Modelo de avaliação de risco em campanhas kickstarter utilizando machine learning
DOI:
https://doi.org/10.22279/navus.2019.v9n4.p66-79.914Palavras-chave:
Avaliação de Risco. Kickstarter. Machine Learning. Crowdfunding.Resumo
O Crowdfunding tornou-se um fenômeno virtual por ser um modelo de negócio que visa arrecadar fundos para projetos coletivos de vários tipos. A Avaliação de Riscos com base nas características de tais projetos são um passo importante na minimização de perdas financeiras. Neste sentido, o objetivo deste trabalho é apresentar um modelo para avaliação de risco em projetos desta natureza utilizando técnicas Estatísticas e de Aprendizagem de Máquina (Machine Learning ou ML), considerando as etapas de preparação, processamento e análise dos resultados. Para o desenvolvimento do trabalho foi utilizada a ferramenta WEKA e a linguagem de programação Python com módulos específicos de ML. Por fim, este trabalho mostra que a utilização de técnicas de ML foi eficiente obtendo uma acurácia de 77%, superior aos 76% do modelo proposto por Etter, Grossglauser e Thiran (2013) e, por consequência, pode ser utilizada como um método na Avaliação de Risco em Campanhas Kickstarter, fornecendo condições aos investidores de mitigar os riscos associados aos projetos desta natureza por meio da análise de gráficos e dados numéricos.
Downloads
Referências
BHASKARAN, Subhashini; LU, Kevin; AALI, Al Mansoor. Student Performance and Time-To-Degree Analysis Using J48 Decision Tree Algorithm. In: Managing Intellectual Capital and Innovation for Sustainable and Inclusive Society: Managing Intellectual Capital and Innovation, 2015, Bari. Proceedings of the MakeLearn and TIIM Joint International Conference 2. Bari: ToKnowPress, 2015. p. 2029-2029. Disponível em: https://ideas.repec.org/h/tkp/mklp15/2029.html. Acesso em: 14 jul. 2019.
BITTENCOURT, Hélio Radke. Regressão logística politômica: revisão teórica e aplicações. Acta Scientiae, v. 5, n. 1, p. 77–86, 2003.
BOUMAN, Roland; VAN DONGEN, Jos. Pentaho Solutions: Business Intelligence and Data Warehousing with Pentaho and MySQL. Indianapolis, Indiana: Wiley Publishing, 2009.
BRUTON, Garry et al. New financial alternatives in seeding entrepreneurship: Microfinance, crowdfunding, and peer-to-peer innovations. Entrepreneurship: Theory and Practice, v. 39, n. 1, p. 9–26, 2015.
COCATE, F. M. Flávia Medeiros; PERNISA JÚNIOR, Carlos. Estudo sobre crowdfunding: fenômeno virtual em que o apoio de uns se torna a força de muitos. In: SIMPÓSIO NACIONAL ABCiber, 5., 2011, Florianópolis. Anais [...]. Florianópolis: UDESC/UFSC, 2011. p. 1-14. Disponível em: http://abciber.org.br/simposio2011/anais/Trabalhos/artigos/Eixo%206/17.E6/226-353-1-RV.pdf. Acesso em: 11 jul. 2019.
DRESNER, Steven. System and Method of Data Collection, Analysis and Distribution. U.S. Patent Application, US 2013/0185228 A1, n. 19, filed July 18, 2013. v. 1, p. 1-28, 2013. Disponível em: https://patentimages.storage.googleapis.com/66/a5/ab/e5529cbc15e6ae/US20130185228A1.pdf. Acesso em: 14 jul. 2019.
ETEMAD, Hamid. The emergence of online global market place and the multilayered view of international entrepreneurship. Journal of International Entrepreneurship, v. 15, n. 4, p. 353–365, 2017.
ETTER, Vincent; GROSSGLAUSER, Matthias; THIRAN, Patrick. Launch hard or go home! Predicting the Success of Kickstarter Campaigns. In: THE FIRST ACM CONFERENCE ON ONLINE SOCIAL NETWORKS (COSN'13), 2013, Boston. Proceedings of the First ACM conference on Online Social Networks (COSN'13). Boston: ACM, 2013. p. 177-182. Disponível em: https://infoscience.epfl.ch/record/189675. Acesso em: 14 jul. 2019.
FRIEDMAN, Jerome H. Greedy Function Approximation: a Gradient Boosting Machine. The Annals of Statistics, v. 29, n. 5, p. 1189–1232, 2018.
GROSSMAN, Maura R.; CORMACK, Gordon V. Grossman-cormack glossary of technology-assisted review, the. Fed. Cts. L. Rev., v. 7, p. 85, 2014.
HARRIS, Michael. Feature Engineering for Algorithmic and Machine Learning Trading. [2017]. Disponível em: https://medium.com/@mikeharrisNY/feature-engineering-for-algorithmic-and-machine-learning-trading-d0326305ac7b. Acesso em: 20 jan. 2019.
KICKSTARTER (EUA) (ed.). About Kickstarter. 2019. Disponível em: https://www.kickstarter.com. Acesso em: 20 jan. 2019.
KIM, Keongtae et al. Information Disclosure and Crowdfunding: An Empirical Analysis of the Disclosure of Project Risk. Academy of Management Proceedings, v. 2017, n. 1, p. 12360, 1 jan. 2017.
KUPPUSWAMY, Venkat; BAYUS, Barry L. Crowdfunding Creative Ideas: The Dynamics of Project Backers in Kickstarter. [2018]. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2234765. Acesso em: 20 jan. 2019.
LI, Yan; RAKESH, Vineeth; REDDY, Chandan K. Project success prediction in crowdfunding environments. In: WSDM '16, 2016, San Francisco. Proceedings of the Ninth ACM International Conference on Web Search and Data Mining. New York: ACM, 2016. p. 247-256. Disponível em: https://dl.acm.org/citation.cfm?id=2835791. Acesso em: 14 jul. 2019.
LICHTENBERG, Frank R. Entrepreneurial Risk-Taking in Crowdfunding Campaigns. Small Bus Econ. January, p. 843–859, 2011.
LILLEBERG, Joseph; ZHU, Yun; ZHANG, Yanqing. Support vector machines and word2vec for text classification with semantic features. In: COGNITIVE INFORMATICS AND COGNITIVE COMPUTING, 2015, Beijing. Proceedings of the 2015 IEEE 14th International Conference on Cognitive Informatics & Cognitive Computing (ICCI* CC). Beijing: IEEE, 2015. p. 136-140. Disponível em: https://ieeexplore.ieee.org/abstract/document/7259377. Acesso em: 14 jul. 2019.
MAROM, Dan; ROBB, Alicia; SADE, Orly. Gender dynamics in crowdfunding (Kickstarter): Deals, and taste-based discrimination. NBER working papers, n. 430, p. 1–75, 2016.
MAYRINK, Victor; HIPPERT, Henrique S. A hybrid method using Exponential Smoothing and Gradient Boosting for electrical short-term load forecasting. In: LATIN AMERICA CONGRESS ON COMPUTATIONAL INTELLIGENCE (LA-CCI), 2016, Cartagena. Proceedings of the 2016 IEEE Latin American Conference on Computational Intelligence (LA-CCI). Cartagena: IEEE, 2016. p. 1-6. Disponível em: https://ieeexplore.ieee.org/abstract/document/7885697. Acesso em: 14 jul. 2019.
MENDONÇA, Rafael Uttempergher de; MACHADO, Luiz Henrique Mourão. Análise do crowdfunding no empreendedorismo brasileiro – características e tendências. South American Development Society Journal, v. 1, n. 3, p. 37–53, 2015.
NASCIMENTO JUNIOR, Luiz Antônio Ferreira. Aplicando método do gradiente ótimo na otimização do cálculo do grau de cobertura das regras em árvores de decisão Fuzzy. Revista Brasileira de Computação Aplicada, v. 9, n. 3, p. 31-43, 2017.
OLIVEIRA, Paulo Lima Júnior; GONZAGA, Luiz de Castro Júnior; LUIZ ZAMBALDE, Andreé Luiz. Applying Textmining to Classify News About Supply and Demand in the Coffee Market. IEEE Latin America Transactions, v. 14, n. 12, p. 4768–4774, 2016.
PIECH, C. et al. Deep Knowledge Tracing. In: CORTES, C.; LAWRENCE, N. D.; LEE, D. D.; SUGIYAMA, M.; GARNETT, R. (Eds.). Advances in Neural Information Processing Systems 28. Montreal: Curran Associates, Inc., 2015. p. 505–513.
QIU, Calvin. Issues in Crowdfunding: Theoretical and Empirical Investigation on Kickstarter. SSRN Electronic Journal, 2013. Disponível em: http://www.ssrn.com/abstract=2345872. Acesso em: 1 jul. 2019.
RUBIANO, Sandra Milena Merchan; GARCIA, Jorge Alberto Duarte. Analysis of Data Mining Techniques for Constructing a Predictive Model for Academic Performance. IEEE Latin America Transactions, v. 14, n. 6, p. 2783–2788, 2016.
SALZBERG, Steven L. C4. 5: Programs for machine learning by J. Ross Quinlan Morgan Kaufmann Publishers, Inc., 1993. Machine Learning, v. 16, n. 3, p. 235-240, 1994.
SAMANCI, Murat; KISS, Gabor. Exploratory Study on Technology related Successfully Funded Crowdfunding Projects. Post Online Market Presence. 2014. 44 f. Master Thesis (Entrepreneurship), Department of Business Administration, Lunds University, Lund, 2014.
SELVAKUBERAN, K; INDRADEVI, M; RAJARAM, R. Combined Feature Selection and classification – A novel approach for the categorization of web pages. UK Journal of Information and Computing Science, v. 3, n. 2, p. 83–89, 2008.
SIMON, Phil. Too big to ignore: the business case for big data. Roboken, New Jersey: John Wiley & Sons, 2013. 256 p.
SILVA, Italla Dayanna da et al. Non-Stationary Demand Forecasting Based on Empirical Mode Decomposition and Support Vector Machines. IEEE Latin America Transactions, v. 15, n. 9, p. 1785–1792, 2017.
VALIATI, Vanessa Amália Dalpizol; TIETZMANN, Roberto. Crowdfunding: O Financiamento Coletivo como Mecanismo de Fomento à Produção Audiovisual. In: CONGRESSO DE CIÊNCIAS DA COMUNICAÇÃO NA REGIÃO SUL, 13., 2012, Chapecó. Anais... Chapecó: Pontifícia Universidade Católica do Rio Grande do Sul, 2012. v. 2, n. 6, p. 1-13. Disponível em: http://www.intercom.org.br/papers/regionais/sul2012/resumos/R30-1090-1.pdf. Acesso em: 14 jul. 2019.
YOUNG, Tom et al. Recent trends in deep learning based natural language processing [Review Article]. IEEE Computational Intelligence Magazine, v. 13, n. 3, p. 55–75, 2018.
ZHU, Huasheng; ZHOU, Zach Zhizhong. Analysis and outlook of applications of blockchain technology to equity crowdfunding in China. Financial Innovation, v. 2, n. 1, p. 29, 2016.
Publicado
Edição
Seção
Licença
O conteúdo da revista é de acesso público e gratuito, podendo ser compartilhado de acordo com os termos da Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil. Você tem a liberdade de compartilhar — copiar, distribuir e transmitir a obra, sob as seguintes condições:
a) Atribuição — a atribuição deve ser feita quando alguém compartilhar um de seus artigos e deve sempre citar o nome da revista e o endereço do conteúdo compartilhado.
b) Uso não-comercial — você não pode usar esta obra para fins comerciais.
c) Vedada à criação de obras derivadas — você não pode alterar, transformar ou criar em cima desta obra.
Ficando claro que:
Renúncia — qualquer das condições acima pode ser renunciada se você obtiver permissão do titular dos direitos autorais. Domínio Público — onde a obra ou qualquer de seus elementos estiver em domínio público sob o direito aplicável, esta condição não é, de maneira alguma, afetada pela licença.
Outros Direitos — os seguintes direitos não são, de maneira alguma, afetados pela licença:
- Limitações e exceções aos direitos autorais ou quaisquer usos livres aplicáveis;
- os direitos morais do autor;
- direitos que outras pessoas podem ter sobre a obra ou sobre a utilização da obra, tais como direitos de imagem ou privacidade.
Aviso — para qualquer reutilização ou distribuição, você deve deixar claro a terceiros os termos da licença a que se encontra submetida esta obra.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
Os trabalhos publicados passam a ser propriedade da revista Navus: Revista de Gestão e Tecnologia que deve ser consignada a fonte de publicação original. Os originais não serão devolvidos aos autores.
As opiniões emitidas pelos autores nos artigos são de sua exclusiva responsabilidade.
Esta obra está licenciada sob uma Creative Commons Atribuição-Uso não-comercial-Vedada a criação de obras derivadas 4.0 Brasil.