風投機構聯盟網絡演變與聯合投資行為研究

楊 曄，陳 蓉，邱知奕

(1.上海財經大學 公共經濟與管理學院，上海200433；2.常州大學 經濟學院，江蘇 常州 213163)

0 引言

在創新創業投融資市場中，風險投資機構相比創業者而言存在信息劣勢，地理距離[1]和文化差異[2]會加劇這種信息不對稱，而聯合投資則是一種有效的信息獲取方式。在國際疫情背景下，投資機構面臨更加嚴峻的風險考驗，聯合投資成為風險規避策略之一[3]。據清科私募通數據庫統計，2020年上半年中國發生風險投資事件2 406起，相較于2019年上半年減少了1 039起。其中，聯合投資事件1 436起，占比達到59.68%，反而比2019年上半年增加了6個百分點。風投機構之間通過聯合投資活動建立聯系，逐漸形成一張巨大的聯盟網絡[4]。如圖1所示，從左至右分別是基于投中集團China Venture數據庫生成的2015-2017年風投聯盟網絡。從中可見，我國風險投資機構在3年間進行了大量聯合投資，且機構間的合作越來越密切。聯盟網絡中存在眾多關系緊密的風投機構，它們在整體網絡中表現為聯盟“小世界”[5]，即基于整體網絡的凝聚子群。聯盟“小世界”在整體網絡中廣泛存在[6]。因此，對風投機構聯盟網絡進行探討具有較強的現實意義。已有研究雖然從社會網絡視角探討風險投資問題[7- 8]，但關于聯盟網絡對聯合投資行為影響的理論研究較少。楊敏利等[9]發現，網絡位置能夠傳遞聲譽信號，進而對聯合投資的形成產生正向影響。社會資本理論認為，風投機構聯盟網絡是一種制度化的關系網絡，能夠為網絡個體帶來實際或潛在資源(社會資本)，進而對后續聯合投資產生影響。本文基于社會資本視角，在宏觀和中觀兩個層面進行研究具有一定理論意義。

圖1 2015-2017年風投機構聯盟網絡

本文重點解決以下兩個問題：①在整體網絡層面，風險投資機構在聯盟網絡中的位置如何影響后續聯合投資行為？②聚焦到聯盟“小世界”層面，風險投資機構在聯盟網絡中的位置如何影響后續聯合伙伴策略選擇？本文基于投中集團China Venture數據庫1997-2017年的投資事件，針對上述問題進行實證檢驗，揭示風投機構聯盟網絡演變規律。

1 理論分析與研究假設

風投機構聯盟網絡對投資行為具有不同影響：①機構網絡位置影響風投機構投資范圍。如Hochberg等[10]指出，區域內風投機構網絡會封鎖區域內行業信息，成為其它機構進入該區域投資的阻礙。但是，外來機構一旦進入當地網絡，就更容易獲取當地信息[11]；②對標企業的偏好也受網絡位置影響。如Alexy等[12]發現，越是處于網絡核心位置，風投機構獲取的信息越多，投資風險越小，投資于新創企業的金額也越高；③風投機構資本性質不同，受社會網絡的影響也不同[13]。如政府風投可以憑借政治關聯獲取更多項目資源，對聯合網絡依賴度較低[14]。由此可見，社會網絡在風險投資行業具象地表現為信息獲取能力。

聯合投資決策是風投機構投資行為的重要組成部分，聯合投資動機可從以下幾個方面考量：①風投機構自身特征，如經驗越欠缺的機構越傾向于聯合投資[15]；②被投資企業特征，如不同行業創業企業得到聯合投資的概率不同[16]；③被投資企業與風投機構之間的聯系，如本土投資機構與跨境投資機構在聯合投資選擇上往往不一致[17]。梳理已有文獻可知，聯合投資行為的根本目的是應對信息失衡問題[18-19]，而風投機構聯盟網絡是風投機構之間進行信息傳遞、知識獲取和整合的重要渠道[20]。因此，風投聯盟網絡通過改變機構信息獲取能力，最終影響機構聯合投資策略。

1.1 網絡位置與聯合投資策略

風投機構通過聯合投資構建合作網絡進而獲取信息，再以聯合形式拓展網絡，或鞏固已有網絡渠道[21]。結構化網絡位置通過影響機構信息獲取能力，從而對新的聯合投資行為產生影響。因此，當機構網絡位置水平較低時，信息獲取能力較弱，此時通過聯合投資“搭便車”是降低風險的重要途徑。隨著網絡位置提升，信息獲取能力增強，該機構更容易被其它機構青睞，因而網絡位置提升對聯合投資概率有正向推動作用。當機構網絡位置水平較高時，信息獲取能力也得到較大程度改善，在投資中獲得更多主動權，通過聯合投資“搭便車”不再是降低風險的首要選擇。因此，隨著機構網絡位置提升及新信息獲取能力增強，風投機構聯合投資概率降低。為更好地表述這一規律，本文引入閾值的概念，即網絡位置對聯合投資行為產生正向效應和負向效應的拐點。由此，本文提出如下假設：

H1：當網絡位置低于閾值時，網絡位置越高，風險投資機構越傾向于聯合投資；當網絡位置高于閾值時，網絡位置越高，風險投資機構越傾向于獨立投資。

1.2 網絡位置與聯合伙伴策略選擇

在聯合投資網絡演化過程中，風投機構是否進行聯合決策，決定聯合投資網絡中個體機構的進入或退出，進而影響整體網絡收縮和擴張。同樣，風投機構是否與原子群伙伴進行聯合決策，決定個體機構間聯結的建立和斷裂，進而影響整體網絡結構變動。跨子群聯合行為的實質是聯合投資伙伴更替?，F有研究在解釋聯合伙伴選擇問題時，多運用同類偏好和資源互補理論。其中，同類偏好理論認為，同質性伙伴間的信任感更強，彼此間的交流合作效率也更高[22]；資源互補理論則認為，與異質性機構建立伙伴關系可以實現資源疊加效應[23]。無論是出于同類偏好還是資源互補，只有當收益大于成本時，風投機構才會進行跨子群聯合。

關系網絡信息作用理論認為，社會網絡構建帶來網絡成員行為趨同效應[24]。由此可見，網絡位置在聯盟伙伴選擇中起關鍵作用。具體而言，當風投機構網絡位置低于閾值時，其通過與原子群伙伴的聯合獲取大量外部資源。風投機構初始網絡位置越高，其與原子群伙伴間建立的聯系越多，聯合交易成本越低，可得到的外部資源越豐富，越不需要進行跨子群聯合。當風投機構網絡位置高于閾值時，較高的信息獲取能力使得原子群聯合伙伴無法為其提供高質量信息。風投機構初始網絡位置越高，得到的冗余信息越多，越傾向于與原子群成員之外的機構合作。據此，本文提出如下假設：

H2：當網絡位置低于閾值時，網絡位置越高，風投機構越傾向于與原子群成員進行聯合；當網絡位置高于閾值時，網絡位置越高，風投機構越傾向于跨子群聯合投資。

2 研究設計與樣本選取

2.1 數據來源與樣本選取

本文數據來源于投中集團China Venture數據庫。使用1997-2015年的聯合投資事件數據，借鑒Abell & Nisar[25]的做法，以3年時間窗滾動構建聯合投資網絡和風投機構凝聚子群。投資事件樣本時間跨度為2000-2016年，對投資機構與標的企業按投資時間配對處理后，得到成對形式樣本共40 241條。

2.2 網絡構建與凝聚子群劃分

(1)風投機構聯盟網絡構建。當風投機構a和b參與目標公司同一輪投資時，認為兩者進行了聯合投資，建立了聯盟關系。如圖2所示，為實現可視化效果，圖中只顯示特征值中心度在0.15～1范圍內的節點，節點顏色越深代表節點中心度越高。

圖2 2013-2015年整體風投機構網絡

(2)凝聚子群劃分。本文使用GN算法，根據模塊度Q值最大原則對每個時間窗口的整體網絡進行劃分[26]。當Q值大于0.3時，表明整體網絡有鮮明的社群化趨勢，且Q值越大反映整體網絡越傾向于社群化。本文中的Q值介于0.39～0.77之間，表明整體網絡存在鮮明的社群化特征。

劃分凝聚子群后的網絡如圖3所示。圖3共有7個凝聚子群，不同凝聚子群特征迥異。最上方的凝聚子群僅由5個本土風投機構組成，其中2個為國資機構，3個為私人機構；右下方的凝聚子群包含40多家風投機構，既有本土機構，又有外資機構。

圖3 2013-2015年風投機構凝聚子群分布

2.3 變量定義

(1)被解釋變量：①聯合投資決策。該變量為虛擬變量，當風投機構在第t年投資事件中以聯合投資形式進行交易時該變量的值為1，否則為0；②跨子群聯合比率。該變量用于度量新聯合投資事件中伙伴的更新程度，即在已知風投機構選擇聯合投資基礎上，計算新聯合投資伙伴與原有聯合投資網絡成員不重合的比率；③跨子群聯合決策。該變量為虛擬變量，即在已知風投機構選擇聯合投資的基礎上，其與原有聯合投資網絡成員以外成員進行新聯合投資時該變量的值為1，否則為0。

(2)解釋變量：網絡位置。本文運用Freeman[27]提出的點度中心度、Bonacich[28]提出的特征向量中心度及Burt等[29]提出的結構洞指數作為衡量網絡位置的主要指標。點度中心度用來統計與點A存在直接關聯的其它點的總個數。為與另外兩個網絡位置指標數一致，本文使用該變量與百分之一的乘積進行回歸。另外，將特征向量中心度計算引入矩陣。Bonacich[28]認為，點中心度與鄰點中心度相關，因此可將該點中心度看成所有其它點中心度的函數，從而建立如下中心度函數，進而構建中心度方程。其中，At為鄰接矩陣的轉置；aij為A中的元素，表示i對j中心度的貢獻量；x為中心度向量。中心度方程的解即為每個點的中心度指數。

λxi=a1ix1+a2ix2+…+anixn

(1)

Atx=λx

(2)

(3)

(3)控制變量。控制變量包括投資機構、交易、標的企業3個層面變量。

投資機構層面變量包括：①機構外資屬性。根據是否有外資參與將風投機構分為合資/合作機構、中資機構和外資機構3類，對應數值分別為1、2和3，回歸時形成兩個虛擬變量；②機構管理資金規模。本文用機構投資當年管理資金總額衡量，以萬億元為單位；③機構成立年限。本文以投資事件發生年份與機構成立年份作差計算機構成立年限。

交易層面變量包括：①投資金額。本文用每筆交易的融資總額衡量，單位為百萬元；②投資階段。即被投資企業所處發展階段，分為早期、發展期、擴張期和獲利期。其中，分布在發展期的交易最多，占47.78%，分布在獲利期的交易最少，占6.31%。回歸時將該變量細分成3個虛擬變量；③投資年份。即交易發生年份，跨度為2000-2016年。其中，2015年交易數達到峰值，占樣本總量的22.24%，回歸時將該變量細分成15個虛擬變量。

標的企業層面變量包括：①標的企業省份。即受資企業所在地，亦即交易資金流入地，按交易數量計算，以北京和上海居首，占比分別為30.72%和16.39%，將該變量細分成30個虛擬變量；②標的企業行業。即根據國標行業門類所屬的被投資企業所在行業，其中涉足制造業和信息傳輸、計算機服務和軟件業的標的投資事件占比較大，分別為46.10%和31.2%，將該變量細分成17個虛擬變量。

本文具體變量定義如表1所示。

表1 變量定義

2.4 模型設定

(1)風投機構網絡位置與聯合投資決策。設立如下模型：

P(Deal_syni)=α0+α1Xi+α2Xi2+∑βjWij+∑γjYij+∑δjZij+εi

(4)

其中，Deal_syni為因變量，表示第i筆風險投資交易是否以聯合投資形式進行。由于其是虛擬變量，因此使用線性概率模型進行實證檢驗。Xi代表解釋變量，即在第i個配對交易事件中風險投資機構的網絡位置；同時，引入該變量的二次方項，以檢驗假設H1。Wij為投資機構層面上的控制變量，即第i筆交易對應風投機構的成立年限、管理資金規模和外資屬性；Yij為交易層面上的控制變量，即第i筆交易的投資金額、投資階段和投資年份；Zij為企業層面上的控制變量，即標的企業所在行業和省份。

(2)風投機構網絡位置與跨子群聯合行為。當以虛擬變量是否跨子群聯合(cros_dumi)作為因變量時，使用線性概率模型；當以連續變量跨子群聯合比率(crosi)作為因變量時，使用OLS模型。解釋變量和控制變量與式(1)模型保持一致。具體模型如下：

P(cros_dumi)=α0+α1Xi+α2Xi2+∑βjWij+∑γjYij+∑δjZij+εi

(5)

crosi=α0+α1Xi+α2Xi2+∑βjWij+∑γjYij+∑δjZij+εi

(6)

3 實證檢驗

3.1 描述性統計分析

本文使用成對形式樣本數據，主要變量描述性統計結果如表2所示。其中，聯合投資樣本占總樣本的53.4%，說明有超過一半的樣本機構選擇聯合投資策略。在聯合投資樣本中，有82.4%的樣本選擇跨子群聯合投資，即超過3/4的樣本機構在進行聯合投資時選擇新合作伙伴。因為在計算跨子群聯合指標時剔除投資事件發生前3年均不在網絡機構的樣本，因此跨子群聯合比率和跨子群聯合決策變量對應樣本量小于總聯合投資樣本量。

表2 變量描述性統計結果

3.2 風投機構網絡位置對聯合投資決策的影響

網絡位置與風投機構聯合投資決策實證檢驗結果如表3所示。從中可見，無論使用何種網絡位置指標衡量信息獲取能力，該指標的一次項和二次項系數均比較顯著。這說明，當風投機構信息渠道不暢通時，它們更偏向于利用聯合投資將風險分擔出去；當風投機構信息獲取渠道足夠暢通時，信息獲取能力越強的機構越青睞于獨立投資。當分別以點度中心度、特征向量中心度作為網絡位置的衡量指標時，指標閾值分別為1.45和0.41。在閾值處，網絡位置對聯合投資概率的正向影響遞減至0；其后，隨著網絡位置的提升，聯合投資概率降低。此時，網絡位置指標超過閾值的樣本數占比分別為0.099%和0.42%。由此可見，在大部分樣本中，網絡位置中心度提升對聯合投資決策產生正向影響，只有少數處于中心位置的頭部風投機構才能跨越中心度指標閾值。當使用結構洞指數作為網絡位置的衡量指標時，其閾值為0.45，樣本中有45.53%的機構超過0.45這一結構洞指數，說明非冗余信息獲取能力與聯合投資概率之間呈倒U型關系，假設H1得到驗證。

表3 網絡位置與聯合投資決策檢驗結果

3.3 風投機構網絡位置對跨子群聯合投資行為的影響

網絡位置與風投機構跨子群聯合投資決策實證檢驗結果如表4所示。模型(3)、模型(6)和模型(9)被解釋變量用來衡量是否進行跨子群聯合，其它模型被解釋變量為不與原子群成員重合的新聯合伙伴的比率。無論使用何種衡量指標，網絡位置指標的一次項系數均顯著為負，二次項系數均顯著為正，說明當風投機構處于網絡邊緣位置時，隨著網絡位置提升，機構找到合適的合作社群，從而更傾向于與固定子群內部其它機構進行聯合投資；當風投機構網絡位置高于閾值時，隨著網絡位置提升，機構難以從所在子群中獲取更多新資源，從而更傾向于與子群外部機構進行聯合投資。以模型(2)、模型(5)和模型(8)為例，當使用點度中心度、特征向量中心度衡量風投機構網絡位置時，閾值分別為1.096和0.269，超過閾值的樣本占比分別為1.03%和5.78%，該結果與第二部分結果一致。當使用結構洞指數衡量網絡位置時，閾值為0.492，超過閾值的樣本占比為43.29%，結構洞指數與跨子群聯合投資間呈正U型關系，與假設H2結論一致。

表4 網絡位置與跨子群聯合決策檢驗結果

4 穩健性檢驗與拓展性分析

4.1 所有權性質的影響

國有風投機構通常由政府發起成立，一些機構資金來源于政府財政撥款，被政府視為經濟發展的重要催化劑。相比于私人風投機構，國有風投機構具有更多政治資本[30]，這會削弱網絡位置對國有風投機構投資行為的影響。本文針對不同所有權性質下風投機構網絡位置對聯合投資行為的影響進行穩健性檢驗，分組回歸結果如表5和表6所示。從中可見，網絡位置對國有風投機構與私人風投機構的影響不同：一是網絡位置對國有風投機構聯合投資決策的影響弱于私人風投機構，體現為國有風投機構組模型(2)中網絡位置變量系數不顯著；二是與私人風投機構相比，網絡位置對國有風投機構聯合伙伴選擇的影響較小，體現在模型(9)～(12)中網絡位置變量系數小于模型(3)～(6)，這是因為國有風投機構對機構間網絡的依賴程度有限。

表5 私人風投機構組與聯合投資行為檢驗結果

表6 國有風投機構組與聯合投資行為檢驗結果

4.2 退出經驗的影響

風險投資機構在作出新投資決策前會參考兩種私有信息：一是網絡中所聯結的投資機構為其提供的即時信息；二是自身在投資過程中產生的經驗信息。風投機構的投資經驗越豐富，積累的投資信息越多，通過網絡獲取第一種私有信息就越少。根據風投機構有無歷史退出經驗，將機構劃分為有退出經驗和無退出經驗兩組，分組回歸結果如表7和表8所示。對于有退出經驗的風投機構而言，其聯合投資行為受到網絡位置的影響并不總是顯著為倒U型，且相比于無退出經驗組而言，有退出經驗組的網絡位置變量系數更小，即退出經驗削弱了網絡位置對聯合投資行為的影響。這是因為，經歷過完整投資周期的風投機構積累了大量信息，其獨立投資能力增強，通過信息交換得到冗余信息的可能性變大。因此，隨著信息積累的增加，風險投資機構對聯合投資網絡的依賴度變低。

表7 有退出經驗與聯合投資行為檢驗結果

表8 無退出經驗組與聯合投資行為檢驗結果

4.3 對內生性的考慮

(1)聯合投資行為對網絡位置的反向影響。聯合投資行為對網絡位置的作用途徑在于，聯合投資促使風投機構與更多機構發生聯系，或者與同一機構間的聯系更為緊密，有利于開拓風投機構網絡圈，促使其網絡位置不斷提升。為避免這種反向因果關系對結果造成的不良影響，本文對數據進行初步選取和計算。假設投資事件發生在第t期，本文采用第t-4至t-1期事件測算第t期的結構化網絡位置，以排除第t期聯合投資行為對當期網絡位置產生的影響。

(2)遺漏變量的影響。本文在計算變量時保證了時間上的先后順序，因而同時影響聯合投資決策和結構化網絡位置的變量可能是一些隨時間變化不大的因素，如風險投資機構所有權性質。若風投機構是境外機構，在其它因素不變的情況下，外來者劣勢使其與本土機構相比網絡位置較低、信息能力偏弱、聯合投資意愿較強；若風投機構是國有機構，在其它因素不變的情況下，其強大的信息稟賦使得其它機構積極尋求“搭便車”機會，使得國有風投機構結構化網絡位置較高，后續聯合投資概率增加。為減少遺漏變量的影響，本文在原有回歸模型中加入是否為外資的虛擬變量以控制風險投資機構所有權性質，并在穩健性檢驗中驗證風投機構是否國有對回歸結果的影響。

5 結語

本文探討網絡位置對個體機構聯合投資策略的影響，作出如下貢獻：①豐富了聯合投資決策影響因素研究。本文以社會網絡帶來的社會資本——信息獲取能力作為切入點，解釋風投機構聯盟網絡現有結構對聯合投資決策的影響，從而窺得網絡演變中新聯結的發生條件和發生形式；②拓展了凝聚子群層面風投行為研究。本文構建風投機構聯盟網絡，劃分投資機構凝聚子群，既分析了整體網絡結構，又將中觀層面凝聚子群納入研究；③本文從動態網絡視角出發，通過識別投資機構聯合策略變化和跨網絡投資行為剖析其動態演變過程，為風投聯盟網絡研究提供了新視角。然而，本文仍存在一些不足，如缺乏對風投機構與標的企業間關系的考量等，未來可進行深入探討。

本文研究結論表明：①在聯合投資決策方面，風投機構在發展早期信息獲取能力較弱，對采用聯合投資獲取信息有一定的路徑依賴，但當機構信息獲取能力提升時，就傾向于不再依賴聯合投資網絡;②在聯合伙伴選擇方面，當機構剛進入聯合投資網絡時，其網絡位置較低，更傾向于與多個子群機構進行聯合，從而提高自身網絡位置。當機構網絡位置處于中間水平時，其逐漸擁有穩定的聯合投資子群。若該機構能跨越閾值，進入網絡位置較高水平階段，其又傾向于尋求與其它子群機構聯合，從而使自身網絡位置繼續得以提升。因此，政府在進行頂層設計時，不僅要關注可變革的正式制度，還要對風投行業已經形成的非正式制度進行考量。鑒于信息獲取能力對聯合投資行為的顯著影響，且風投機構在發展早期對聯合投資網絡存在依賴，政府可考慮搭建風投機構信息交流平臺，提高風險投資市場信息獲取能力的最低值，讓剛進入市場邊緣的風投機構能夠擁有更多聯合投資機會，從而在正式制度框架中包含能引導非正式制度健康發展的相應政策。