金融支持科技成果轉(zhuǎn)化的風(fēng)險(xiǎn)價(jià)值研究

李尹汐　蔡志榮　任可心　白紅信

摘要：由于知識(shí)經(jīng)濟(jì)和世界經(jīng)濟(jì)一體化進(jìn)程的加快，金融支持科技成果的轉(zhuǎn)化成為了建設(shè)創(chuàng)新型國(guó)家的必由之路。但是金融投入存在風(fēng)險(xiǎn)，因此，建立風(fēng)險(xiǎn)評(píng)價(jià)方法進(jìn)而對(duì)風(fēng)險(xiǎn)進(jìn)行評(píng)估十分必要。本文將運(yùn)用“最小二乘法”對(duì)2008-2017年專利有效累計(jì)數(shù)與各類資金數(shù)額統(tǒng)計(jì)中的未知數(shù)據(jù)進(jìn)行填充，并結(jié)合我國(guó)國(guó)情選擇專利有效累計(jì)數(shù)、科學(xué)技術(shù)支出、創(chuàng)業(yè)風(fēng)險(xiǎn)管理資金、研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)情況、股票成交額、保險(xiǎn)保費(fèi)投資額中近幾年的數(shù)據(jù)，通過實(shí)證分析研究后發(fā)現(xiàn)，創(chuàng)業(yè)風(fēng)險(xiǎn)管理資金與創(chuàng)業(yè)風(fēng)險(xiǎn)投資數(shù)據(jù)的吻合度最高，進(jìn)而利用VAR模型中的方差-協(xié)方差法對(duì)已知投資組合進(jìn)行風(fēng)險(xiǎn)價(jià)值的分析求證，得出其風(fēng)險(xiǎn)價(jià)值。

關(guān)鍵詞：金融支持;科技成果轉(zhuǎn)化;風(fēng)險(xiǎn)價(jià)值;最小二乘法

從2010年1月劉延?xùn)|同志對(duì)科技部等七部門上報(bào)的《關(guān)于深化科技金融合作加快實(shí)施自主創(chuàng)新戰(zhàn)略的報(bào)告》所作的批示，到2017年10月召開的十九大中習(xí)總書記提到的“科技創(chuàng)新”問題和制定的法律法規(guī)中不難發(fā)現(xiàn)，我國(guó)在金融支持科技成果轉(zhuǎn)化方面進(jìn)行了有益探索，但不容忽視的問題是科技成果在產(chǎn)業(yè)化、商品化及資本化等轉(zhuǎn)移轉(zhuǎn)化過程中，易受到不確定因素（技術(shù)、市場(chǎng)、制度環(huán)境、收益等在內(nèi)的投入與輸出的不穩(wěn)定性及不確定性）的影響而造成無法達(dá)到預(yù)期或是與預(yù)期相差甚遠(yuǎn)的結(jié)果。這種無法徹底得以有效控制的科技與經(jīng)濟(jì)脫節(jié)問題所帶來的影響，使得我國(guó)在金融支持科技成果轉(zhuǎn)化的效率性及有效性方面遠(yuǎn)落后于歐美等發(fā)達(dá)國(guó)家。

但通過查閱大量的數(shù)據(jù)對(duì)比發(fā)現(xiàn)，風(fēng)險(xiǎn)的出現(xiàn)除了不確定性外還具有一定的規(guī)律性。最為明顯的一點(diǎn)是其階段性。同一項(xiàng)目的不同階段，風(fēng)險(xiǎn)的幾率不同。在風(fēng)險(xiǎn)投資項(xiàng)目的萌芽期，盡管投資額較少但出現(xiàn)風(fēng)險(xiǎn)的概率卻是最大的，隨著項(xiàng)目的進(jìn)行，技術(shù)和產(chǎn)品在不斷地成熟完善，風(fēng)險(xiǎn)出現(xiàn)的概率也隨其在不斷減小直至進(jìn)入市場(chǎng)化階段時(shí)達(dá)到最低。

上述對(duì)于風(fēng)險(xiǎn)性的分析使得我們對(duì)于文章所研究的核心有一個(gè)較為宏觀的認(rèn)識(shí)。同樣地，對(duì)我國(guó)科技成果轉(zhuǎn)化的現(xiàn)狀進(jìn)行分析，也有利于我們下文的討論。

據(jù)《全國(guó)技術(shù)市場(chǎng)統(tǒng)計(jì)年度報(bào)告》和《全國(guó)科技成果統(tǒng)計(jì)年度報(bào)告》顯示，應(yīng)用技術(shù)類在我國(guó)科技成果資源中占有較大比重，但從2008-2017年應(yīng)用技術(shù)成果的應(yīng)用狀態(tài)中發(fā)現(xiàn)，盡管產(chǎn)業(yè)化應(yīng)用成果的比例位居首位，但該比例卻呈逐年下降至平穩(wěn)狀態(tài)。我國(guó)有51677項(xiàng)應(yīng)用技術(shù)成果在2017年被登記，其中有29113項(xiàng)成果為產(chǎn)業(yè)化應(yīng)用。獲得經(jīng)濟(jì)效益的成果比重占全部應(yīng)用技術(shù)類的30.40%（15711項(xiàng)），已轉(zhuǎn)化的項(xiàng)目數(shù)量占21.21%（10963項(xiàng)），未應(yīng)用成果數(shù)占6.40%（3306項(xiàng)），此外還有0.16%的成果（84項(xiàng)）應(yīng)用后被停用。值得注意的是，在未應(yīng)用或應(yīng)用后被停用的科技成果比重中，被獨(dú)立科研機(jī)構(gòu)和大專院校完成的比例高達(dá)44.84%。

一、研究現(xiàn)狀

通過現(xiàn)有文獻(xiàn)可以了解到，國(guó)內(nèi)外學(xué)者對(duì)于金融支持科技成果轉(zhuǎn)化的積極作用這一課題已達(dá)成共識(shí)。金融通過支持科技成果的轉(zhuǎn)化，帶動(dòng)了相關(guān)企業(yè)的發(fā)展，提高了國(guó)家的創(chuàng)新水平，從而實(shí)現(xiàn)技術(shù)變革這一目標(biāo)。

Gerard Cornuejols（2003）提出了開發(fā)性金融機(jī)構(gòu)通過提供資

本來吸引更多資金加入以提高新興企業(yè)的技術(shù)吸收力及國(guó)家創(chuàng)新力的想法。Keuschning（2004）認(rèn)為，風(fēng)險(xiǎn)投資機(jī)構(gòu)及有經(jīng)驗(yàn)的投資家的大量存在可以有效地提高技術(shù)創(chuàng)新率。鄢洪平（2007）在《風(fēng)險(xiǎn)投資解困中小科技企業(yè)融資難題》一書中指出了風(fēng)險(xiǎn)投資與高新技術(shù)產(chǎn)業(yè)的雙向發(fā)展關(guān)系及其促進(jìn)作用。鄭婧淵（2009）通過分析金融與高新產(chǎn)業(yè)的關(guān)系指出，金融支持是促進(jìn)其快速發(fā)展的基石。

但就國(guó)內(nèi)已有相關(guān)文獻(xiàn)而言，主要集中于金融與科技結(jié)合方面的研究，關(guān)于金融支持科技轉(zhuǎn)化的風(fēng)險(xiǎn)價(jià)值研究較少，絕大數(shù)是作為其關(guān)系的影響因素而略有提及。為此，本文將以金融對(duì)科技成果轉(zhuǎn)化的支持方式為基礎(chǔ)（本文只選取了其中五個(gè)方面進(jìn)行研究），結(jié)合我國(guó)現(xiàn)有科技成果轉(zhuǎn)化方面的情況，針對(duì)其中的風(fēng)險(xiǎn)價(jià)值進(jìn)行研究。

二、研究方法及技術(shù)路線

眾所周知，科技成果的轉(zhuǎn)化是高風(fēng)險(xiǎn)與高收益并存的一項(xiàng)經(jīng)濟(jì)活動(dòng)。其風(fēng)險(xiǎn)性主要體現(xiàn)在對(duì)核心技術(shù)預(yù)測(cè)的偏差性、市場(chǎng)需求的不確定性、轉(zhuǎn)化時(shí)速度和方向的受限性以及惡意競(jìng)爭(zhēng)造成的收益未知性。而這些影響因素是科技成果在產(chǎn)業(yè)化、商品化及資本化等轉(zhuǎn)移轉(zhuǎn)化過程中不可忽視的。因此本文將采用“最小二乘法”來對(duì)其風(fēng)險(xiǎn)價(jià)值進(jìn)行研究。雖然“最小二乘法”已廣泛應(yīng)用于經(jīng)濟(jì)學(xué)的各個(gè)領(lǐng)域中，但在金融與科技轉(zhuǎn)化問題的研究中涉之甚少。

（一）研究方法

最小二乘法的基本公式為：

[j=1nXijβj=yi（i=1，2，3...m）]

其中m為等式數(shù)目，n為未知數(shù)個(gè)數(shù)，m[>]n;將其進(jìn)行向量化后為：[XB=y]

其中，[X]=[X11? X12? …? X1nX21? X22? …? X2n?? ??? ? ? ?Xm1? Xm2? …? Xmn]? ? ?[β=β1β2?βn]，? [y=][y1y2?ym]

引入殘差平方和函數(shù)S

S（[β]）=[Xβ-y]2

當(dāng)[β=β]時(shí)，S（[β]）取最小值，記作：[β]=argmin（S（[β]）），通過對(duì)S（[β]）進(jìn)行微分求最值可以得到X[T]X[β]=X[T]y，如果X[T]X矩陣非奇異則[β]有唯一解：[β]=（X[T]X）[-1]X[T]y

計(jì)算每組數(shù)據(jù)之間的相關(guān)系數(shù)，相關(guān)系數(shù)的值越接近1，說明這兩組數(shù)據(jù)的吻合度越高，它們之間的影響就越大。

（二）技術(shù)路線

本文引用了“最小二乘法”，它的原理是通過最小誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用“最小二乘法”可以簡(jiǎn)便地求出未知數(shù)據(jù)，且允許存在小誤差，所以本文選取這個(gè)方法進(jìn)行分析。又利用MATLAB對(duì)相關(guān)的數(shù)據(jù)進(jìn)行求解，通過計(jì)算數(shù)據(jù)之間的相關(guān)系數(shù)來反映其影響關(guān)系。

應(yīng)用“最小二乘法”，可以較為方便地分析金融支持科技創(chuàng)新成果轉(zhuǎn)化的風(fēng)險(xiǎn)價(jià)值，其技術(shù)路線如下：

三、實(shí)證建模分析

對(duì)于未知量我們利用到了“最小二乘法”進(jìn)行模擬擬合，“最小二乘法”的優(yōu)勢(shì)是可以反映這組數(shù)據(jù)的趨勢(shì)，并且允許有一定的誤差。為了更好地研究金融支持科技成果轉(zhuǎn)化中的風(fēng)險(xiǎn)價(jià)值問題，我們可以用VAR模型中的方差-協(xié)方差法進(jìn)行分析求解。然后再利用此方法求出這幾組數(shù)據(jù)之間的關(guān)系，通過Excel得出每組數(shù)據(jù)的相關(guān)系數(shù)。

（一）數(shù)據(jù)選擇

科技成果轉(zhuǎn)化中的資金主要來源于財(cái)政科技投入、創(chuàng)業(yè)風(fēng)險(xiǎn)投資、金融機(jī)構(gòu)和資本市場(chǎng)。財(cái)政科技投入選擇的數(shù)據(jù)為科學(xué)技術(shù)支出和R&D研究經(jīng)費(fèi)（研究與試驗(yàn)經(jīng)費(fèi)），創(chuàng)業(yè)風(fēng)險(xiǎn)投資選擇的數(shù)據(jù)為創(chuàng)業(yè)風(fēng)險(xiǎn)管理資金，金融機(jī)構(gòu)選擇的數(shù)據(jù)是股票成交額，資本市場(chǎng)選擇的數(shù)據(jù)為保險(xiǎn)公司的保險(xiǎn)保費(fèi)。專利有效累計(jì)數(shù)中的數(shù)據(jù)來源于中華人民共和國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局網(wǎng)站。科學(xué)技術(shù)支出中的數(shù)據(jù)來源于中華人民共和國(guó)科技技術(shù)部網(wǎng)站。創(chuàng)業(yè)風(fēng)險(xiǎn)管理資金中的數(shù)據(jù)來源于中華人民共和國(guó)科學(xué)技術(shù)部。研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)情況中的數(shù)據(jù)來源于中國(guó)統(tǒng)計(jì)年鑒網(wǎng)。股票成交額中的數(shù)據(jù)來源于中國(guó)統(tǒng)計(jì)年鑒網(wǎng)。保險(xiǎn)保費(fèi)投資額中的數(shù)據(jù)來源于中國(guó)統(tǒng)計(jì)年鑒網(wǎng)。

首先利用最小二乘法模擬出需要擬合的曲線圖像并觀察其變化趨勢(shì)，再利用方差-協(xié)方差法求出每組中的未知數(shù)據(jù)，根據(jù)求得的每組中的未知數(shù)據(jù)，利用Excel分別得出其相關(guān)系數(shù)和風(fēng)險(xiǎn)價(jià)值，進(jìn)而可以直觀了解到金融支持科技成果轉(zhuǎn)化的最為有效方式。

如圖1所示，我們先用MATLAB求出未知數(shù)據(jù)以及擬合方程。

（三）結(jié)果

根據(jù)以上求出的擬合方程求得的未知數(shù)據(jù)如表2所示：

而金融與科技成果轉(zhuǎn)化之間的關(guān)系從以上表中是看不到的，為了求出金融對(duì)科技成果轉(zhuǎn)化的支持，本文采取了相關(guān)系數(shù)來進(jìn)行求解。求出金融與各組數(shù)據(jù)之間的相關(guān)系數(shù)，用到了Excel進(jìn)行求解，結(jié)果如表3所示：

因?yàn)橘Y產(chǎn)組合的風(fēng)險(xiǎn)價(jià)值求得的方法是一樣的，所以就以保險(xiǎn)公司的保費(fèi)投資額為例，利用VAR模型求風(fēng)險(xiǎn)價(jià)值，它表示給出投資金額數(shù)時(shí)，在未來的一日和十日時(shí)的最大損失金額為多少，求出來的風(fēng)險(xiǎn)價(jià)值如表4所示：（詳細(xì)過程見附錄）

四、結(jié)論與建議

（一）結(jié)論

本文探討了風(fēng)險(xiǎn)價(jià)值的產(chǎn)生原因并由此確立了金融對(duì)科技成果轉(zhuǎn)化中風(fēng)險(xiǎn)價(jià)值的支持關(guān)系，并在此基礎(chǔ)之上結(jié)合我國(guó)金融支持科技成果轉(zhuǎn)化現(xiàn)狀，收集、整合數(shù)據(jù)并建立VAR模型，通過測(cè)算和分析其中的利弊關(guān)系，得到其風(fēng)險(xiǎn)價(jià)值的實(shí)證結(jié)果。

由上述數(shù)據(jù)可知：R&D研究經(jīng)費(fèi)的吻合度最高，股票成交額的吻合度最低。說明R&D研究經(jīng)費(fèi)的支出對(duì)科技成果轉(zhuǎn)化的影響力更大，因此政府可以在合理的范圍內(nèi)加強(qiáng)對(duì)R&D研究經(jīng)費(fèi)的投資。

不管是政府部門對(duì)資金方面的投入還是個(gè)人企業(yè)對(duì)資金方面的投資，都希望能做到最小的損失，而據(jù)上圖數(shù)據(jù)顯示，保險(xiǎn)保費(fèi)在投資中，在百分之九十五的概率下的10天最大損失為1144.77億元，但通過風(fēng)險(xiǎn)的規(guī)律性可以提前有效地降低投資風(fēng)險(xiǎn)。

（二）建議

要建設(shè)創(chuàng)新型國(guó)家，必須緊跟經(jīng)濟(jì)和科技的腳步，并將其合二為一、相輔相成。為此，根據(jù)研究結(jié)果提出如下建議：

第一，進(jìn)一步發(fā)揮政府的引導(dǎo)作用。本文研究表明，最為有效的方式是加強(qiáng)對(duì)R&D研究經(jīng)費(fèi)的投資，因此政府可以適當(dāng)加大對(duì)其的引導(dǎo)和投入。

第二，進(jìn)一步加強(qiáng)金融對(duì)科技成果轉(zhuǎn)化的推動(dòng)作用，努力營(yíng)造良好的金融生態(tài)環(huán)境，調(diào)動(dòng)企業(yè)及學(xué)校對(duì)其研究的積極性。

第三，進(jìn)一步完善多層次的市場(chǎng)經(jīng)濟(jì)體制，為科技成果轉(zhuǎn)化的金融支持提供多元化的選擇。

參考文獻(xiàn)：

[1]Zhuxin Wu，Chunyu Zhao，Mei Chen.Research on Scientific & Technological Achievements Transformation of Sichuan Provincial State-Owned Enterprises ofChina. American Journal of Industrial and Business Management，2016（6）：815-821.

[2]徐輝.科技成果轉(zhuǎn)化機(jī)制及對(duì)經(jīng)濟(jì)增長(zhǎng)的效應(yīng)研究[D].南京：河海大學(xué)，2006.

[3]Gerard George，Ganesh Prabhu. Developemental financialinstitutions astechnology policy instruments：implications for innovation and entrepreneurship in emerging economics[J].Research Policy，2003（32）：89-108.

[4]Keuschning Christian. Venture Capital Backed Growth[J].Journal of Growth，2004，9（2）：239-261.

[5]鄢洪平，馬懷.風(fēng)險(xiǎn)投資解困中小科技企業(yè)融資難題[J].財(cái)政研究，2007（01）：70-72.

[6]鄭婧淵. 我國(guó)高科技產(chǎn)業(yè)發(fā)展的金融支持研究[J].科學(xué)管理研究，2009，27（05）：101-103.

[7]童藤.金融創(chuàng)新與科技創(chuàng)新的耦合研究[D].武漢：武漢理工大學(xué)，2013.

[8]王寧，王麗娜.論我國(guó)科技成果轉(zhuǎn)化的金融支持機(jī)制與發(fā)展對(duì)策[J].科技管理研究，2013，33（9）.

[9]藺海新，徐全智.基于最小信息準(zhǔn)則的 AR（1）模型的單位根檢驗(yàn)[J].河西學(xué)院學(xué)報(bào)，2007（02）.

[10]柳勁松.民族地區(qū)財(cái)政支出與義務(wù)教育供給的動(dòng)態(tài)關(guān)聯(lián)研究——基于1979-2006年數(shù)據(jù)的VAR分析[J].教育與經(jīng)濟(jì)，2009（03）：57-60.

[11]彭正宇.淺析 VAR分析方法[J].現(xiàn)代經(jīng)濟(jì)（現(xiàn)代物業(yè)下半月刊），2008（1）：39+152.

[12]馮慶水，高亞運(yùn).基于 VAR 模型金融支持科技成果轉(zhuǎn)化影響的實(shí)證研究——安徽省為例[J].安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，26（05）：44-49.

[13]徐義國(guó).以金融創(chuàng)新推動(dòng)成果轉(zhuǎn)化[J]. 中國(guó)科技投資，2010（11）：58-59.