في ظل تزايد اهتمام المستثمرين بالأسواق الخاصة، يواجهون تحديًا رئيسيًا يتمثل في عدم وجود شفافية كافية، وقلة الإصدارات المالية، وقلة المعاملات، مما يجعل من الصعب تحديد الشركات الشبيهة ذات الأهمية الاقتصادية.

للتغلب على هذه المعضلة، اقترح فريق من الباحثين إطار عمل مبتكر يعتمد على التعلم الآلي لتحديد الشبه بين الشركات بناءً على تقييم السوق (market valuation) بدلاً من الاعتماد على الميزات الثابتة أو الوصف الدلالي. تم تطوير نظام يعتمد على نموذج CatBoost، وهو نموذج شجرة قرار تعزز بالتدرج، يركز على التقييمات المعتمدة للشركات الخاصة.

يستند هذا النظام إلى مقياس شبيه بالتقييم يتم اشتقاقه من تكرار العوامل الهامة المتكررة في نتائج النموذج، مما يتيح التقاط الدوافع المشتركة للتقييم بينما يستوعب العلاقات غير الخطية والبيانات المفقودة الشائعة في الأسواق الخاصة.

غطي البحث حوالي 270,000 شركة خاصة، بما في ذلك أكثر من 53,000 شركة لديها تقييمات معروفة أو قابلة للاشتقاق عبر صناعات، جغرافيا، ومراحل صفقة متنوعة. وأظهر الإطار المقترح تفوقه على الأساليب التقليدية المعتمدة على المسافات أو النصوص في مهام التقييم اللاحقة، مع الحفاظ على القدرة على تفسير الحالات.

هذا التوجه يشكل نقطة تحول في كيفية تقييم الشركات في بيئات معقدة غير شفافة ويعد خطوة هامة نحو تحسين إجراء التحليلات المالية وإدارة المخاطر في الأسواق الخاصة.