如你所见，这一代创业者正在进行一场大规模的迁移：从互联网、移动互联网的余波里迁往更硬核的科技赛道；从「模式创新」过渡到「底层创新」。
我们相信，中国正在、也已经涌现了一批崭新风貌的创业者。去年11月，36氪启动了「X·36under36」征集计划，也正基于这样的前提，我们旨在更早和更大范围地发掘可能伟大的创业者。征集计划启动至今，我们已经收到了近千位创业者的报名，涵盖人工智能/机器人、消费新品牌、医疗健康等20+个细分领域。目前报名已经截止，报名创业者资料已陆续进入评审环节，敬请期待。感谢每一位创业者对36氪的信任。为了夯实以及丰富我们对创业者的理解，在这场“大型社会实验”中，我们将邀请更多的人来分享他们对创业乃至中国商业生态的理解。他们可能是知名院校的教授，可能是已名声在外的企业家，也可能是阅尽千山的投资人。此次我们邀请到的，是北京大学金融工程实验室负责人黎新平博士。2008年，在攻读完北大金融硕士、斯坦福大学经济学博士学位后，黎新平在华尔街开始了他的量化投资生涯；在八年后他又选择回国，加入一家老牌公募基金任量化投委会主席、量化投资总监。介于量化投资研究与学术研究之间的共通性，黎新平博士一直保持着跟学界的交流。他于2021年回归母校北大，成为经济学院特聘研究员、金融工程实验室的负责人，推进量化投资以及其他金融科技的研究和教学工作。
专家说黎新平博士所带领的北京大学金融工程实验室为36氪「X·36Under36」提供了宝贵的数据支持，在完成近千位候选创业者、40余万条新闻报道的文本研究后，他们给出了清晰、客观、可量化的热度和舆情分析报告，并且沉淀出许多对新一代创业者的观察。就此，36氪与黎新平博士开展了一次基于宏观经济大浪潮波动之下的对话——虽然早期创投存在诸多不确定性，但在量化视角之下，一切变得有迹可循——每一波经济浪潮中屹立不倒的伟大企业，都可以被总结出高度类似的共性。“能够长期存活的‘好’公司都具有哪些特质？”、“创业者应该如何面对市场环境大幅波动的风险？又应该如何应对挑战？”、“新一代创业者都是什么画像？他们具有哪些不同以往的特征？”，面对这些问题，黎新平博士一一为我们提供了答案。我的职业生涯主要都在从事量化投资，根据策略和交易频率的不同、量化的内容也有所区别，但其中一个重要的领域就是“量化基本面”投资：把上市公司发展历史上的经营、成长、财务等相关数据归纳为因子，通过因子建模来筛选出优质公司。比如，AQR Capital有一篇很有意思的文章叫《巴菲特的阿尔法（Buffett's Alpha）》，他们通过对沃伦·巴菲特旗下伯克希尔哈撒韦过去30年投资的公司和业绩进行了全面实证分析，用量化归因的方式，找到这些公司价值成长的贡献因子，寻找巴菲特成功的原因。从实证结果看，成功的投资主要来源于三个维度的因子，即估值、质量及风险。也即：以“便宜的”价格、去买具备“安全边际”的“好”的公司，这就是巴菲特一直提倡的“价值投资”。总结起来就是：估值合理、经营健康、风险可控。我们如何去判断一家“好”的公司？这是三个维度里最重要的部分，即公司的质量因子，不仅仅在二级市场适用、也贯穿整个资本市场，主要关注涉及到三个指标：(1) 盈利能力。在相同细分领域中，相比其他竞争对手，好公司应该具备更高的效率、更稳定的现金流以及更好的获利能力或是成本控制能力；(2) 成长能力。这里既包括营收及利润的增长，也包括研发投入、专利数量和结构分布、团队组成和创新能力等等，都是可以量化的成长能力指标；(3) 治理结构。这包括公司本身的资本结构、管理结构以及其他财务健康指标如财务杠杆率等。根据我们以往量化投资的经验来看，你会发现一个很有意思的现象：我们主观感知当下市场环境中处于优势地位的行业，也往往是量化模型最终筛选出来的“标的”所在领域。也就是说，“好”公司既是经济向前发展推动力（原因），也是结果。而经济向前发展始终离不开两个重点。第一，满足人们随生活水平改善而提高的消费需求；第二，紧随不断革新变换的创新技术发展。只有在这两个方向上持续努力的公司，在它发展的路程上才能够获得更好的盈利能力和成长能力。
过去几年，全球不断出现各种风险事件，整个资本市场也被动陷入波动。加之今年国内防疫形势变化、国际上地缘政治紧张，种种因素叠加在一起，我们国家经济发展确实受到了较大的影响，逐渐蔓延到各行各业——资金链愈发紧张、市场空间被压缩等等，都是创业者每天面临的非常具体的困难。目前的市场环境，是我们过去几十年里都不曾遇到过的。投资者、创业者、民营企业，都在这个过程中面临非常大的挑战。但如果将时间拉长，我们还是要对未来中国经济发展保持信心。国家经过四十年改革开放的发展，经济、技术、民生都得到很大的提高，这带来了不断升级的消费需求，也积累了技术发展的前期准备。如果要问对创业者来说，现在最大的风险是什么？我认为，现在这个时间点，最大的风险其实是退缩的风险、悲观的风险。从短期看，各种风险事件叠加的确带来不确定性，但这将会是一个大浪淘沙的过程；而从长远来看，一方面要在困难的环境中存活下来，而另一方面在这个时候就更需要为未来经济发展和市场需求做好准备，“剩者为王”。所以企业要如何在这种环境里存活下去？要做好两件事：第一，防止资金链的断裂，第二，防止人才的流失。要保证到最后，有钱、有人。回顾历史上曾发生过的危机，在上世纪六、七十年代，受地缘政治及石油危机等各种因素的叠加影响，美国经济一度陷入高通胀、高失业、高破产的状态，整个经济出现震荡甚至大幅下滑，而当时在纽约证券交易所上市的“漂亮50（Nifty Fifty）”却受到投资者的关注，其中就有像可口可乐、通用电气、IBM、宝洁等企业。这些经营稳健、保持较好现金流和治理结构的企业，经历了大浪淘沙的过程，在后面经济复苏中因竞争对手变少、市场地位得到巩固、市场份额得到提升，从而赢得更大的空间，并发展成为伟大的公司。往近再看，2000年前后有大家都熟悉的互联网泡沫（dot-com bubble）时期。当时有一大批互联网企业倒下，互联网创业者们同样都面临巨大挑战，但结果是苹果、谷歌、微软等等公司，都在互联网泡沫中存活下来，后来逐渐变得更加强大。不可否认的是，创业公司在危机中要比大企业要更加脆弱一些。但对于“船小好调头”的中小企业来讲，“小巧灵活”也是应对外界挑战也是一种优势，在经济景气的时候顺势扩张、当危机来临择势调整——创业公司更要控制财务风险和人才流失，更专注、更冷静，不要退缩，争取在危机中能够活下来。当下的专注和冷静，实际上也是在历练成为一个优秀企业家的视野和格局，思考如何聚焦在优势领域、穿越危机去看到危机后的市场方向，为后面的发展做好准备。只要能够活下去，未来就更好。
量化的方法是否能被引入一级市场投资时常被讨论，现在看来能够运用的范围还局限在某些具体板块，比如有大量数据支持的C端消费品，或者行业宏观层面、从产业链上下游的角度去发现共性规律。但总的来说，用量化工具来指导一级市场投资仍然存在许多的客观困难，比如数据不公开、样本量不够大等等。最大的难度，则是在于“人”的量化。从技术上说，可以一定程度上提供创业者画像和团队社会关系网络等分析，然而具体的某一位创业者身上，就是非常个性化，更难以量化了。这也是一级市场投资人，通常会根据大量与创业者接触的经验来形成最终判断的原因。在「X36Under36」活动里，金融工程实验室承担了候选人的媒体报道数据分析任务，有一些分析结果是值得与大家分享的：（1）首先，从创业领域的统计描述来看，这些年轻创始人的创业方向主要集中在AI和机器人、新消费、医疗健康这几个行业。跟之前聊到的“经济发展的两大推动力”高度匹配：消费需求和技术发展。（2）其次，是创业者背景。我们观察到这次活动的候选人很多都是国内、外的名校毕业，而且很多都有着丰富的研究经历，甚至有很多专利。这说明这些创业者本身都具备极强的专业性。与上一波互联网创业者更多专注商业模式创新有着非常大的不同。商业模式创新逐渐过渡到了技术研发和技术应用上的创新，这是时代的变化所驱动的。（3）接下来是关注度。最受关注的领域是新消费品牌，比例达到了21.5%，老百姓关心新的消费需求能不能得到很好的满足，这是和人们的生活息息相关的内容；其次是人工智能和机器人、B2B服务、医疗健康等行业，这些技术发展的前沿行业受到关注，印证了技术的是经济发展的推动力，肯定了它们对经济的变革作用。（4）从新闻舆情的角度看，各个行业的负面报道一般不超过8%，只有教育相关和MCN这种直播相关的领域有相对多的负面报道。分析结果也显示，创新技术相关的新闻文本中正面情绪比较明显，比如物联网、工业软件、芯片半导体、合成生物等等方向，正面情感的占比高出了平均水平，这些实际上也是我们国家现阶段大力发展的技术创新和应用。可以看出，媒体报道的关注方向与新兴领域的发展是高度重合的，使得大家会对这个领域持有更高的期待。「X·36Under36」是一个很有有意义的活动，让人们能够更多地去关注到这些年轻创业者们，进而关注到他们从事的创新领域。从个体上来看，可能我们现在看到的每一个创业者，只是通过自己的努力在他所处的行业或者领域迈出一小步；但是把所有的这些创业者当做一个整体来看，那么所有创业者的一小步，那就会成为推动这个时代往前发展的一大步。关于北京大学金融工程实验室
北京大学金融工程实验室是依托北京大学经济学院搭建的研究和教学平台，致力于推动量化投资、金融工程、大数据金融以及金融科技方面的学术研究与实践应用，实现学术界与金融业界良好的互动交流。实验室聚焦于运用数学建模、统计分析、计算金融、大数据以及机器学习方法进行量化金融的研究，以数理化方法探讨金融市场的规律。实验室的目标不仅仅是推动金融工程等学术领域的前沿研究，同时也推动量化金融技术在教学、投资实践、金融监管以及金融政策等方面的实际应用。关于X·36under36数据支持工作
北京大学金融工程实验室在本次「X·36Under36」活动中对与候选人相关的新闻报道进行文本分析，进行热度衡量以及正、负面新闻的筛选。该项目由金融工程实验室李少然老师带领，北京航空航天大学闫相龙、北京大学王选计算机研究所赵文祺共同承担本次数据分析工作。基于40余万条无标注的半结构化新闻文本数据，实验室团队通过词频统计的方式量化了创业者的知名度，通过文本情感分析的方式评判新闻舆情情况，并找出重大负面新闻进行警示。经过清洗重复数据、基于词典的情感分析和多次人工复核后，最终生成了「X36Under36」创业者新闻分析报告。
