在过去的几周里，每个人都建立了一套专门用于跟踪数据加密风险投资机构之间关系的内部结构工具。
为什么要做这些事？
原因并不复杂。对于融资企业家来说，他们知道哪些数据是加密的 VC 共同投资不仅可以减少无效沟通，还可以更有效地规划股权融资节奏的总体目标名单。
每一笔期货交易都像一个独特的指纹识别。当这些信息被数据可视化时，合作关系、投资风格及其管理和决策方式将逐渐出现。
依靠这套专用工具，我们可以识别出数据加密融资市场中真正影响大多数交易流入的重要节点。
这有点像在当代商业网络中找到核心区域的港口。本质上，它与早期商人探索商业聚集点没有太大区别。
本次试验的推广主要有两个原因：
首先，每个人都经营着一个类似“搏击俱乐部”的风吹投互联网——自然没有人真正打架，但外界对它的掌握并不多。这个网络可能会被覆盖 80 因此，在整个数据加密风险投资市场中，种子环节的每笔投资都超过了 50 大约万美元的组织数量 240 家。换句话说，大约三分之一的投资者相互联系。此外，接近三分之二的员工将阅读我们的文章，这比最初的预期要高。
然而，实际问题取决于资产的实际流入不容易跟踪。将项目升级并发送给所有股票基金只会扩大信息内容的噪音。这种跟踪专用工具的价值在于，它可以更有效地识别哪些股票基金已经开始，密切关注哪些跑道，以及他们通常与谁一起投资项目。
第二，对于企业家来说，把握资本流入只是一个开始。更重要的是要了解这些基金以前的主要表现，以及这些更常见的合资伙伴。因此，我们计算了私募股权投资项目获得后续融资历史的机会。但在中后期，例如 B 轮，这种数据信息会有一定的误差，因为很多新项目会转向货币发行方式，而不是继续传统的股权质押融资。
识别活跃的投资者只是第一步。下一步是反映哪些资产的真正优势。有了这些信息，我们可以进一步观察哪些股票基金之间的共同投资更容易提供更理想的结果。当然，这不是一个线性的、可预测的整个过程。就像没有人能保证第一次约会必须结婚一样，没有风险投资可以仅仅依靠一张银行汇票来确保项目顺利通过一样 A 轮。但对于创业者来说，尽快了解这一套标准，从头到尾更具现实意义。
我们采用相对基本的统计分析方法，选择资产配置后股权融资次数最多的股票基金。如果一个股票基金投资的多个项目可以在种子轮后继续完成新一轮融资，这通常表明他在新项目的选择、投资后的应用和市场差异方面具有一定的竞争优势。
当被投资企业以更高的公司估值进行下一轮融资时，风险投资的账户收入也会增加。因此，“以下股权融资率”可以作为观察股票基金表现的合理指标。
我们选择了股权融资人数最多的 20 股票基金，并对其在种子环节的整体投资案例数进行统计分析。这可以计算企业家以后获得融资的可能性。例如，如果一个基金投资了 100 一个新的种子项目，在其中 30 两年内获得新股融资，其“毕业率”就是 30%。
需要注意的是，我们可以将观察对话框严格限制在2年内。因为大多数初创企业很可能会主动选择不进行股权融资，或者直到下一轮才会运营。
即使只看这个 20 家庭头部基金，幂律效用仍然很明显。以 a16z 例如，其特许经营项目在两年内获得后续融资的概率约为 1/3，换句话说，每三个 a16z 在投资完成的初始项目中，大约有一个可以进入 A 轮。相比之下，排名靠后的股票基金可能只有这个概率 1/16，差异非常生动。
排行榜接近第一名 20 股票基金在资产配置后的股权融资率可能是 7% 从表面上看，这些数字之间的差异似乎并不夸张，如果从另一个角度来看：1/3 与 1/14、1/16 事实上，概率对应于完全不同的结论等级。
如果你不做太多的比较，只要看看数据本身，你也可以看到数据加密风险投资和销售市场具有显著的集中效应。一些股票基金能够继续促进被投资项目结束后的股权融资的一个重要原因是，它们本身正处于经营和发展期。该组织不仅可以参与种子轮，还可以继续参与 A 轮。当风险投资不断充斥同一个项目时，它通常会向后面的投资者发出更积极的信号。也就是说，机构内部结构是否有发展期保证金账户，将显著影响被投资企业的融资概率。
如果这种模式再次演变，未来数据加密风险投资可能会逐渐跟上改善新项目、增加资产私募股权的趋势。
从行业角度来看，一个更直接的关键是：什么样的股票基金不仅参与种子轮，还参与后轮？
因此，我们总结了资产配置中后续融资企业的总数，并进一步计算了同一风险投资机构继续参与后续轮数的概率。
换句话说，如果一个企业在种子轮上得到它， a16z 投资，那样 a16z 继续参与其 A 轮融资的概率有多高？
结论迅速表现出明确的规律性：管理方法规模达到 10 1亿美元的大中型股票基金更倾向于频繁投资。例如，a16z 在资产配置中，约 44% 它将继续参与以后的新融资项目；Blockchain Capital、DCG 和 Polychain 会分别让约 25% 追加续融资项目投资。
这意味着初创公司在种子轮或 Pre-Seed 在选择投资者时，通常比预期更有必要。由于一些机构有明确的“重复投资偏好”，他们不仅提供第一笔资产，而且影响资本进入的步伐。
上述规则更多的是基于数据的总结，这并不意味着没有主基金支持的项目将无法成功。无论是改善还是盈利，只要企业真正运行，最终都会获得市场预转移。但从概率的角度来看，如果你能提前了解资产互联网的运作模式，企业家的信息效率肯定会更高。
即使不能直接得到之前 20 大型基金投资，依靠互联网，触及资产核心区，仍然是一条实用的路线。
下图显示了过去十年数据加密行业所有风险投资机构形成的互联网图普：可能 1000 家庭风险投资机构，根据约定 2.2 一万次联合投资连接在一起。从表面上看，销售市场似乎有很多选择，但也包括已经停止服务、未能实现收入或暂时暂停项目投资基金。
如果我们进一步关注真实可靠的活跃资产互联网，结构将更加清晰。能够参与每一个超越 200 万美金 A 轮投资基金只有 50 家；紧密围绕这个轮数形成的项目投资互联网，可能会覆盖 112 家庭银行。更值得注意的是，这些基金正在加速融合，并表现出强烈的特殊合资偏好。
随着时间的推移，股票基金通常会形成稳定的合资惯性。换句话说，股票基金出现在某个项目中，往往会吸引其理解的合作伙伴。这种情况主要来自于技术判断、市场发展岗位分工等相辅相成的水平，以及合作关系产生的信任。
为了了解这些关联是如何运作的，我们在过去的一年里重点分析了股票基金之间的一致投资模式。
从合投数据来看：
头部基金对合投对象的选择也在进一步集中：
这种现象偏向于一种发展趋势：市场逐渐跟上“寡头项目投资”的步伐。事实上，它是一只较低的股票基金，投资更多的主要基金，同时更关注或长期验证的著名组织。
除了互联网图普，另一种观察方法是创建一个活跃投资者的行为矩阵。图中总结了 2020 自今年以来，最大的项目投资基金人际网络之一是：网络加速器一般相对独立。
以 Y Combinator 为了代表网络加速器，虽然项目投资频繁，但与交易中心或大型基金合投的频率并不多。
相应地，交易中心的资产表现出超明显的合作偏好。例如，OKX Ventures 与 Animoca Brands 始终保持高频合投关联；Coinbase Ventures 与 Polychain 超过合作投资 30 次，与 Pantera 也是有 24 次合投记录。
从这些信息中，我们可以总结出三个结构规律：
即然，风险投资互联网正在不断聚集，那么新的边界资产将从何而来呢？一个值得期待的现象是，公司资本逐渐形成了一个独立的管理体系。根据历史记录，高盛只与 PayPal Ventures 和 Kraken 各合投 2 次；而 Coinbase Ventures 又与 Polychain 合投 37 次、与 Pantera 合投 32 次、与 Electric Capital 合投 24 次。
与传统的风险投资相比，公司资本通常更关注接近尾部消费者市场的新项目。在融资初期条件收集的环境下，这种资产的行为模式值得不断跟踪。
许多年前，在阅读了尼尔·弗格森的广场和塔之后，我开始思考数据加密领域人际网络的学术价值。这本书讨论了概念、商品甚至疾病传播与网络架构之间的关系。直到我们真正创建了股权融资数据报告，这种数据加密资产互联网的分析才首次被更直观的数据可视化。
该数据不仅可以服务于项目的科学研究，还可以适用于企业并购、货币私人计划规划和投资合作区分。这也是我们内部结构不断探索的方向之一。在这个阶段，我们也在科学地研究如何向特殊组织开放数据库访问。
回到最重要的问题:互联网关联真的能提高基金业绩吗？回答不容易。
如今，股票基金的核心竞争优势越来越依赖于选择团队的判断力和可分配的资产规模，而不仅仅是真正的联系。但另一方面，普通合伙企业（GP）与合资企业的个人关系仍然至关重要。由于风险投资中间的项目共享流程大多是基于人际信任，而不仅仅是依靠组织知名品牌。当合作伙伴流动性进入新平台时，这种人际网络通常会一起转移。
2024 年的一项研究也证实了这一点。分析了这篇论文 100 家头顶部 VC 的 3.8 万轮投资数据信息，并获得几个关键结果：
正如前面所说，合资关联最终不是出现在抽象的“股票基金”中，而是出现在实际的合作伙伴中。在我的职业生涯中，我看到很多人在不同的机构中流动，而外部合作伙伴通常真正跟随人，而不是机构本身。即使在自动化软件和人工智能不断取代部分无效劳动的时代，人际信任仍然是早期风险投资的重要前提。
自然，互联网上的数据加密风险投资仍有许多问题没有得到充分解释。例如，金融衍生品如何配置流动性资产，开发期项目投资如何适应市场周期，企业并购和私募股权投资如何深入行业。答案可能已经隐藏在原始数据信息中，但提出正确的问题仍然需要很长时间。
本文仅限于行业动态分析和研究观察，不构成任何投资建议。加密资产及相关企业融资不确定性和可变性强，销售市场特别注重风险分析。
