪些产业?在什么样的阶段?主力哪些市场? GP(管理合伙人)的竞争优势?过去绩效等。而且也和创业者一样,背负着回报的压力:创业团队利用被并购或上市的方式来把回报还给投资人,风投则是利用基金到期时整个基金分配的表现情况来还给金主,当然其中就包括了被投公司被并购或上市,环环相扣。

风投是怎样建立回报模型的?本文是一堂数学课

所以在这样的高压力高标准下,风投在会谈时,会在创业者身上找一堆可能会失败的原因,然后期望被创业者推翻这些疑虑,好让自己可以被说服这个创业团队是有机会变成 50 倍的回报,所以才会有时会让人觉得怎么这么麻烦,问一堆问题或是充满疑惑。

另外一个必须很挑剔的原因是,风投必须维护他的名声及成绩。一个创业者如果失败了,风投会觉得是加分,你有经验了,下次创业会提高成功率。但这却无法应用在风投上,如果一个风投搞砸了,把所有投资人的钱都赔光了,他相对很难有第二次机会,因为这些金主们大部分是基于资产分配的原因去投基金。他们并没有像风投对团队的容忍度这么高,不会对风投说:“哇,你赔掉了我好多钱,一定学到很多,来,再给你一笔拿去花”,这不会出现在风投身上,所以风投会很重视能不能找到好的团队这件事情。而且也因为早期投资风险高,这些金主们才会需要风投的专业去降低风险,找出很有机会的项目来投。

那么风投是怎样建立回报模型的?这就是一堂很有趣的数学课了。

事实上我遇过一些风投,他们在募资时并没有特别思考回报模型。他们通常是先根据合伙人预期年薪和公司其他花费水平,去决定他们要募多少资金才有足够管理费支应。虽然这是一个很实际的计算方式,但他们犯了类似某些创业者犯的错误,也就是本末倒置。

比较合理的方式,是先了解自己每年的潜在交易流(deal flow)有多少,以及每年打算投资多少公司,每家公司打算投资多少金额,有多少比例会进行追加投资,预计每家公司在最后一轮投资时持股多少,再来进行基金规模的估计。

举例来说,如果一个基金目标是种子轮和A轮的早期投资,募集基金的合伙人们相信自己一年可以看到2000个创业公司(交易流),如果预计一年投资10家新的创业公司,那么投资率就是0.5%,在风投产业中还算是健康。

接下来假设投资期为三年,那么三年下来就是会投资有30家不同的创业公司。为了简化起见,我们假设这30家创业公司在基金最早投资时都是种子轮进入,我们也可以假设种子轮大小平均金额为$1M——当然这部分数据要时时与最新的创业公司私募市场趋势符合——平均占股则为20%,而基金平均希望取得种子轮后公司的8%,这代表基金平均在种子轮投资的金额为:

(8% / 20%)× $1M = $400k

这样子就可以算出基金在这些“首次投资”(first ticket)总共需要金额为:

30家创业公司 × $400k =$12M

但这仅仅是首次投资的部分。风投的重要原则就是“追加投资”——成为股东后风投可以更进一步了解创业者的能力和习性,也更能及早知道创业公司成长得顺利与否,因此可以在最佳的时机领先外人参与下一轮进行追加投资。

如果我们假设A轮平均融资金额为$5M,平均释股为20%,而且A轮完成后连同种子轮投资的持股在内基金想要占有最少创业公司的15%,那么在A轮基金所需要的投资金额可以计算如下:

种子轮持股在经过a轮后的有效持股比例=8% ×(1 – 20%)=6.4%

基金在a轮必须额外取得的持股比=15% ? 6.4% =8.6%

a轮必须投资的金额 =(8.6% / 20%)× $5M =$2.15M

如果我们假设已经进行首次投资的30家创业公司中,会有三分之一表现优异,值得加码投资,那么我们需要的追加投资总金额就会是:

基金所需追加投资金额=$2.15m × (30 × 1/3)=$21.5M

这里注意到的是,尽管首次投资高达30家公司,追加投资只有10家,但追加投资所需要的总金额($21.5M)却是首次投资总金额($12M)的将近两倍,事实上这种1:2的比例在种子基金里相当常见,读者几乎可以把它当作常数记住。

至此我们可以计算出基金最少需要的大小为:

基金最少需要募集金额=$12M+$21.5M=$33.5M

做完这个计算后,你应该可以理解为什么许多种子轮基金都落在$25M到$40M的区间了吧?

那么假设一只种子轮基金募集了$40M,这到底算多还是算少呢?以一般2%管理费计算,这只基金一年的总管理费为$800k,听起来虽然不像华尔街的数字,好像也还算可以。但是如果考虑到一个30家公司的投资组合可能需要三个合伙人才能管理,再聘用一两位全职Associate(投资经理),一位助理,租一间在CBD地段的办公室,各种商务旅行开支等,那么$800k其实一点都不算多。

这也是为什么我们会看到有一些新的风投管理公司,第一只基金就募了$100M或甚至$200M,这固然反映了合伙人的募资能力,但更多时候是要因应管理公司的开销结构——尤其曾经在投资银行或者私募基金待过的合伙人,多半不能接受风投基金相对低的年薪,因此在自己募资时会倾向计算自己需要多少薪水才能维持生活水准,而非计算自己是否有足够的交易流,能够把基金所有金额配置掉。

但有了丰沛的交易流,有自信能够完全配置整只基金还只是第一步。基金的回报要哪里来?要如何建立模型?

union Square Ventures的创始合伙人Fred Wilson,最近在一篇文章中解释了他们USV的基金回报模型。

文章中他首先解释,他们认为以他们的投资方式(种子和a轮为主,然后用力追加投资)为准的话,他们最近的几只基金都落在$175m的大小附近。以过去几年风投募资浪潮来说,这个金额算是偏小的,尤其是以这么一个声誉卓著的风投公司来说。但是fred Wilson有他严谨的理由,而且是他30年的风投生涯以来深信不疑的。

他说他们平均一只基金大约投资20到25家创业公司,其中表现优异的创业公司他们会不断追加投资以保护甚至增加自己的持股比例,其中两三家表现最好的他们称之为“高影响力公司”(high impact companies),他们预期这两三家公司可以完成整只基金的回报需求,也就是一般所说的“全垒打退出”(homerun exits)。像这样的高影响力公司,他们通常预计在多次追加投资后,他们最终会保有15%到20%公司持股比例。

那么问题来了:这样的高影响力公司的退出要到什么样的金额,USV才能返还足够的回报给风投基金的投资人呢?

如果我们假设“足够的回报”是五倍,那么以$175M的基金来说就是要返还:

$175m × 5 =$875M

如果我们假设这是由三家高影响力公司贡献的,那么平均一家要能够为USV产生:

$875m ÷ 3=$292M

如果退出(不管是IPO或者被大公司并购)时USV在这三家公司的持股平均为20%,那么这三家公司的平均退出金额(估值)就必须是:

$292m ÷ 20% = $1.46B

换言之,usv每只基金必须产生三只独角兽,才能返还五倍的钱给投资人。当然这是在假设其他几十家投资组合里的创业公司都倒闭的前提下,如果有一些公司以较低金额出售,或者关门时有资产可以清算,或多或少可以贡献到数字。但我们还是可以看到在fred Wilson的思维中,完全是以全垒打退出在思考基金策略的。

当然fred Wilson和USV的历史表现完全能够为这样的投资哲学背书。他们的第一只基金成立于2004年,七年后他们开始实现了高影响力的退出,而且每年最少有一个重大IPO或者重大退出:

zynga – IPO – 2011

indeed – 出售给Recruit – 2012

twitter – IPO – 2013

tumblr – 出售给Yahoo -2013

lending Club – IPO – 2014

etsy – IPO – 2015

twilio – IPO – 2016

mongodb – IPO – 2017

USV过去13年来总共募了5只基金,其募资节奏保持业界常态的三年一募,每一年都有一个高影响力退出,代表的就是每只基金有三个高影响力退出——跟他们模型所估计的几乎一模一样,根本就像教科书。

事实上关于风投基金的回报模型,本来就应该像教科书这么简单,因为创业以及投资创业的路上有各式各样无法预期的风险,做一大堆假设去搞出一个很复杂的回报模型,都抵不上风险带来的冲击。采用最基本最经过验证的基金回报模型,然后专注在建立交易流,筛选出最优秀的创业团队进行投资,提供一切资源协助他们成长,压注更多钱在成长最快的团队,最终抵达高影响力退出——这才是真正的王道。

本文来自投稿,不代表【】观点,发布者:【

本文地址: ,如若转载,请注明出处!

举报投诉邮箱:253000106@qq.com

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2024年4月13日 20:07:44
下一篇 2024年4月13日 20:09:49

相关推荐

  • java调用python模型,Java调用python模型预测

    如何在java工程里运行一个python脚本? 1、如果是jython,也就是运行在Jvm上的python的话,可以使用JSR223,JDK6已经包含了该扩展包。JSR223是一个用于解析多种脚本语言的库包,其中包括Jython。除了JSR223包之外,还需要jython-engine.jar包。 2、python代码运行 巧妇难为无米之炊。首先,要确保py…

    2024年5月12日
    3400
  • 多项式朴素贝叶斯java,多项式朴素贝叶斯分类器模型

    Java后台开发面试应该如何准备? String类代表不可变字符串。在值创建之后就不能被改变。而StringBuffer.是可变的字符序列,初始容量16字节,通过某些方法可改变其内容和长度。简要介绍Java的垃圾回收机制。 面试官一定要放低姿态,不要一副高高在上的样子,尤其是做技术的。如果觉得面试者稍微有些紧张,可以先聊点其他,如:所学专业,住在哪里,上下班…

    2024年5月11日
    3400
  • 关于linuxsocket模型的信息

    文件传输聊天室文件传输linux 首先,连接相应linux主机,进入到linux命令行状态下,等待输入shell指令。其次,在命令行中输入:cattest.txttesttxttesttxt。键盘按“回车键”运行shell指令,此时会看到2个文件成功合并到testtxt了。 USB数据线传输:使用USB数据线将手机连接到Linux电脑上,然后在手机中开启“U…

    2024年5月11日
    4200
  • excel做ewma模型,excel模型搭建

    excel软件做销售统计的优势在哪 1、企业版插件包括完整的计算公式,通过查看Excel的公式可以更充分地理解统计原理,这是本插件的最大特色。每个统计功能都提供一个示例文档,帮助用户快速熟练掌握插件的操作。 2、相比word软件,excel软件有很多优势,比如EXCEL是一个型号的数据库,可以做出很专业的图表,可以对数据进行处理。 3、总结如下:Excel的…

    2024年5月10日
    3400
  • javafinal内存模型,java内存模型happens before

    java中volatile修饰的变量有什么特征? 1、:如果读取一个被volatile修饰的变量,会把此线程工作内存中的此变量副本置为无效,它会从主内存中重新读取这个变量到自己的工作内存。上面这两点分别是volatile写内存语义和volatile内存语义。 2、Volatile修饰的成员变量在每次被线程访问时,都强迫从共享内存中重读该成员变量的值。而且,当…

    2024年5月9日
    4800
  • javasocket模型,java socket包

    java是什么语言? 1、java是一门面向对象编程语言,java语言具有功能强大和简单易用两个特征。java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等。java语言介绍 java是一种面向对象的编程语言。 2、Java是一门面向对象编程语言,不仅吸收了C++语言的各种优点,还摒弃了C++里难以理解的多继承、指针等概念,因此Jav…

    2024年5月8日
    4700
  • linux设备驱动函数,linux设备驱动模型有哪些

    在Linux内核中,注册字符设备驱动程序的函数是? 字符设备驱动模块加载与卸载函数 在字符设备驱动模块加载函数中应该实现设备号的申请和cdev的注册,而在卸载函数中应实现设备号 的释放和cdev的注销。 按照Linux下调用驱动程序的三个主要模块:字符设备驱动程序、块设备驱动程序、网络设备驱动程序来进行编写调用者函数。 sound:常用音频设备的驱动程序等。…

    2024年5月8日
    3500
  • 生产者消费者问题c语言,c++11 生产者消费者模型

    如何用C语言实现多线程下生产者消费者互斥同步问题 1、//如果两者同时对存储区操作,即同时取和生产的话,必定会有一个等待,当另一个完成操作后自己才会被唤醒。 2、互斥锁:互斥锁是用加锁的方式来控制对公共资源的原子操作(一旦开始进行就不会被打断的操作)互斥锁只有上锁和解锁两种状态。 3、这个问题需要的知识主要包括:1 多进程间进行通信;2 使用同步信号量(se…

    2024年5月8日
    4700
  • 利用投票模型分析网站的外链建设问题

    真实性推荐度:外链类型、域名类型、网站类型、链接位置、相关性;根据所分布的维度中可以看出,外链真实性推荐中最具有代表性的莫过于用户自然推荐 投票 在搜索引擎优化(SEO)当中,当任何一个点优化到极致,你的排名将顺从着你的极致而突显出来。经常看我文章的朋友或许都了解,我喜欢去看一些带有案例性质的文章,做SEO,不像其他行业,谈论技术的最佳方法就是把排名案例拿出…

    2024年5月7日
    5600
  • 骨灰级SEO高手做的14件事情,开发二叶模型等

    开发关键词分类的技术。使得优化更加有针对性;开发递归值的计算规则。使得链接的权重有了很好的解释;开发词根的概念。奠定优化的基础;开发影子系统 从17tui论坛上看到了一篇文章,写的是骨灰级SEO高手所做的那些事,细看了下,许多不懂,感觉在SEO的道路上还有很多内容要学习,下面对高手的心得做一下批注,方便日后学习用。 一,开发关键词分类的技术。使得优化更加有针…

    2024年5月6日
    5400

发表回复

登录后才能评论



关注微信