眾籌項目融資成功的影響因素及預測模型研究

黃健青，黃曉鳳，殷國鵬

(對外經濟貿易大學 信息學院，北京 100029)

?

眾籌項目融資成功的影響因素及預測模型研究

黃健青，黃曉鳳，殷國鵬

(對外經濟貿易大學 信息學院，北京 100029)

眾籌作為中小企業融資新途徑，需要解決其融資成功率問題。本文基于追夢網的858個項目數據，以信任理論為基礎，運用回歸分析法探究影響眾籌項目成功的關鍵因素，并在實證結果的基礎上構建神經網絡預測模型，對項目融資結果進行預測，優化項目設置。回歸分析與神經網絡結合的方法有助于直接檢驗項目質量，平臺和發起人可對即將上線的項目進行預測，并根據結果從項目質量、發起人特征和不確定性三個方面有針對性地進行優化改進，從而提高項目融資成功的可能性，提升眾籌融資效率。

眾籌；融資成功率；影響因素；信任理論；預測模型

一、引言

眾籌(Crowdfunding)是一種大眾通過互聯網進行溝通聯系，并匯集資金支持由其他組織和個人發起的活動的群體性行為[1]，也是通過互聯網平臺進行小額融資的新型融資模式。根據盈燦咨詢數據顯示，截至2016年年底，我國正常運營眾籌平臺共有427家，是2014年的近3倍。2016年全國眾籌行業共成功籌資224.78億元，是2014年的10.42倍。從預期籌資額的實際完成率來看，2016年全國眾籌行業預期籌資額共677.84億元，實際完成率僅為33.16%。由此可見：一方面，眾籌作為一種高效便捷的新型融資模式逐漸受到重視和關注，發展迅速；另一方面，眾籌行業目前的預期融資實際完成率并不高，融資效率較低，融資成功率亟待提高。因此深入探究影響眾籌融資成功的關鍵因素，構建行之有效的預測和改進模型，提高眾籌項目融資成功的可能性，對于促使眾籌行業的發展具有重大意義。本文將借助信任理論，探究回報眾籌項目成功的關鍵因素，并基于實證結果，構建神經網絡預測模型，探究平臺及項目發起人如何更好地調整項目設置，提高項目融資的可能性，以提高眾籌行業融資效率，促進行業健康發展。

二、文獻綜述

國內外學者對于眾籌項目成功的影響因素展開了深入的研究。研究的重點主要包括項目本身的信息、發起人特征、項目獲得的支持程度、風險因素等方面。

起初，關于眾籌項目的影響因素更多地聚焦在項目本身傳遞的信息上。Evers(2012)[2]從個人動機角度出發，對項目質量、項目信息、項目需求3個維度進行探究，發現多元化的項目團隊與小額贊助額度的設定也是受歡迎的。Kuppuswamy和Bayus(2013)[3]認為項目融資時限、融資額度和回報形式也會影響投資者的投資行為。黃玲和周勤(2015)[4]基于期望理論指出預設目標金額較低，新穎度較高，以及具有差異化設置回報種類及多樣化項目宣傳渠道的眾籌項目成功的可能性更大。

隨后，學者們逐漸引入了發起人特征的影響。Mollick(2014)[5]發現發起人Facebook上的好友數量也會對項目融資有所助益。Boeuf等(2014)[6]指出對親社會投資者而言，內在因素影響產生的積極效應大于外在因素影響產生的消極效應，項目經營者對其它發起人的項目提供支持有利于增強大眾投資者對自身項目的投資熱情。Liao C等(2015)[7]引入內部社會資本的概念，認為籌資人對其他項目的點贊數和支持次數會對自身發起項目的融資比率產生影響。

同時，學者們也對項目獲得的支持程度進行了討論。Quercia D和Crowcroft(2014)、Frydrych和Bock(2014)以及Cumming等(2014)[8-10]研究均表明項目獲得的支持人數會對項目融資帶來積極影響。Quercia D和Crowcroft(2014)和Cumming等(2014)同時還指出了評論數量對于項目成功的積極作用。黃健青等(2015)[11]從顧客價值視角進行研究也表明項目分享次數、評價次數、評價數量對項目是否能達到全額融資有顯著影響。

此外，項目本身的風險性與投資者的決策也有顯著關系[12]。Agrawal(2011)[13]表明籌資者的地理位置使其感到不同等級的信用風險。鄭海超等(2015)從不確定性、投資風險、人力資本3個維度構建理論模型對股權眾籌的影響因素進行探究，研究指出人力資本越高融資結果越好，并且不確定性也會對融資水平造成影響，項目提供的股權份額越高，描述風險的信息越少則成功的可能性越小[14]。相關文獻整理如表1所示。

雖然國內外學者對眾籌成功的影響因素進行了多個維度的研究，但仍存在以下幾方面的不足：一是項目獲得的支持程度是在籌資結束后才呈現的數據，而對項目發起人而言前期預判更為重要。二是結果分析多停留在對影響因素的探究層面，在實際應用上，未提供直接預判項目是否可以獲得成功的方法，無法有針對性地對項目的潛在不足進行改進，進而提高融資效率。基于此，本文將圍繞“提高項目融資成功可能性”的核心出發，借助信任理論，利用追夢網的眾籌項目數據，選取項目初始可獲取指標，分析影響項目成功的關鍵因素，并以關鍵因素作為輸入因子構建神經網絡預測模型，提供項目融資結果預測和改進方法，為平臺及項目發起人提供直接檢測項目設置，提高融資成功率的有效途徑。

表1 眾籌項目成功的影響因素

三、影響眾籌項目成功的關鍵因素

(一)理論與假設

信任是現代商業活動的核心要素，在互聯網情境下顯得尤為重要。當交易雙方無法確定行之有效的條約和規則以減少不確定性、降低交易風險時，信任便成為了保證交易進行的重要工具[15]。互聯網的誕生使得商業活動打破時間和空間的限制，獲得了更多自由。然而在互聯網情境下，虛擬環境的無形性和監管漏洞帶來的不確定性和高風險，使得信任問題顯得更加突出。根據CNNIC第37次《中國互聯網絡發展狀況統計報告》顯示，2015年，42%的網民遭遇過網絡安全問題，有16.4%的消費者在網上遭遇到消費欺詐，相比2014年上升了3.8%。與此同時，e租寶、中晉資產等問題平臺的出現，也加劇了消費者對互聯網金融的信任危機。Dongyu Chen等(2014)[16]基于信任理論，對拍拍貸上的貸款者進行了問卷調查，研究結果表明對于借款人和中介機構的信任是影響貸款者信任的關鍵因素。蔣驍(2014)[17]以信任理論為基礎，通過問卷調查，建立結構方程，提出了眾籌出版用戶支付意愿模型。信任已經成為了影響用戶在線支付行為意向的決定因素。

本文以信任理論為分析框架，同時引用股權眾籌和回報眾籌的研究成果，構建的理論模型如圖1所示。將傳統情境下對實體和個人的信任引入到眾籌中，本文認為項目質量、發起人特征是影響投資人信任的兩個維度，同時，由于在線交易容易存在信息不對稱，本文將不確定性引入到模型中，關注項目質量、發起人特征及不確定性對投資人信任的影響，從而影響其投資意愿，反映在項目上即項目的融資比率。

圖1 研究模型

1.項目質量

項目質量是指通過項目屬性和描述所反映出來的項目價值。眾籌項目的產品質量主要體現在融資額度、回報、項目描述等方面，它是投資人衡量項目投資價值的重要因素，直接影響投資人對項目的判斷。具體而言，本文關注最低投資額、最高投資額和視頻展示所反映出的項目質量。

最低投資額是指投資人可以對眾籌項目進行投資的最小額度。每個級別的投資額對應相應的回報，投資額度越高，回報內容就越豐富。最低投資額度反映的是投資人可以得到的最低回報和服務，也是項目能對投資人造成的最低吸引力水平。最低投資額度越高，則投資人可以享受到的回報和服務水平越高，投資人進行投資的意愿也更加強烈，對項目融資比率有積極影響[18]。因此，本文認為，最低投資額度越高，投資人可獲得的最低回報質量越高，從而會增強投資人對項目的信任，提高投資意愿。

最高投資額是指投資人可以對眾籌項目進行投資的最大額度。與最低投資額的設定相似，最高投資額也反映了投資人可獲得的回報和服務。最高回報反映了項目能提供的最好回報和服務，投資額高也意味著對項目回報產品或服務的精心設置，從一定程度上反映了項目的高質量，容易增強大額投資者對項目質量的信任，從而提高投資意愿。

視頻是指項目發起人在項目描述中使用視頻對項目進行介紹或演示。在線交易中，產品質量的好壞與賣家自愿披露的信息有著明顯的關系，賣家自愿披露的信息越多，則其產品的質量越好[19]。眾籌項目發起人使用視頻對項目進行介紹，一方面體現了其準備充分，另一方面也反映了其自愿披露的信息更多，顯示項目質量更高，更容易增強投資人對項目的信任，從而提高投資意愿。綜上分析，提出如下假設：

H1：項目質量與融資比率呈正相關關系，即項目質量越高，投資人對項目越信任，投資意愿越強，項目融資成功的可能性越大。

2.發起人特征

發起人特征是指項目發起人本身的屬性。在電子商務領域，有大量研究表明，顧客對商家的信任會影響其對產品的信任，進而影響顧客的支付意愿。在B2C電子商務交易中，網店聲譽顯著影響消費者的信任[20]；出版眾籌項目中，投資人對項目發起人的信任也顯著影響其投資意愿[17]。

發起人的特征主要反映在發起人積分上，發起人積分越高，說明其在平臺上越活躍，歷史信用越好，項目融資成功率越高[18]。由此，本文認為發起人特征會通過影響投資人對項目的信任，進而影響其投資意愿，并提出如下假設：

H2：發起人特征會對融資比率造成顯著影響，即發起人積分越高，投資人對項目越信任，投資意愿越強，項目融資成功的可能性越大。

3.不確定性

不確定性是指對項目未來發展的狀況無法準確預測，投資人會基于項目設置及描述評估其風險。在股權眾籌平臺上，不確定性水平對于投資成功有著消極影響[21]。本文重點關注目標金額、回報級別和風險描述帶來的不確定性。

目標金額是指發起人設定的目標籌資額度，除特別合作外，如在規定的融資期限內的融資額未達到目標金額，則項目失敗；如果達到或超過目標金額，則項目成功，發起人可獲得實際籌集到的資金。目標金額越高，也意味著項目融資失敗的風險越大，不確定性水平越高，會降低投資人對項目的信任[11]。

回報級別是指項目設置中提供的回報種類數量。項目提供的回報級別越多，說明項目回報的產品或服務越多樣，分散程度越高，需要項目發起人耗費更多的時間和精力。同時回報級別越多，則每種產品和服務的數量越少，由規模報酬理論可知，每種產品的成本會上升。這些都增強了項目實施的不確定性，會降低投資人對項目的信任，與項目融資比率呈負相關[22]。

風險描述是指項目描述中涉及的項目推進過程中可能遇到的困難和風險，以及可能導致的結果。發起人在項目設置中對風險進行過多的描述容易加深投資人的擔憂，從而放大項目存在的不確定性，降低項目的信任，從而降低投資意愿。在股權眾籌中，描述風險的信息造成了消極影響[23]。綜合上述分析，本文提出以下假設：

H3：不確定性水平與融資比率呈負相關關系，即目標金額越大、回報級別越多、具有風險描述的項目，投資人對項目越不信任，投資意愿越弱，項目融資成功的可能性越小。

(二)研究設計

根據以上項目成功影響因素理論分析，本文選取眾籌項目的項目質量、發起人特征、不確定性作為解釋變量，同時使用數據采集器和手工采集兩種方式收集了追夢網的相關數據，以融資比率作為因變量，以最低投資額、最高投資額、視頻、發起人積分、目標金額、回報級別和風險描述作為自變量，同時，為排除融資模式和項目類別的影響，將其作為控制變量，通過逐步回歸進行分析，最終得出本文的結論。

1.樣本選擇與數據來源

在國外學者研究中，有關融資模式的研究，IndieGoGo是使用最多的平臺，而有關眾籌項目成功影響因素的研究中，學者們的對象多為Kickstarter。國內的眾籌平臺中，追夢網的商業模式與上述兩個平臺最為相似。根據清科研究中心發布的《2015年中國眾籌市場發展報告》顯示，2014年國內9家主要的回報眾籌平臺中，追夢網以871個項目位列第三名，具有較大的影響力和關注度。本文選取追夢網作為數據來源，具有一定的代表性。

追夢網創建于2011年9月，2011年與2012年發起的項目較少，2013年開始平臺逐步發展并趨于穩定，而從2015年3月之后，追夢網轉移到移動端，通過APP進行眾籌。我們收集了追夢網2011年11月至2015年2月網頁端的952個項目。考慮到2012年以前平臺處于運營初期，還不穩定，因而去掉2012年以前的項目。此外，為了使研究更為規范，考慮項目合理性的同時，根據指標的數值分布情況，我們剔除了目標金額超過2倍標準差的項目，共保留858個項目。其中成功項目435個，失敗項目423個，分布較為均衡。

2.變量選取

根據前文所述的模型，本文選取項目最后完成的“融資比率”作為被解釋變量，從項目質量、發起人特征、不確定性3種類型的解釋變量選取度量指標，具體如表2所示。

此外，以往學者的研究中指出不同融資模式和項目類別也會對項目融資情況造成影響，因此，本文引入融資模式和項目類別作為控制變量。對于融資模式，AON(All or Nothing)模式記為“1”，KIA(Keep It All)模式記為“2”。對于項目類別，按照追夢網上對類別的設置進行分類，設計類記為“1”，科技類記為“2”，影像類記為“3”，音樂類記為“4”，人文類記為“5”，出版類記為“6”，活動類記為“7”，其他類記為“8”。

表2 度量指標及其說明

3.回歸模型設定

根據理論模型、假設及指標選取等，本研究實證分析的回歸模型方程設定如下。

FundingRatio=β0+β1*LnMinpledge+β2*LnMaxpledge+β3*Video+β4*LnPoints+β5*Lngoal+β6*LnRL+β7*Risk+ε

(三)實證分析與結果討論

為排除指標間多重共線性的影響，本文采取逐步回歸分析對影響眾籌項目融資比率的因素進行計量分析。除了分類數據外，其余指標做了對數變換。具體結果分析如下。

1.描述性統計

本文對眾籌項目的特征數據進行了描述性統計，結果如表3所示。

表3 眾籌項目特征數據的描述性統計結果

2.回歸分析

通過SPSS軟件對相關數據進行分析，得到的回歸結果如表4所示。結果表明，各指標對項目融資比率的影響非常顯著。

表4 眾籌項目成功影響因素回歸結果

注：*、**、***分別表示達到了10%、5%、1%的顯著性水平。

(1)眾籌項目的項目質量對融資比率影響顯著

最低投資額(Ln_Minpledge)在5%的顯著性水平上與項目融資比率正相關，最高投資額(Ln_Maxpledge)在1%的顯著性水平上與項目融資正相關，視頻數量(Ln_Maxpledge)在1%的顯著性水平上與項目融資正相關，與原假設(H1)相符。這與以往學者們研究的結果也是一致的，說明最低投資額、最高投資額和視頻數量都是影響融資比率的關鍵因素。每一個投資額都有對應的回報，投資額越高反映回報越好，對投資人更有吸引力。另外，優秀的眾籌項目往往因為其創意而使投資者產生強烈共鳴，視頻的展示可以帶給投資者直觀的項目體驗，提升投資者的認同和信任。因此，項目的最低投資額越高、最高投資額越高、視頻數量越多則說明項目質量越好，越能贏得投資人的信任，激發其投資意愿，從而獲得更多融資。

(2)眾籌項目的發起人特征對融資比率影響顯著

發起人積分( Ln_Points)在1%的顯著性水平下與項目融資比率正相關，與原假設(H2)相符。發起人積分體現了發起人在眾籌網站的活躍度，一般情況下此類發起人歷史發起或參與的眾籌項目比較多，相關的知識和經驗比較豐富。這也使得他們在眾籌平臺上更有可能受到關注，項目得到廣泛推廣。與新用戶相比，積分較高的項目發起人更容易獲得投資人的信任和青睞，越能激發投資人的投資意愿，從而獲得更多融資。

(3)眾籌項目的不確定性對融資比率影響顯著

目標金額(Ln_goal)在1%的顯著性水平上與項目融資比率負相關，回報級別(Ln_RL)在5%的顯著性水平上與項目融資負相關，風險描述(Risk)在1%的顯著性水平上與項目融資負相關，與原假設(H3)相符。目標金額設定越高，則需要越多的投資者參與到項目中，這在一定程度上增加了項目的難度和風險，使投資人在投資時有所顧慮。回報級別設定的多樣化雖然在一定程度上可以增強項目的可擴展性，但是卻也大大增加了項目執行難度。由于項目發起人一般提供的回報數量級別比較小，不能形成規模報酬效應，因此成本也會有所增加。而對于風險的描述也容易強化投資人對項目的質疑。這些因素都會導致項目不確定性增加，故目標金額越高、回報級別越多、風險描述越多的項目越難獲得投資人的信任，獲得的融資比率也越低。

四、眾籌項目融資結果的預測模型

為了深化眾籌融資成功影響因素的研究，本文在上述回歸分析的基礎上，通過神經網絡進行預測模型的訓練，從而對眾籌項目成功與否進行預測，幫助項目發起人優化項目設置，從而提高融資成功的可能性。

(一)評價指標與數據來源

基于前文所述的模型，將回歸分析得到的關鍵因素作為神經網絡的預測指標體系，如表5所示。

表5 眾籌項目預測指標

追夢網上有部分特別合作項目，無論籌集資金是否到達目標金額都算成功，即KIA(Keep It All)的模式，但大部分為AON(All or Nothing)模式，只有籌集金額達到或超過目標金額才算成功。目前學者研究的重點主要是AON模式，且大多數眾籌平臺也只提供AON模式。因此，我們在前文所選擇的項目基礎上，剔除了130個KIA模式的項目，最終保留728個AON項目作為樣本。

(2)模型設計

多層感知器(MLP)神經網絡因其出色的性能被廣泛應用于結果預測，主要通過目標進化算法和以梯度為基礎的局部搜索對BP算法進行優化。本文將其引入到對眾籌項目成功的預測當中，建立預測模型如圖2所示。

圖2 眾籌項目融資結果預測模型圖

具體設置如下。

第一，網絡層數。在前人的研究當中，只有一個隱含層的神經網絡應用最為廣泛，且效果良好。基于此，本模型選擇了只含有一個隱含層的MPL神經網絡。

第二，輸入的預測指標。輸入層位于網絡的第一層，主要任務是接收外部數據，其節點數取決于輸入項的維數。根據前文所述，選擇項目質量、發起人特征、不確定性3種類型的7種指標作為神經網絡的因子輸入，考慮到神經網絡可以處理復雜數據關系，為給模型提供充分的信息，本文將項目類別、項目進展、回報執行天數、照片數量、發起地點、發起人性別6個指標作為協變量輸入。其中，除了分類變量外，其他指標都進行了Ln對數處理。

第三，輸出的預測結果。輸出層的節點數意味著輸出的結果維度。本研究以眾籌項目是否成功作為輸出結果，故只有成功和失敗兩個維度，最終融資達到或超過目標金額即為成功，記為“1”，否則為失敗，記為“0”。

第四，隱含層的節點數。對于有限個輸入到有限個輸出的映射，隱含層的節點數問題迄今為止尚未找到很好的解決辦法，其設定通常跟設計者的經驗和前人的試驗來確定[24]，本文將其設定為計算中自動選擇最優的隱含層節點。

(三)結果分析與討論

通過SPSS多層感知器神經網絡對數據進行分析，由系統隨機分配訓練集和測試集，結果排除了111個項目。在剩下的617個項目中，497個項目作為訓練集，占80.6%，120個項目作為測試集，占19.4%。神經網絡通過對訓練集樣本進行學習，擬合出預測模型，再通過測試集數據對模型進行檢驗。具體分類結果如表6所示。

表6 眾籌項目融資結果預測表

由表6可看出訓練樣本的正確率為87.5%，測試樣本的正確率81.7%，訓練樣本和測試樣本的準確率都比較高，且相對穩定。對于項目發起人而言，進行神經網絡預測的意義在于通過模型輸入項目指標的設定值，從而預測是否成功。若不成功，可根據前文回歸得到的關鍵影響因素，及其相關關系進行調整，直至項目預測成功。由此可見，對于失敗項目預測的準確率更為重要，而此模型中，對于失敗項目，即觀測值為“0”的項目，訓練集的正確率為89.2%，測試集的正確率為88.5%，預測效果比平均水平更好，更滿足實際需求。

預測結果的高準確性對于眾籌平臺和項目發起人有著重要意義，他們可將相關指標輸入到模型中，對融資結果進行預測，如果預測結果為失敗，可通過前文實證的結果對項目設置進行有針對性的改進，從而提高融資成功的可能性，提高眾籌融資效率。

五、結論與建議

以上研究表明，項目質量、發起人特征、不確定性3個維度中，最低融資額、最高融資額、視頻數量、發起人積分對眾籌項目的成功有正向影響，而目標金額、回報級別和風險描述則對其有負向影響。

基于研究結果，針對預測失敗的項目，對項目平臺和發起人提出以下幾點改進建議。

1.調整項目投資額的設定，并使用多媒體手段進行項目的展示。項目發起人可以通過適當提高最低投資額和最高投資額，并相應地給予更好的回報和服務，顯示發起人的精心準備和優質項目的信號。同時，多使用視頻等多媒體宣傳手段，生動且直觀地展示項目，提高項目的吸引力，增強投資人對項目的信任。

2.多參與平臺互動，提高發起人積分水平。發起人積分很難短時間內提高，需要項目發起人長期保持在眾籌平臺上的活躍程度，多關注其他眾籌項目，并與其他項目發起人和投資人進行互動，從而提高投資人對發起人的信任，同時為自己積累經驗和人脈，為合理調整項目設置提供知識和經驗的儲備，從而提高融資成功的可能性。

3.降低項目的不確定性，控制風險。眾籌作為一種互聯網金融模式，以在線交易的形式完成投融資，很容易出現信息不對稱導致的逆向選擇，發起人應盡可能降低項目的不確定性，如減少不確定的風險描述，給投資人傳遞確定性信息，從而提高其對項目的信任感。另外，過高的目標金額和過多的回報級別設定也容易提高投資人的感知風險，發起人應通過合理設定目標金額和回報級別來控制風險，增強投資人的投資意愿。

調整項目設置后，發起人可通過預測模型再次進行預測，直至獲得滿意的結果。

研究不足及展望：(1)本文的研究數據存在一定局限性。本文選取的是追夢網的數據，共采集眾籌項目952項，結合平臺運營穩定期間的考慮和指標的數值分布情況，剔除了部分項目，共保留858個項目。樣本量相對國外的研究而言比較少，未來可嘗試將其拓展到其他平臺上，提高研究的外部有效性。(2)本文的研究變量存在一定局限性。投資人對項目的信任還可能受地理位置和文化差異等因素的影響。然而，由于平臺信息透明程度、項目參與者對個人信息公開程度不足等原因，導致在研究過程中對影響因素的梳理不夠全面。伴隨著越來越多的眾籌平臺的興起，關于眾籌項目的信息展示也越來越豐富，未來可嘗試引入地理位置、文化差異等因素對于項目的影響。(3)本文的研究對象具有一定局限性。雖然追夢網是國內的主流眾籌平臺，具有一定代表性，但是不同平臺的眾籌項目特點各不相同，基于追夢網研究得到的結果在一定程度上不能完全遷移到其他眾籌平臺上，存在一定局限。蔣驍(2015)[17]研究指出投資人對眾籌項目的信任還會受到對眾籌平臺的信任的影響，可見，不同眾籌平臺影響項目成功的關鍵因素也可能存在差異，建立的預測模型也不盡相同。未來可嘗試對不同眾籌平臺進行對比研究，提出更有針對性的結論與建議。

[1]ORDANINI A, MICELI L, PIZZETTI M, ET AL. Crowd-funding: Transforming customers into investors through innovative service platforms[J]. Journal of service management, 2011, 22(4): 443-470.

[2]EVERS M W, LOUREN?O C, BEIJE P. Main drivers of crowdfunding success: A conceptual framework and empirical analysis[M]. Erasmus Universiteit, 2012.

[3]MOLLICK E R, KUPPUSWAMY V. After the campaign: Outcomes of crowdfunding[J]. UNC Kenan-Flagler Research Paper, 2014 (2376997).

[4]黃 玲, 周 勤. 基于期望理論的眾籌設計研究[J]. 財經科學, 2015 (6): 32-42.

[5]MOLLICK E. The dynamics of crowdfunding: An exploratory study[J]. Journal of Business Venturing, 2014, 29(1): 1-16.

[7]LIAO C, ZHU Y, LIAO X. The role of internal and external social capital in crowdfunding: Evidence from China[J]. Revista de CercetaresiInterventieSociala, 2015, 49: 187-204.

[8]AN J, QUERCIAD, CROWCROFT J. Recommending investors for crowdfunding projects[C]//Proceedings of the 23rd international conference on world wide web. ACM, 2014: 261-270.

[9]FRYDRYCH D, BOCK A J, KINDER T, et al. Exploring entrepreneurial legitimacy in reward-based crowdfunding[J]. Venture Capital, 2014, 16(3): 247-269.

[10]AHLERS G K C, CUMMING D, GüNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[11]黃健青, 陳 歡,李大夜. 基于顧客價值視角的眾籌項目成功影響因素研究[J]. 中國軟科學, 2015 (6): 116-127.

[12]吳喜雁, 周建波. 大眾參與眾籌投資決策影響因素分析[J]. 科技進步與對策, 2015, 32(24): 12-16.

[13]AGRAWAL A K, CATALINI C, GOLDFARB A.The geography of crowdfunding[R].National Bureau of Economic Research, 2011.

[14]鄭海超, 黃宇夢, 王 濤, 等. 創新項目股權眾籌融資績效的影響因素研究[J]. 中國軟科學, 2015 (1): 130-138.

[15]LUHMANN N. Trust and power[M]. Chichester: Wiley, 1979.

[16]CHEN D, LAI F, LIN Z. A trust model for online peer-to-peer lending: A lender’s perspective[J]. Information Technology and Management, 2014, 15(4): 239-254.

[17]蔣 驍. 基于信任的眾籌出版用戶支付意愿研究[J]. 科技與出版, 2014(5): 6.

[18]黃健青, 劉雪霏, 鄭建明. 眾籌項目成功的關鍵因素：基于 KIA 與 AON 融資模式的實證研究[J]. 財貿經濟, 2015, 36(9): 74-84.

[19]LEWIS G. Asymmetric information, adverse selection and online disclosure: The case of eBay motors[J]. The American Economic Review, 2011: 1535-1546.

[20]趙宏霞, 劉巖峰. 關系營銷, 網店聲譽對 B2C 電子商務交易信任的影響[J]. 軟科學, 2013, 27(8): 80-84.

[21]AHLERS G K C, CUMMING D, GüNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[22]MOUTINHO N, LEITE P M. Critical success factors in crowdfunding: The case of kickstarter[J]. 2013.

[23]AHLERS G K C, CUMMING D, GüNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[24]肖玲諾, 史建鋒, 孫玉忠. 基于 BP 神經網絡的產學研知識創新聯盟風險評價研究[J]. 中國軟科學, 2011 (12): 173-179.

(本文責編：海 洋)

Influencing Factors and Forecasting Model for Successful Crowdfunding Projects

HUANG Jian-qing, HUANG Xiao-feng, YIN Guo-peng

(SchoolofInformationTechnology&Management,UniversityofInternationalBusinessandEconomics,Beijing100029,China)

Crowdfundingbecomes a new way of SME financing,it needs to solve the problem of financing success rate. In this paper, we summarized the indicators mentioned in Trust Theory and analyzed the factors influencing the success of crowdfunding projects on the “Dreamore” platform by using regression. Based on these contents, we constructed the forecasting model by neural network to predict and improve financing results. The model that combines regression and neural network is a direct method to test the quality of the projects and enhance the possibility of its financing success. The crowdfunding platform and project sponsors can use this model to predict about on-line projects, then adjust the project settings pointedly from project quality, sponsor characteristics and uncertainties according to the results, which will enhance the possibility of financing success.

crowdfunding;success rate of finance; influencing factors; trust theory; forecasting model

2016-11-15

2017-04-26

北京市社會科學基金基礎類重點項目(15JGA007)；教育部人文社會科學研究規劃基金“企業互聯網金融發展路徑及風險防范研究—基于平臺經濟視角”(14YJAZH035)。

黃健青(1966-)，女，福建莆田人，對外經濟貿易大學信息學院教授，碩士，研究方向：互聯網金融、電子商務、現代服務業。

F270

A

1002-9753(2017)07-0091-10