How the startup stage affects the choice of valuation method: A comparison between early-stage and growth-stage startups

Abstract

Tässä kandidaatintutkielmassa tarkastellaan startup-yritysten arvonmääritystä ja siinä tapahtuvia muutoksia yrityksen elinkaaren eri vaiheissa. Tutkimuksen tavoitteena on selvittää miten ja miksi arvonmääritysmenetelmät eroavat alkuvaiheen ja kasvuvaiheen startupeiden välillä. Aihe on erityisen ajankohtainen, sillä startup-ekosysteemin nopea kasvu ja perinteisten rahoitusmallien rajoitteet luovat tarpeen dynaamisemmalle ymmärrykselle arvonmäärityksestä.

Tutkielman teoreettinen kehys rakentuu Knightilaisen epävarmuuden ja modernin rahoitusteorian väliselle suhteelle. Alkuvaiheen startupeille on tyypillistä taloushistorian puute ja liiketoimintamallin todentamattomuus, mikä tekee perinteisistä kassavirtaperusteisista malleista epätarkkoja. Tällöin sijoittajien on tukeuduttava kvalitatiivisiin menetelmiin, jotka painottavat tiimin osaamista ja markkinapotentiaalia.

Tutkielma osoittaa, että kasvuvaiheessa yrityksellä alkaa olemaan enemmän empiiristä dataa, mikä mahdollistaa siirtymän kohti kvantitatiivisempia malleja. Kirjallisuuskatsauksen mukaan arvonmääritys ei ole staattinen tapahtuma, vaan evoluutio, jossa kvalitatiiviset tekijät siirtyvät arvon ytimestä kertoimiksi, joilla hienosäädetään laskennallisia malleja.

Lopuksi tutkielmassa pohditaan arvonmääritykseen liittyvää tarkkuuden illuusiota. Vaikka matemaattiset mallit luovat vaikutelman objektiivisesta totuudesta, startup-kentässä arvo on lopulta usein neuvottelukysymys. Tähän vaikuttavat esimerkiksi markkinasentimentti, sijoittajien välinen kilpailu ja kognitiiviset vinoumat. Tutkimus tarjoaa kokonaisvaltaisen kuvan siitä, miten sijoittajien päätöksentekologiikka muuttuu intuitiosta kohti laskennallista riskinhallintaa yrityksen kasvaessa.

This bachelor's thesis examines the valuation of startup companies and the changes occurring in it during the different stages of a company's life cycle. The objective of the research is to clarify how and why valuation methods differ between early-stage and growth-stage startups. The topic is particularly current, as the rapid growth of the startup ecosystem and the limitations of traditional financing models create a need for a more dynamic understanding of valuation.

The theoretical framework of the thesis is built on the relationship between Knightian uncertainty and modern financial theory. Typical for early-stage startups is the lack of financial history and the unverified nature of the business model, which makes traditional cash flow-based models inaccurate. In this case, investors must rely on qualitative methods that emphasize the team's expertise and market potential.

The thesis demonstrates that in the growth stage, the company begins to have more empirical data, which enables a transition toward more quantitative models. According to the literature review, valuation is not a static event, but an evolution in which qualitative factors shift from the core of the value into multiples used to fine-tune computational models.

Finally, the thesis reflects on the illusion of accuracy related to valuation. Although mathematical models create an impression of objective truth, in the startup field, value is ultimately often a matter of negotiation. This is influenced by, for example, market sentiment, competition between investors, and cognitive biases. The research provides a comprehensive picture of how investors' decision-making logic changes from intuition toward computational risk management as the company grows.