Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Dan Gray
"Ideen om at store fond ikke kan gi stor avkastning er rett og slett ikke sann."
Motargumentet er ikke at store fond ikke kan overprestere, men rett og slett (og tydelig) at de er mindre tilbøyelige til å produsere imponerende multipler.
Dette gjelder spesielt siden markedet konsentrerer seg om store fond, noe som presser prisene betydelig opp og snevrer inn investeringsfokuset.
"I det fondet har Databricks gitt 7 ganger så langt så mye som fondet. Coinbase har allerede returnert fem ganger så mye som fondet. I det fondet hadde vi også GitHub, DigitalOcean, Lyft..."
Dette er åpent for debatt, men jeg vil ikke karakterisere disse investeringene som spesielt «konsensus».
Databricks hadde en notorisk dårlig startpitch. Armstrong slet med å samle inn penger. GitHub og DigitalOcean startet som boostrapped.
Så selv om a16z Fund III kan argumentere for at eksepsjonelt store fond kan prestere bedre, validerer det ikke den konsensusjaktende betaen til store VC-er i dag, eller store fond generelt.


Harry Stebbings17. des., 10:31
Det beste a16z-fondet noensinne var 1 milliard dollar: Store fond betyr ikke lavere avkastning: @DavidGeorge83
"Vårt best presterende fond noensinne var et fond på 1 milliard dollar.
I det fondet:
Databricks ga 7 ganger så mye avkastning som fondet.
Coinbase ga fem ganger så mye som fondet.
Vi har også Github, Digital Ocean og Lyft i det fondet.
Så ideen om at store fond ikke kan gi stor avkastning, det stemmer rett og slett ikke.»
Når du ser på ditt best presterende fond@honam @infoarbitrage @chadbyers @Alfred_Lin hva er lærdommene eller lærdommene?
24
2 750 ord på 14 artikler som ser på algoritmisk investering, kognitive skjevheter og hvor LLM-er kan passe inn i venturekapitalens verden.
tl; det er en reell risiko for at LLM-er blindt kastes på investeringsbeslutninger, på grunn av misvisende resultater i simulerte miljøer.
Dette vil sannsynligvis bare forsterke eksisterende problemer og føre til større underytelse.
Det betyr ikke at VC er trygg mot automatisering; Mye enklere algoritmer gir allerede bedre ytelse. Men HVORFOR disse algoritmene lykkes er mer interessant:
Det viser seg at det å gjenkjenne og håndtere våre kognitive skjevheter er nøkkelen til å prestere konsekvent og betydelig bedre enn maskiner.
På den annen side er det vi har laget med LLM-er en enkel måte å anvende våre skjevheter i stor skala under dekke av vitenskapelig objektivitet.
Mer:

78
Har du problemer med å avslutte et fond? Du er ikke alene.
2025 regnes som det mest utfordrende av de siste tre årene for tidlige GP-er.
Jeg gjennomførte en kort undersøkelse for å forstå hvordan det går med tidligfase-VC, og samlet data fra totalt 48 fond (primært bevæpnede kapitalfond, nesten alle <250 millioner dollar).
Blant funnene er det en tydelig ombalansering av LP-allokering, spesielt for ankere og flertrinnsfirmaer, med en samlet konsentrasjon av LP-aktivitet.
Kommentarene fra GP-ene fremhevet også noen temaer, som «GP som merkevare» og en økende appetitt for saminvesteringsmuligheter — men ingen reell enighet om skiftene mellom små og store fond.
Oppdelingen:
Takk til alle som svarte, og viljen til å dele data som kan være nyttig for andre fastleger — et velkomment eksempel på positiv-sum-tenkning.

99
Topp
Rangering
Favoritter
