論文の概要: What Makes a Peer? Valuation-Anchored Similarity in Private Markets
- arxiv url: http://arxiv.org/abs/2608.12594v1
- Date: Wed, 12 Aug 2026 21:06:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.328165
- Title: What Makes a Peer? Valuation-Anchored Similarity in Private Markets
- Title（参考訳）: ピアとは何か? 個人市場における評価と類似性
- Abstract要約: 本稿では,市場評価のレンズを通して企業の類似性を定義する,アンサンブルツリーに基づく教師付き類似性学習フレームワークを提案する。
アンサンブルを横断する重み付き葉ノード共起物から,評価を意識した類似度尺度を導出する。
約270,000社のグローバル・プライベート・マーケット・ユニバースを用いて、提案した類似性フレームワークが従来の距離ベースアプローチにより改善されることを実証する。
- 参考スコア（独自算出の注目度）: 0.5493496184627729
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As more investors contemplate private markets and contend with limited transparency, sparse disclosures, and infrequent transactions, identifying economically meaningful peer companies for comparison is a fundamental challenge for valuation, due diligence, portfolio construction, and risk management. We propose an ensemble tree-based supervised similarity learning framework that defines company similarity through the lens of market valuation rather than static feature matching or semantic descriptions. Specifically, we train a CatBoost gradient-boosted decision tree model on observed private company valuations and derive a valuation-aware similarity metric from importance-weighted leaf-node co-occurrences across the ensemble. The similarity metric captures shared valuation drivers while accommodating nonlinear relationships, mixed data types, and pervasive missing data common in private markets. Using a global private-market universe of approximately 270,000 companies, including more than 53,000 firms with observed or derivable post-money valuations spanning multiple industries, geographies, and deal stages, we demonstrate that the proposed similarity framework improves upon traditional distance-based and text-embedding-based approaches in downstream k-nearest-neighbor valuation tasks in the evaluated industry groups, while retaining case-based explainability.
- Abstract（参考訳）: 投資家が民間市場を熟考し、透明性の限界、開示の希少化、取引の頻繁さと闘うにつれて、比較のために経済的に有意義なピア企業を特定することは、バリュエーション、デューデリジェンス、ポートフォリオ構築、リスク管理の基本的な課題である。
本稿では,静的な特徴マッチングやセマンティック記述ではなく,市場評価のレンズを通して企業の類似性を定義する,アンサンブルツリーに基づく教師付き類似性学習フレームワークを提案する。
具体的には、観測された民間企業評価に基づいて、CatBoost勾配型決定木モデルを訓練し、アンサンブル全体の重要重み付き葉ノード共起物から評価対応類似度指標を導出する。
類似度測定基準は、非線型関係、混合データ型、およびプライベートマーケットで一般的な広範に欠落したデータを収容しながら、共有のバリュエーションドライバをキャプチャする。
複数の産業、地理、取引段階にまたがる投資後の評価額を観測または導出可能な5万3000社を含む約270万社のグローバルプライベートマーケットの宇宙を用いて、本提案の類似性フレームワークは、評価された業界グループにおいて、下流k-アネレス近くの評価タスクにおいて、従来の距離ベースおよびテキスト埋め込みベースのアプローチを改善しつつ、ケースベースの説明可能性を維持することを実証する。
関連論文リスト
- Shared Prefixes, Better Credit: Adaptive Routing for Multi-Agent Reasoning [72.49938949082117]
MAR(Multi-agent reasoning)は、反復的な解交換と改良を通じて推論の信頼性を向上させる。
既存の適応MARメソッドは通常、クエリレベルのラベルやトラジェクトリレベルのリターンからルーティング決定を学習する。
効率的な適応MARのための共有操作型クレジット割り当てフレームワークであるTreeCreditを提案する。
論文 参考訳（メタデータ） (2026-08-03T14:22:23Z) - PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
PerceptionRubricsはルーブリックベースの評価フレームワークである。
飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。
1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
論文 参考訳（メタデータ） (2026-06-26T17:59:15Z) - To Compare, or Not to Compare: On Methodological Practices in Evaluating Social Bias [61.40435736418359]
異質なベンチマークを標準化する統一的なフレームワークを導入し、孤立した人口統計評価と強制選択比較設定を対比する。
比較設定は、主に不特定文脈によって引き起こされる潜在識別のアグレッシブな触媒として機能することを示す。
最後に、この比較偏見はモデルサイズと正にスケールする一般化された現象であることを示す。
論文 参考訳（メタデータ） (2026-06-23T13:53:50Z) - Evaluation of Agents under Simulated AI Marketplace Dynamics [72.02953516461965]
本稿では,情報アクセスシステムを競争市場への参加として評価するシミュレーションに基づくパラダイムを提案する。
我々はこの枠組みを定式化し、TRECのような評価キャンペーンにおける市場シミュレーション、メトリクス、最適化、導入に関する、ビジネスと経済に動機付けられた研究課題の概要を述べる。
論文 参考訳（メタデータ） (2026-04-15T15:01:36Z) - Value-Action Alignment in Large Language Models under Privacy-Prosocial Conflict [5.739904853130176]
本稿では,プライバシの態度,社会性,データ共有の受容に関する標準化されたアンケートを管理するコンテキストベースのアセスメントプロトコルを提案する。
競合する姿勢下での価値-作用アライメントを評価するために,多群構造方程式モデリング(MGSEM)を用いて,プライバシの懸念やデータ共有に対する親和性から関係を同定する。
論文 参考訳（メタデータ） (2026-01-07T03:30:42Z) - STRAPSim: A Portfolio Similarity Metric for ETF Alignment and Portfolio Trades [0.5847369405576658]
STRAPSimは、セマンティックな類似性に基づいて構成成分をマッチングすることでポートフォリオの類似性を計算する新しい方法である。
私たちは、Jaccard、重み付きJaccard、およびBERTScoreにインスパイアされたパブリックな分類、回帰、レコメンデーションタスクに対するアプローチをベンチマークします。
実験結果から,提案手法は予測精度とランキングアライメントにおいて,ベースラインを一貫して上回ることがわかった。
論文 参考訳（メタデータ） (2025-09-29T00:57:41Z) - TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。
スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。
我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
論文 参考訳（メタデータ） (2025-09-25T13:04:29Z) - Supervised Similarity for High-Yield Corporate Bonds with Quantum Cognition Machine Learning [0.8706730566331037]
企業債券市場における距離メトリック学習への量子認知機械学習(QCML)の適用について検討する。
QCMLは、高利回り(HY)市場では古典的ツリーベースモデルよりも優れており、投資適格(IG)市場では同等またはより良いパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-02-03T16:28:44Z) - Interpretable Company Similarity with Sparse Autoencoders [0.0]
スパースオートエンコーダ(SAE)は、大規模言語モデル(LLM)の解釈可能性を高めることを約束している。
SAEの機能をSICコード、産業コード、埋め込みに対してベンチマークします。
以上の結果から,SAEはセクターの分類や組込みを超越し,企業特性を把握できた。
論文 参考訳（メタデータ） (2024-12-03T17:34:50Z) - CompanyKG: A Large-Scale Heterogeneous Graph for Company Similarity Quantification [1.7156312157033258]
我々は,企業の特徴や関係を多様に表現し,学習するための知識グラフである企業KGを提案し,公開する。
具体的には、131万の企業が、企業記述の埋め込みに富んだノードとして表現されている。
15の異なる企業間関係は、51.06万の重み付きエッジをもたらす。
論文 参考訳（メタデータ） (2023-06-18T23:45:15Z) - Assaying Out-Of-Distribution Generalization in Transfer Learning [103.57862972967273]
私たちは、経験的に対処するメッセージの相違を強調して、以前の作業の統一的なビューを取ります。
私たちは9つの異なるアーキテクチャから、多数の、あるいは少数の設定で31K以上のネットワークを微調整しました。
論文 参考訳（メタデータ） (2022-07-19T12:52:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。