羊群效應、融資目標與眾籌融資
——基于“眾籌網”的投資行為研究

■朱傳奇

本文通過抓取國內最有影響力的眾籌平臺——“眾籌網”項目數據和投資人信息，從眾籌融資的需求出發研究投資人行為。研究結果表明，眾籌市場中存在一定程度的羊群效應。研究還發現：這些羊群效應是“非理性的”，即投資人只是單純地模仿其他人的投資決策，而項目的相關信息對投資人的投資決策影響較小；眾籌融資中具有較強的“目標效應”，當項目融資目標達成后，潛在投資人雖降低了對項目不確定性的擔心，但其行為更多受到責任擴散效應的影響。

一、引言與文獻綜述

作為一種互聯網金融的主要形式，眾籌融資（Crowdfunding）為眾多的初創企業提供了重要融資手段。通常而言，眾籌項目發起人，即資金需求者，可以借助互聯網平臺從多個投資人得到預定數量的資金支持；而在項目完成后，他們也將以產品或者股權等形式回饋眾多投資人。相比傳統的融資方式，眾籌融資具有以下特點：首先，項目發起人往往面對多個投資人。項目發起人僅需要在眾籌平臺發布項目的相關信息并設定一定金額的融資目標，任何訪問該眾籌網站并瀏覽到該項目信息的普通用戶都是潛在投資人，可以參與投資，而每個投資人也只需投資融資目標金額的一小部分。其次，項目的相關信息，諸如項目類型、項目發起人背景、當前募集資金狀態和募資時間都是可以在眾籌平臺上觀察到的公開信息。這些信息對絕大多數缺乏相關項目經驗和專業評估能力的潛在投資人具有重要的信號價值。最后，和傳統的金融機構不同，投資人很難觀察項目發起人的信用狀況或監督項目的執行情況，因此借貸市場中的信息不對稱問題在眾籌融資市場中更加嚴重。上述這些特點都使得在眾籌融資中，項目相關特征信息和其他投資人的投資狀態（如當前已融資比例）對潛在投資人的投資決策有著十分重要的影響。

學者們最初對眾籌的研究主要集中在其商業模式、融資風險及法律制度的監管。例如：胡吉祥和吳穎萌（2013）考察了眾籌融資的發展現狀，分析了行業發展進程中的問題和風險，并提出應辯證看待眾籌發展中的創新和風險，積極將其納入監管體系，制定專門的監管規則，引導行業健康發展；夏恩君等人（2015）也對當前國內眾籌的發展進行分析，并對未來相關研究進行展望。隨著眾籌平臺的不斷發展，國內外學者開始利用眾籌項目數據對眾籌成功的影響因素進行研究。例如：Agrawal et al.（2011）利用美國SellaBand眾籌平臺數據考察地理距離和空間分布對藝術類眾籌項目的影響；Kuppuswamy&Bayus（2013）利用Kickstarter眾籌平臺的數據來考察公眾信息對眾籌項目成功的重要性。國內學者主要從項目信息和投資者動機等方面來分析影響眾籌項目成功的主要因素。例如：黃玲和周勤（2014）利用產業組織模型來考察眾籌自反饋機制的設計如何有效的發揮眾籌過程中參與三方的異質性激勵作用，并利用“點名時間”的項目數據對模型結論進行驗證；黃健青等（2015）利用“追夢網”的數據，對“Keep-it-All”和“All-or-Nothing”兩種融資模式進行比較，考察其對項目眾籌融資的影響；鄭海超等（2015）根據信號理論，基于“大家投”網站數據分析股權眾籌項目融資績效的影響因素；陳玉婕等（2015）從項目信息、人力資本與項目風險三個維度對眾籌項目的變量進行歸類，基于“追夢網”數據分析影響眾籌項目成功的因素。

觀察性學習和羊群效應（Herding Behavior）的相關研究來之于Banerjee（1992）和Bikhchandai et al.（1992）開創性的文章。后續相關的研究在兩方面不斷得以蓬勃發展：一方面，研究者試圖通過各種經濟學實驗來證明羊群效應的存在性。通過田野實驗，Salganik et al.（2006）發現消費者通常下載那些經常下載的歌曲。Tucker&Zhang（2011）發現展示點擊率可以吸引網頁訪問者去那些最受歡迎的網店。而另一方面，研究者利用各種微觀數據對羊群效應進行研究。Herzenstein et al.（2011），Zhang（2010）發現那些在等待腎臟移植的病人更可能拒絕腎源在觀察到其他病人的拒絕行為上。Agrawal et al.（2011）發現在眾籌網站上那些資源豐富的音樂家更容易受到其他投資人的關注。目前國內學者對融資平臺的羊群效應分析，大多數集中在P2P借貸平臺上。例如：Herzenstein等（2011）以及Zhang和Liu（2012）利用Prosper.com的貸款數據研究均發現：已經成功吸引很多投資人的小額貸款項目更可能繼續吸引其他投資人，因此存在一定程度的“羊群效應”。廖理等（2015）利用人人貸平臺數據研究信息不對稱會顯著影響羊群行為的強弱。唯一利用眾籌市場數據的研究來自李曉鑫等（2016），他們利用點名時間的數據研究信息披露和投資經驗如何影響到羊群行為，然而他們的工作更多是從項目發起人的角度，與本文關注點不同。同時他們并沒有區分“理性”和“非理性”羊群效應。

當前互聯網金融市場上投資人的行為研究處于 起 步 階 段 ，如 Marinesi&Girotra（2017）、Kuppuswamy&Bayus（2017）等發現眾籌項目是否達到融資目標這一信息會對投資人的投資決策有較大的影響。在“All-or-Nothing”的融資機制中，對投資人而言，投資一個沒有達成融資目標的項目往往意味著較大不確定性，而那些在募集時間內達到融資目標的項目沒有這種不確定性，會受到投資人的青睞，故而會存在這樣的“目標效應”。然而這一目標效應在實際眾籌中是否存在正是本文研究主要關注問題之一。

本文以眾籌投資人為研究對象，著重分析眾籌融資中的各種信息如何影響投資人的行為。本文試圖回答以下三個關鍵問題：第一，在眾籌融資中是否存在“羊群行為”？即其他投資人的投資情況（如當前已募集資金的比例）是否會影響到這個投資人的投資決策？即投資決策是來自對觀察到的信息的判斷，還是來自被動地摸擬其他投資人？第二，投資人的羊群行為是“理性的”，還是“非理性的”？而“理性羊群行為”是指投資人觀察到各種公開信息并進行分析研判后做出決策的結果。第三，眾籌融資中是否具有“目標效應”？即融資目標在募集日期之前實現會如何影響投資人的行為？

二、數據和變量說明

（一）數據來源

本文利用網絡爬蟲技術從“眾籌網”收集2013年2月～2016年2月的項目眾籌數據和投資人數據。眾籌網于2013年2月正式上線，是中國最具影響力的眾籌平臺，目前眾籌網平臺采取“All-or-Nothing”的機制，即當項目募集到預定的籌資金額目標才算作成功，否則所募集資金將會全部退還給投資人。對于每一個眾籌項目，記錄了項目的整個融資過程，以及投資人的相關信息。

（二）變量描述

為避免異常值的影響，刪除存在以下特征的眾籌項目所有的觀測值：（1）融資目標的百分位大于99%或小于1%的項目；（2）眾籌持續時間小于3天或大于90天的項目；（3）項目支持者數小于10人的項目。經過上述處理后，樣本中共包含403個項目。對應403個眾籌項目，本文共抓取10萬投資人數據，包括投資人識別ID、投資時間點及投資金額，這些數據可以構建靈活時間刻度的融資動態信息。在這些項目的投資動態信息中，為了避免個別投資人的異常單筆投資金額對結果造成影響，對個人投資金額進行了1%的縮尾處理，并將每個項目單日籌集到的金額進行加總。本文的樣本中包含這些項目共計11640個觀測期。表1對這些項目的特征進行了描述性統計。表2為投資動態的描述性統計。

表1 項目變量的描述性統計

表2 單日投資動態的描述性統計

三、計量模型

（一）基準模型

本文的數據集包括了每個眾籌項目的融資狀態和投資者的投資信息，將項目融資狀態按天進行匯總，得到了時間和項目的微觀面板數據。記第i個眾籌項目在第t天收到的眾籌資金為yit，同時用Yit-1來表示累積到t-1天為止項目i已融資的金額。為了檢驗眾籌融資中是否存在“羊群效應”，可以驗證yit與之前的累積募集金額Yit-1是否存在正相關關系，因此構建如下的基準計量模型：

其中，Xit-1為該項目在t-1期是否已經達到融資目標，如果達到目標即設為1，否則設為0；Zi表示與項目屬性和項目發起人相關的非時變變量，包括融資目標、項目關注數、項目分享數、關鍵詞個數、項目支持數、以及項目認證信息、項目類別和項目所在省份等等。α、β、γ為模型中的待估計參數，εit為隨機誤差項。將采用OLS方法對其進行估計。

（二）控制不可觀測的異質性特征

顯然，簡單地對模型（1）進行OLS回歸，結果會受到不可觀測到的異質性特征的影響。就眾籌項目數據采集而言，不可能收集所有項目所有可能的異質性信息的來源。比如項目發起者的視頻或者圖片更容易吸引投資人，但是本文的數據并不包括照片質量等變量。從計量分析角度出發，之前的基準模型中的隨機誤差項包括兩部分：

其中，νit和其他解釋變量相互獨立，而μi代表了不可觀測的項目異質性特征。顯然，μi中這些不可觀測的非時間變量與潛在投資人的出資金額和累積籌資金額存在相關性，故而對α的估計存在嚴重的不一致問題，導致了內生性問題。基于Hausman檢驗，本文的面板數據結構更適用于固定效應模型。采用固定效應模型可以有效地控制項目中存在的異質性因素，分析累積融資額對潛在投資人的影響。由于Zi和μi都代表非時變的相關變量，兩者出現在同一回歸方程中會產生多重共線性問題，故而修正后的控制不可觀測異質性特征的計量模型如下：

（三）非理性和理性羊群效應

如前所述，即使完全控制不可觀測的異質性個體特征，仍然需要識別這樣的羊群效應是來自于投資人的“理性”還是“非理性”的行為。投資人不需要任何觀察性學習就會產生“非理性”羊群行為，通常表現為三個方面：一是投資人通過觀察投資項目的受歡迎度，簡單地復制前期投資人的行為，扮演“從眾跟隨”的非理性角色。二是在面臨不確定性環境下，投資人往往通過觀察他人的行為來做出決策。比如，Croson&Shang（2008）發現投資人通過觀察其他人的捐贈金額來決定自己的捐贈金額。三是網站上提供“最受歡迎的”眾籌項目以及其他相關的排序等展示影響。因此，本文利用在項目層面上可觀察到的信息來區分理性或者非理性的羊群效應。如果投資人只是簡單復制其他人的項目參加決策，他們將對其他人如何做出決策沒有任何反應。正如Simonsohn&Ariely（2008）發現的一樣，那些沒有經驗的eBay用戶往往選擇那些有眾多投資人的投資項目而忽略了那些是因為價格低廉導致的結果。然而，如果投資人是理性的觀察性投資人，他們在觀察其他人的投資情況同時也會考慮到現有的公開項目信息，再做出決策。為此，本文采用Zhang&Liu（2012）的識別策略，在原有的模型基礎上加入交互項，交互項為已募集資金的百分比與其他可觀測變量的乘積。其擴展模型如下：

（四）目標效應

在基于互聯網的眾籌平臺中，固有的信息不對稱使得潛在的投資人存在諸多不確定的風險。為了考察潛在投資人的出資決策將會產生何種變化，首先將樣本區間分為兩段，考察在融資目標實現之前和實現之后投資者行為如何受到這一目標門檻的影響。其次，將累計籌資百分比和項目在上一期是否達到融資目標的交互項引入模型中，從而擴展模型變為：

四、實證分析

（一）羊群效應的存在性分析

表3第（1）列所示，累計募集資金的百分比對潛在投資人出資額的影響系數為正且比較顯著，表明當一個項目已經獲得較高的籌資比例時，在剩余的募集期間內該項目將繼續獲得潛在投資人較多的出資，這似乎證明潛在投資人表現出跟隨已有出資人對該項目進行出資的羊群行為。而第（2）列報告在模型（1）中加入已達到融資目標這一門檻變量。回歸結果表明已達到目標的系數為負且非常顯著，表明雖然到達融資金額使得潛在投資人降低了項目的擔憂，但是在實現融資目標以后，已達到目標百分比對當日融資的比例起到相反的作用，即如果潛在投資人發現項目已獲得較多的融資金額，那么責任旁觀的心理就使得該投資人會降低自己的責任感，減少自己的投資金額。如前所述，如果不控制其他不可觀測變量，比如項目間的不可觀測異質性，就無法確定是否真的存在羊群效應，會導致錯誤的結論。第（3）列中報告的是控制不可觀測的異質性項目特征的結果，第（4）列是加入已達到融資目標這一門檻變量的回歸結果。結果發現控制不可觀測的異質性信息后，已完成百分比對出資額的影響從0.051變為0.025，但仍然顯著。這表明即使在控制了不可觀測的異質性特征后，仍然會有羊群效應出現。投資人存在某種程度的從眾跟隨行為，因此羊群效應在眾籌市場中普遍存在。另外還發現，在控制了不可觀測的異質性項目特征后，已到達目標的回歸系數仍然顯著為負，表明投資人仍存在較強的社會責任擴散心理。

表3 基準模型與控制不可觀測異質性的模型

（二）對理性或者非理性羊群效應的分析

表4為方程（4）的回歸結果。其中列（1）和列（2）是未采用固定效應的回歸結果，列（3）和（4）是采用了固定效應的回歸結果。首先是加入交互項后，雖然已完成百分比所對應的回歸系數為正，但是不顯著。其次已達成目標的回歸系數為負且顯著，這表明在潛在投資人心理中仍然存在社會責任擴散效應。最后，在添加的10個交互項中，只有3個交互項變量回歸系數是顯著的，其余7個交互項回歸系數都不顯著，因此項目的相關信息對投資人的決策影響較小，體現出一定的“非理性”羊群效應。而本文發現身份證和組織機構代碼證等認證信息會減小投資人的非理性行為，但項目實物圖片信息反而會加大投資人的非理性行為。

表4 理性的和非理性的羊群效應

顯然，對眾籌融資的項目發起人而言，有針對性的融資策略設計取決于能否區分開“非理性羊群行為”和“理性羊群行為”。具體而言，如果是“非理性羊群行為”在整個效應中占據支配作用，那么項目發起人可以通過“購買”早期的投資行為來吸引其他潛在投資人。而如果是“理性羊群行為”占據主導地位，那么項目發起人通過“購買”早期投資的行為就不一定有效。因為理性投資人不僅僅關心當前募資的狀態，還會考慮和分析背后的各種因素。如果這些理性的投資人認為項目發起人的這種策略只是為了吸引潛在的非理性投資人，那么這種“購買”的早期行為只會減弱羊群效應中傳達項目質量優良的信號。

表5 目標效應模型

（三）目標效應分析

為了驗證已達成融資目標這一信號如何影響潛在投資人的眾籌決策，表5為融資目標的門檻效應回歸結果。其中列（1）和（2）為達到融資目標之前的回歸結果。結果顯示，在達到融資目標前，已完成百分比顯著為負，這也驗證了我們在投資曲線中所看到的下降趨勢。表明在融資目標達成之前，投資人對項目是否成功有極大的不確定性。列（3）和（4）利用達成融資目標之后的樣本進行回歸，可以看到已完成百分比回歸系數顯著為正，投資人的行為有很強的羊群效應。

列（5）和（6）為模型（5）的回歸結果。其中，（5）沒有控制不可觀測異質性信息，而（6）采用控制不可觀測異質性信息的固定效應模型。其中，已完成百分比為負，在固定效應下顯著，而達到目標后，項目融資成功的概率已經確定，項目籌資中的不確定性大大降低，因此可以看到交互項為正。最后，已達成目標的系數表明仍然是有社會責任擴散效應的影響。

（四）穩健性檢驗

1.Dynamic GMM。考慮到作為因變量的融資比例和作為解釋變量的累計融資比例之間可能存在典型的聯立內生性問題，導致回歸結果出現一致性的偏差。因此，本文使用動態廣義矩估計（Dynamic GMM）對模型進行檢驗。模型（3）中對參數進行一致的、無偏的估計的假設條件是隨機誤差項νit不存在時間序列上的持續性。只有在該假設前提下，累積融資比例和其他時變變量及相應的滯后項才可以視作與νit不存在時間序列相關性的外生變量，因而保證模型估計結果的一致性。但如果假設不成立，即誤差項連續相關，則可能與解釋變量的滯后項序列相關，因此導致內生性問題。本文使用的面板結構數據屬于短面板數據，故采用動態廣義矩估計結構。通過對模型（3）進行一階差分，得到如下的差分等式：

表6為動態廣義矩陣模型的估計結果。和基準的模型一樣，第（1）列和第（2）列表明在全樣本下無論是否控制不可觀測的異質性特征，已完成百分比的回歸系數為正且非常顯著。這表明在眾籌融資市場的羊群效應是存在的。同時為了驗證融資目標的門檻效應，將樣本分為“達到目標之前”和“達到目標之后”，結果發現在廣義矩估計下，當日融資金額百分比與已完成百分比始終存在顯著的正向關系。

表6 動態廣義矩估計模型

2.替代性的衡量指標。在基準模型中，本文使用的是當日融資金額的百分比作為被解釋變量，已累計融資的百分比作為解釋變量，為了驗證研究結論的穩健性，我們考慮選取當日融資金額作為被解釋變量，而用已累計的金額作為解釋變量。結果表明在新的衡量指標下，眾籌市場中仍然存在類似的羊群效應。且回歸結果中已達到目標的系數為負，仍然體現出責任擴散效應對投資人的影響。3.以周為時間區間加總融資金額。在基準模型中，本文加總當日融資金額作為被解釋變量。但有一種可能是日度融資數據容易受到其他不可觀測因素的影響。比如投資人瀏覽眾籌網站的時間以及投資人當前可投資金額等等。這些不可觀測因素可能會放大日度數據的隨機性從而掩蓋了融資金額的趨勢。為此，我們選取以周為時間區間對融資金額進行加總，并以此為新的被解釋變量。結果表明基準模型中的結論仍然成立。眾籌市場中仍然存在類似的羊群效應，當達到融資目標后，主要是責任擴散效應在影響投資人的投資決策。

表7 替代性變量的回歸結果

表8 以周為時間區間加總的融資金額的回歸結果

五、主要結論

本文選取國內目前最有影響力的眾籌平臺——“眾籌網”上的403個項目數據及相對應近10萬投資人的數據，分析了項目的相關信息尤其是已經融資的比例如何影響潛在投資人的決策行為，探索投資人究竟是否表現為羊群的從眾行為，同時分析了融資目標是否具有目標效應。本文得到的主要結論如下：第一，在眾籌市場中存在一定程度的羊群效應。在控制項目間不可觀測的異質性后，當潛在投資人看到眾籌項目已經獲得較高融資比例時，將會吸引更多潛在投資人參與投資。第二，結果表明這些羊群效應是非理性的。即投資人只是單純地模仿其他人的投資決策，而項目的相關信息對投資人的投資決策影響較小。第三，在眾籌融資中具有較強的“目標效應”，即是否已達到融資目標對潛在投資人的投資決策有著十分重要的影響。同時也識別出了不確定性和社會責任擴散效應對投資人決策影響程度的大小。

本文的研究結論表明，首先應加強眾籌市場中的投資者的教育，減弱投資者的非理性的羊群行為。政府部門應當積極發揮投資者教育的主體作用，將眾籌的相關知識、風險和權益等納入現有的金融投資者教育體系中，充分調動眾籌市場各方（如眾籌平臺、行業協會和新聞媒體）共同開展投資者教育活動。其次，設置合理的融資目標金額對項目成功有著重要的影響。作為項目發起人，往往面臨不確定性和責任擴散效應對融資金額的干擾，因此發起人應該通過各種方式有效地進行項目信息的發布和宣傳，吸引更多的潛在投資人，進而提高項目的成功率。

本文在數據分析與實證研究中仍存在一定的不足之處。基于數據可得性原因，只能爬取成功融資項目的籌資數據，對眾籌失敗的項目中投資人的投資決策未能研究。同時，本文的研究也沒有考慮潛在投資人的社會網絡關系，財務狀況和個人背景等信息。在下一步的研究中，希望能將眾籌未成功的項目納入到數據集中，同時也收集更豐富的投資人信息，全面地考察眾籌市場中的羊群效應，以及各種項目信息對潛在投資人行為的影響。