一个行业，两种体系
投资于未上市公司股权的投资机构，按照行业的约定俗成，可大致分为投资于相对早期公司的VC（Venture Capital）和投资于相对后期公司的PE（Private Equity）。
粗看起来，VC和PE属于同一个行业，只是投资的阶段略有不同，一些综合性的投资机构也在用同一个团队、同一套打法、同一个基金甚至同一种投资逻辑同时在覆盖VC和PE阶段。
然而，在VC和PE都有工作经验的昊哥看来，VC和PE其实是两个截然相反的系统。
【如何创业，就上创业网】
VC重要的是系统的打法
PE重要的是对单个项目的判断
刚做VC时曾经困惑的一点是，不同投资机构似乎投资逻辑和策略有比较大的差异。比如Z基金，特别强调投资就是投人，认为事情会变，但人很难变，并为此系统化地总结了看人的方法论；而S基金却不同，其教父级创始人V先生表示，投资标准的第一位是永远聚焦市场，而不是人。
到底谁对谁错？
如果我们把全社会创业企业看作一个大池子/大圈，那么早期投资的首要任务就是通过系统的打法在其中画小圈。所以，这两家基金在战略上都没有错，只是战术的差异而已：Z基金画圈的基石，假设的是优秀创始人的成功概率比平均水平高1-2个数量级；而S基金画圈的基石，假设的是有前景的赛道成功概率比平均水平高1-2个数量级。
其本质都是用系统的打法在画圈。
这些圈很可能有交集但不重合，因此常常可见A项目B基金看好投了、C基金却不看好没有投，而从投资的系统打法来说，B、C基金都没有错。
画圈还要注意的是要坚持使用一种画圈逻辑，不要今天是看人的逻辑，明天是看赛道的逻辑，要用同一种方法足够多次博弈才能取得科学的概率和期望值。同理，小部分基金试图复制一线基金的投资项目，看到D基金投了便千方百计找到项目要做个加轮，殊不知这样的行为只复制了单点，而失去画圈逻辑的单点最终串在一起的投资组合，很可能变成四不像。
相对的，PE中系统的打法并没有那么重要，因为当一个项目已经从天使一路融到了preIPO，其成功的基础比率已经大大提升了，反而此时，你对项目判断能力的重要性开始凸显，是60%、80%还是95%，对最终成功的概率有不小的影响。
VC追求赔率，PE追求胜率
系统的打法做得再好，基础胜率太低的事实无法改变。《Venture Capital and the Finance of Innovation》中提供了一组来自美国的VC投资历史证据，以10年为观察期，首轮投资的项目有43.7%归0，只有1.6%能取得50倍的回报；第二轮投资的归0率是36.1%；第三轮投资的归0率是33.7%。即使没有归0的，也有很大一部分难以取得满意的回报。
投资机构的收益率可以拆解为胜率、赔率和时间三个主要因素。
总体胜率不高、回报周期长是VC的自然规律，要形成令人满意的收益率，对赔率的要求就成为了VC界再重视也不为过的点。因此，许多VC把有潜力“本垒打”（Homerun，即一个项目最终的回报能至少覆盖整支基金的本金）作为投资很重要的标准。
Homerun有时候能拯救一支危机中的基金。KPCB在1999年募集的基金第二年就遇到了互联网泡沫破裂、纳斯达克崩盘，可谓生不逢时，到2005年，这支规模为5.5亿美元基金的Net IRR（净内部回报率）是-23.3%，价值倍数只有0.4，但最终Google一个项目的回报就至少是整支基金本金的5倍多。
吴军在《浪潮之巅》中也提到，Google还挽救了另一家硅谷VC巨头红杉：“红杉风投当年投资Google的那轮风投基金高达十几亿美元，只有Google一家投资成功了，如果Google的回报率在100以下，整轮基金仍是亏损的。”结果“KPCB和红杉风投投资Google获得500倍收益（1000万到50亿美元）”。
当然，赔率还要匹配足够的仓位，Peter Thiel在《从0到1》中提到，AH基金投资Instagram25万美元，最终获得7800万美元，赔率高达312倍，但还不够Homerun，因为整支基金是15亿美元的规模。
昊哥发现赔率和胜率问题是投资人和创始人思维上最大的gap之一。对于创始人来说，他/她同一时间只能赌一件事情，最终的结果是0或1，因此，创始人很多时间在思考如何能够提升项目的可成性，和投资人pitch的时候，更多讲的也是这件事为什么能做成；而投资机构则最终形成了一个有成有败的投资组合，对单个项目而言，做成虽然重要，能大成可能更重要。
相对的，PE阶段的项目的赔率一般都不会太高，对于相对成熟有共识的项目，其估值的议价空间不大，甚至有少数项目上市后的市值反而倒挂，因此，PE对风险控制的要求较高，一个投资组合承受不了多个项目的失败，胜率成为PE的重中之重。
VC回报遵守幂律分布
PE回报遵守正态分布
日常生活中我们常见的统计分布是正态分布（Normal Distribution），形似一个钟形曲线，比如身高、体重、考试分数等。
正态分布
正态分布的特点是平均有代表性、不重视极端、天然独立事件。2020年《柳叶刀》上的一篇研究报告指出，中国19岁男性平均身高达到了175.7厘米，女性达到163.5厘米，读到这段文字的时候，你内心可能会自然地将自己的身高与平均值做一个对比，因为根据正态分布的原理，99.6%的中国19岁男性都在以175.7厘米为中心的三个标准差内，平均值是有较强的代表意义。
正态分布的常见（注意其英文名即为Normal）让不少人忽视了另一种分布--幂律分布（Power Law Distribution），即事件发生概率与事件大小的负指数成比例，如城市人口分布、物种灭绝、互联网上的链接数量以及企业规模等。如果说众多随机独立变量造就了正态分布，那么变量的非独立和正反馈造就了幂律分布。