政府投資基金融資網絡特征：城市分布、網絡關系與社區發現

靳志偉，周代數

(1.中國財政科學研究院，北京 100036；2.中國科學技術發展戰略研究院，北京100038)

0 引言

我國政府投資基金從創業投資、引導基金、產業基金等逐步發展而來，是我國風險投資的重要組成部分，在聚集社會資本、克服風險資本市場失靈、支持創新創業、引導科技型企業發展等方面發揮著重要作用。2005年，《創業投資企業管理暫行辦法》第二十二條首次明確提出“國家與地方政府可以設立創業投資引導基金，通過參股和提供融資擔保等方式扶持創業投資企業設立與發展”。2007年6月，財政部聯合科技部面向科技型企業設立首支國家級產業投資基金。此后,政府投資基金進入快速增長期，相關政策管理體系逐步完善，對政府投資基金募、投、管、退等環節的管理日趨規范。其中，2015年11月財政部出臺的《政府投資基金暫行管理辦法》規定政府投資基金設立模式、運作方法、風險控制導向、預算管理與資產管理方式。在此基礎上，2015年2月財政部出臺的《關于財政資金注資政府投資基金支持產業發展的指導意見》，進一步將政府投資基金投資領域明確為“戰略性新興產業、先進制造業領域、創業創新領域”。2016年12月，國家發改委出臺的《政府出資產業投資基金管理暫行辦法》對政府投資基金募集、登記、管理、信用建設等進行了規范。相關管理辦法與實施意見的相繼出臺使得政府投資基金設立與運行有法可依、有章可循。

截至2020年底，我國政府投資基金目標規模達11.53萬億元，已到位募資規模5.65萬億元，2020年新設立政府投資基金共102支，基金目標規模達5 164.24億元，已到位規模3 940.84億元。政府投資基金已成為我國風險資本市場的中堅力量。2014-2017年，我國政府投資基金呈現井噴式發展，如圖1所示。2018年4月，央行、銀保監會、證監會、外匯局聯合發布《關于規范金融機構資產管理業務的指導意見》(簡稱“資管新規”)，旨在規范金融機構資產管理業務、統一資產管理產品監管標準。由于此前銀行理財資金、保險資金、信托計劃、券商資產管理計劃等聯合財政資金共同發起政府投資基金成為常態，因此“資管新規”的出臺使得政府投資基金面臨“期限錯配、多層嵌套、差額補足”等多重限制，政府投資基金逐步進入調整期，基金實際到位規模遠低于基金目標規模。政府投資基金一方面面臨募資難題，另一方面基金募集越發向核心城市和區域聚集，政府投資基金融資網絡結構成為學界、業界關注重點。由于地理空間距離影響政府投資基金設立、募資和投資等，因此本文從空間集聚、地理鄰近、投資網絡等視角研究政府投資基金特點。

圖1 2014-2020年中國政府投資基金設立情況Fig.1 Chinese government investment funds(2014-2020)

1 理論假設：風險資本網絡鄰近效應

相關研究發現，風險投資具有空間集聚特征[1-2]，英國大倫敦地區集中了全英70%的風險投資機構總部[3]，美國風險投資主要分布在紐約、硅谷等金融和高科技產業集聚地[4]。中國風險資本在城市間和行業間分布不均衡現象突出[5],風險投資核心節點集中在上海、北京、深圳等地區[6-10]。

在風險投資市場上，地理與網絡空間距離影響信息獲取的便利性和及時性，地理和網絡空間距離增加均會增加交易成本，加大委托人對代理人、投資人對項目的監督難度，影響風險投資應對信息不對稱及處理道德風險的能力。如圖2所示，相比于外圍城市，核心城市對資本、人才、技術等要素更具有“虹吸效應”，核心城市資本溢出效應能夠惠及外圍城市發展。這兩種效應疊加呈現為資本集聚鄰近效應。

圖2 資本網絡向核心城市集聚的鄰近效應Fig.2 Geographical proximity effect of the core cities' agglomeration of capital

從鄰近效應作用機制看，風險資本集聚地往往具備專門創新優勢和多樣化知識基礎[11-13]，可以減少風險投資活動交易成本[14-16]。資本空間集聚有助于創投機構溝通交流，及時、有效分享信息[17-18]，便于提高項目甄別能力，減少項目管理成本[19-21]；也便于風險資本家利用關系網絡提供增值服務[22-23]，降低投后監督成本[24-25]，提高項目退出率[26-27]。

從鄰近效應影響因子看，影響風險投資區域集聚的指標和因素包括政府政策、創新資源、產業環境、科技、金融、人力資本水平、社會中介服務體系等[28-29]。區域金融市場資源越豐富，越容易吸引風險投資,人力資本豐富區域也會成為風險投資機構的理想投資區域[30-31]。

由于政府投資基金數據難以獲取，因此關于政府投資基金在地理鄰近特征方面的研究較少。了解政府投資基金來源，有助于破解政府投資基金面臨的募資難、投資難等現實問題。本文使用爬蟲技術獲取政府投資基金大樣本微觀數據，并利用復雜網絡模型，從市級層面考察我國政府投資基金融資地理鄰近特征，對政府投資基金融資現狀及存在問題進行研究。

2 我國政府投資基金融資網絡城市分布與社區發現

2.1 研究方法與工具

本文運用復雜網絡模型展開實證分析。復雜網絡是指具有自組織、自相似、吸引子、小世界、無標度部分或全部性質的網絡[32]。復雜網絡是抽象的復雜系統，其中節點對應復雜系統中的一個個實體。邊代表復雜網絡中節點與節點間的關系，反映不同實體之間的聯系。邊的權重表示聯系緊密程度，邊的方向表示不同個體之間的單向或雙向連接，其中兩個端點重合為一個節點的邊稱為“自環”，關聯同一對節點的兩條邊或兩條以上的邊稱為多重邊[33-34]。

為研究各城市政府投資基金分布是否均勻以及是否有部分城市構成往來密切的族群結構，本文對復雜網絡特征進行研究。

(1)網絡無標度特性。復雜網絡模型將符合冪律分布的復雜網絡稱為無標度網絡。節點度數分布符合冪率分布是指網絡中少數節點擁有大量連接，而大部分節點只有很少連接。

(2)網絡中心度。節點度是指節點鄰接邊的數量。在構建政府投資基金融資網絡時，本文用“度”表示節點投入投出頻次。度中心性有兩種表示方法：絕對中心度和相對中心度，后者是前者的歸一化或標準化形式。

絕對中心度公式為：

Cd(vi)=di

(1)

其中，Cd表示節點度中心性，vi表示節點，di表示節點vi的度。在無向圖中，di表示節點vi鄰接邊的數量。在有向圖中，節點度中心性值可利用入度、出度或者將二者結合衡量。在政府投資基金融資網絡中，每個城市節點入度等于機構入股(伙)本地基金的頻次總和；每個城市節點出度等于本地機構入股(伙)基金的頻次總和。邊的權重表示一個城市入股(伙)另一個城市的投資基金頻次，即多重邊數量。本地機構入股(伙)本地基金形成“自環”，因此入度、出度都包含本地機構入股(伙)本地基金的頻次。

相對中心度公式為：

(2)

其中，n代表節點數,使用最大可能度數進行歸一化處理。

(3)

(3)社區發現。復雜網絡學科領域大量實證研究發現很多網絡存在聚簇效應，即存在明顯的聚集規律，網絡節點之間形成一定的族群結構。本文用模塊度衡量社區劃分，劃分后的網絡模塊度值越大，說明社區劃分效果越好。

模塊度公式為：

(4)

(5)

式(5)中，m表示網絡中所有邊的權重，用于歸一化處理；Ai,j是鄰接矩陣，Ai,j表示節點i與節點j之間邊的權重；ki表示與節點i相連接的邊的權重；ci表示節點i被分配到的社區；δ(ci,cj)用于判斷節點i和節點j是否被劃分到同一社區，如果是則返回1，否則返回0。模塊度是度量社區劃分優劣的重要標準，劃分后的網絡模塊度值越大，說明社區劃分效果越好。直觀來講，將連接比較稠密的點劃分在同一個社區，模塊度值就會變大，最終模塊度最大的劃分就是最優社區劃分。社區劃分算法較多，包括分裂方法、聚合方法等。此外，凝聚子群也是典型的社會網絡子結構分析法，有助于簡化復雜的整體社會網絡結構，找到蘊含在網絡中的子結構關系。凝聚子群分析法包括關系互惠性及子群內部成員間關系頻次(點度數)等。本文主要采用軟件內置Fast Unfolding算法，它是基于模塊度對社區劃分的一種迭代算法，通過不斷劃分社區，使劃分后的整個網絡模塊度不斷增大。

本文研究工具包括：①網絡爬蟲：網絡爬蟲是自動提取網頁的程序，由于研究數據較多且無完整數據庫，本研究通過爬蟲系統獲取政府投資基金相關信息；②Python networkx：本文采用NetworkX包構建城市關系網絡，統計相關節點網絡特性，用于創建、操作和研究復雜網絡結構、動力學和功能，然后生成可用Gephi繪圖的gexf文件；③社會網絡分析工具Gephi：社會網絡分析工具能夠分析網絡中存在哪些子結構(Sub-struc-ture)，相關算法能夠分析網絡整體結構由哪些子結構(如n-派系、n-宗派、k-叢等)組成[35-38]。本文基于Gephi實現各種網絡復雜系統與動態分層圖的交互可視化，篩選分析屬于聚類分析的延伸性功能，在聚類分析的基礎上，選擇符合需要的節點和連線以得到核心網絡。

2.2 數據來源與處理

當前，政府投資基金主流數據庫主要有清科集團私募通、投中集團投中數據、賽迪顧問數據、中國風險投資研究院風險投資年鑒、中國科學技術發展戰略研究院中國創業投資發展報告等,但是各數據庫數據口徑和統計范圍不一致[39-40]。原因在于：政府投資基金內涵較廣，實踐中包括創業投資引導基金、產業基金、并購基金、PPP、國企改革基金等多個領域，造成對政府投資基金屬性的界定因立場、訴求、方法不同而不同，從而導致統計口徑和統計數據不一致；同時，政府投資基金設立主體層級過多，信息披露不及時、不全面。此外，統計監測工作不到位，相關信息登記未及時對外公布。

為獲取較為全面的基金信息，避免單一數據庫數據不足或數據失誤影響模型分析結果，鑒于政府投資基金存續期一般為5～7年，因此本文綜合多個數據庫2014-2020年設立的政府投資基金名單，同時整合中央結算公司發布的《關于政府出資產業投資基金信用信息登記情況的公示》，通過合并名單并剔除重復名單獲取較為完整的政府投資基金基本名單。

本文采用如圖3所示的數據處理方式,綜合多個數據庫后共獲得1 489家政府投資基金相關信息，包括設立時間、注冊資本、各股東(合伙人)信息、各股東(合伙人)股份比例及認繳金額、基金對外投資信息等。在獲取基本名單后，在企查查(https://www.qcc.com，全國企業信用查詢系統官方備案企業征信機構之一)等公開工具中搜索“基金名稱”，進一步獲取詳細的股東或合伙人信息，從中提取股東及合伙人、基金所處地級市后，構建城市關系網絡模型。

圖3 數據處理方式Fig.3 Data processing method

2.3 描述性統計分析

政府投資基金融資網絡節點度數符合冪率分布,說明該網絡具有顯著無標度特性和異質性特征。各城市連接狀況(度數)不均勻分布顯著，即網絡中少數城市存在較多連接，而大多數節點只有少量連接，如圖4所示。這表明，網絡中少數城市在融資網絡中非常活躍，無論是對外出資參與基金設立還是吸引外部資金來本地設立基金都比較常見，而大多數節點則不同。

圖4 2014-2020年政府投資基金融資網絡度分布Fig.4 Distribution of financing network of government investment funds(2014-2020)

2.4 研究結果

(1)政府投資基金城市分布特征。結果顯示，政府投資基金覆蓋城市數量從2014年的78個增長到2020年的286個，基金總數從2014年的130支增長至2020年的1 489支。出(入)度從2014年的717增長到2014-2020年的7 219。相關數據顯示，政府投資基金網絡輻射能力逐步增強，城市間合作出資參與政府投資基金愈發普遍。值得注意的是，自環頻次(本地機構入股(伙)本地基金)從2014年的361增長至2020年的3 996，顯示出政府投資基金出資人仍然主要來源于本地機構。

如表2所示，從投入地即基金設立地看，自2014年起，政府投資基金融資城市網絡呈現顯著集聚性特征。其中，北京、深圳、蘇州、南京、成都、南通、上海等在吸引資金入股(伙)政府投資基金方面頻次較高，且入度長期位列前十。其它入度排名長期靠前的城市也基本都是省會城市、計劃單列市或省域經濟發達城市。2014年，入度前10名城市吸引了63.3%的機構參與設立本地基金，雖然其它城市政府基金不斷發展，但到2019年前10名城市仍然吸引了40.5%的機構參與設立本地基金。除北京、上海、重慶、天津等直轄市及深圳外，各省會城市入度占其它所有城市入度的38.7%，說明機構更愿意參與在省會城市設立的政府投資基金。

表1 政府投資基金融資網絡節點及邊數Tab.1 Number of nodes and edges of government investment fund financing network

表2 政府投資基金融資網絡中各城市入度統計結果Tab.2 Statistics of the in-degree of each city in the government investment fund financing network

如表3所示，從投出地即出資入股(伙)政府投資基金看，北京、深圳、上海、蘇州、廣州、南京、合肥、杭州等是主要資本供給地。出度前10名城市2014年占總度數的比例為44.77%，到2019年占比仍達39.91%。除北京、上海、重慶、天津等直轄市及深圳外，各省會城市出度占其它所有城市出度的45.71%，說明省會城市機構在參與政府投資基金設立方面更加積極。

表3 政府投資基金融資網絡中各城市出度統計結果Tab.3 Statistics of the out-degree of each city in the government investment fund financing network

(2)政府投資基金融資網絡變化趨勢。在建立政府融資網絡數據文件后，采用Gephi生成如圖5所示的政府投資基金網絡結構圖。點大小表示入度大小，邊粗細表示兩個節點間的連接頻次，邊的顏色與目標節點顏色相同。節點越大表示該城市設立政府投資基金的頻次越高，邊越粗表示城市之間投資頻次越高、關系越緊密，與某城市節點顏色相同的邊表示投資是從外地投向該城市。其中，部委統一設為中央節點，北京僅統計注冊地在本地的其它機構；另外，部分個人也直接出資參與政府投資基金，將其統歸為私人節點。從2014-2020年設立的1 489家政府投資基金數據看，全國65%地級市均設有基金，80%的城市有機構入股(伙)政府投資基金。但是，從2014年以后，本地機構參與本地基金的比例一直在50%以上，且呈逐年上升趨勢，說明本地機構更愿意參與本地基金設立，具有顯著地理鄰近特征。此外，圖5還顯示，與北京、上海相比，深圳和蘇州有較多私人直接參與設立政府投資基金(與深圳、蘇州連接最粗的邊即為私人節點)，從側面說明深圳和蘇州政府投資基金運作更加市場化。

圖5 2014-2020年政府投資基金融資網絡關系Fig.5 Government investment fund financing network(2014-2020)

對比圖6和圖7發現，隨著時間推移，城市間網絡關系愈發復雜，東西部、南北間往來日漸緊密。截至2014年底，政府投資基金集中在東部地區，京津冀、長三角、珠三角間往來密切，基本形成3個極點。此外，主要集中在中部省會城市周邊地區，尤其是湖北。核心城市同地理鄰近區域合作較多，2020年政府投資基金覆蓋全國內地所有省份，地理鄰近區域合作更加頻繁，跨省份遠距離合作(包括東西部合作、南北間合作)得以加強。此外，中西部地區也開始形成集聚，并且同東部京津冀、長三角、珠三角之間有密切互動；在每個省內，省會同周邊城市之間的合作往來顯著增加。

圖6 截至2014年底設立的政府投資基金融資城市網絡分布Fig.6 Network map of cities financed by government investment funds established by the end of 2014

圖7 2014-2020年設立的政府投資基金融資城市網絡分布Fig.7 Network map of cities financed by government investment funds ( 2014-2020 )

(3)政府投資基金融資網絡社區發現。本文以搜集到的2014-2019年政府投資基金融資網絡數據為基礎，使用Gephi模塊化算法(即上述Fast unfolding算法)計算網絡模塊度，結果如表4所示。從社區發現結果看，政府投資基金融資網絡社區有15個，最多的社區有110多個節點，較多社區節點數集中在10～20之間。可以發現，政府投資基金融資網絡族群結構明顯。從表5可見，社區1和社區2節點分布范圍較廣，但是具有不同特點：社區1節點分布在全國各地，且包含較多省會城市，因為關鍵節點是核心城市北京、上海等直轄市，與各地往來聯系廣泛；社區3～社區8基本都是以省域內城市為主，且覆蓋鄰省一些城市；而社區2雖然包含深圳、蘇州等核心城市，但其節點主要覆蓋華東區域，包括山東、江蘇、安徽等省份城市。可以發現，社區1與社區2存在明顯差異。同時，深圳和蘇州有較多私人直接參與政府投資基金設立，說明深圳和蘇州政府投資基金運作更加市場化。北京、上海所在社區節點遍布全國，可能是因為這兩座城市對全國其它地區的政策支持較多；而深圳、蘇州具有較多的市場性特征，因此更容易吸引私人資本入駐，也更關注與東部產業發達地區的往來。

表4 2014-2019年政府投資基金融資網絡模塊度計算結果Tab.4 Modularity calculation of the government investment fund financing network graph(2014-2019)

表5 2014-2019年政府投資基金融資網絡模塊度的社區發現Tab.5 Community discovery based on the government investment fund financing network(2014-2019)

3 結語

3.1 研究結論

本文基于爬蟲等技術獲取政府投資基金大樣本微觀數據，運用復雜網絡法從市級層面考察我國政府投資基金分布情況，構建政府投資基金融資地理網絡模型，從而得出如下結論：第一，政府投資基金融資城市網絡具有顯著空間集聚性特征。總體來看，京津冀、長三角、珠三角往來密切，是3個極點。無論是吸引資金設立政府投資基金，還是出資入股(伙)政府投資基金，北京、深圳、上海、蘇州等核心城市及省會城市都是主要集聚區。從出度和入度看，整體而言，2014-2020年3個區域點出入度均值呈大幅上升趨勢，表明核心城市政府投資基金網絡輻射能力、虹吸凝聚能力均在逐步強化。其中，出度值域區間有進一步擴大傾向，說明核心城市節點輻射范圍繼續增強，我國政府投資基金愈發不協調，城市間資本合作極化現象明顯。第二，政府投資基金具有顯著地理鄰近性特征，本地機構更愿意參與本地基金設立，省域內城市具有明顯的族群結構；第三，隨著政府投資基金發展，當前全國所有省份及大部分地級市均設有政府投資基金，地理鄰近區域之間的合作更加頻繁，省會城市與省域內周邊城市合作密切，同時近年來東西部、南北間跨省份遠距離合作得到加強。第四，深圳、蘇州相比北京、上海有更強的市場性。

由本文研究結論可知，作為近年來各級政府支持產業發展、助力創新驅動的一項重要政策工具，單從基金募資角度看，政府投資基金對社會資本的引導功能主要集中于本地及城市圈“核心-外圍”等鄰近節點。同時，政府投資基金融資網絡不平衡，主要體現為東西部、南北方之間的不平衡，政府投資基金設立地、出資機構所在地都集中在東、中部區域，西、北部地區未能形成有效集聚。

3.2 政策啟示

(1)在資本來源方面，受制于地方高負債和減稅降費的要求，當前政府投資基金中的財政出資略顯乏力，應著力擴大政府投資基金資本來源，形成多元化出資結構。在一般公共預算、政府性基金預算、國有資本經營預算等各類政府性資金的基礎上，鼓勵國有企業、上市公司、銀行、保險、資產管理公司、信托公司、大中型民營企業等投資主體出資參與設立政府投資基金。積極引導社保基金、養老基金、主權財富基金、家族信托資金、慈善捐贈資金等資本參與政府投資基金。

(2)在杠桿比例方面，為推動地方政府投資基金發展，不應盲目限制財政資金在政府投資基金中的出資比例，不同地區不應“一刀切”，一味追求財政資金放大倍數不利于政府投資基金的設立。各地應根據本地實際適度放開政府出資比例限制并適當降低中西部和東北地區政府投資基金杠桿率(財政資金的放大倍數，社會資本出資/財政出資)。

(3)在基金設立方面，各級政府應統籌考慮政策引導目標、財政承受能力等因素，科學設立政府投資基金，加強中央與地方協作統籌，形成財政出資合力。對于未能形成集聚的地區，在設立政府投資基金時應該從更高行政層面統籌基金出資工作，根據產業發展實際需求設立創投投資引導母基金，遴選具備募集能力和管理經驗的市場化投資機構設立子基金，集中區域優質資源吸引社會資本參與。

(4)在基金收益補償方面，應該加大政府投資基金中社會資本方風險補償力度，在未能形成資本集聚的地區出臺更多優惠政策，吸引社會資本參與設立政府投資基金，政府出資不應以利益最大化為目標，而應以社會價值和政策價值為引導，進一步優化社會資本風險補償和收益讓渡機制，使社會資本獲得良好收益，從而增加本地政府投資基金融資時的吸引力。

(5)在產業引導方面：①將政府投資基金作為招商引資、招才引智的抓手之一，通過基金引導產業集聚，引導社會資本增加投入，扶持重大關鍵技術產業化，有效緩解高新技術產業融資約束問題，推動區域產業結構調整，加快形成“基金+產業”共生共促發展格局；②積極對外宣傳本地優勢產業，改善本地營商環境，降低信息不對稱，吸引外部資本支持本地產業發展；③通過政府投資基金吸引東部優勢產業向中西部轉移，加快當地政府投資基金落地和資本集聚，并助推區域產業升級和創新發展；④積極發展交通、新基建等基礎設施建設，與外部形成超越地理距離的聯系網絡，減輕地理距離給資本集聚帶來的不利影響。

3.3 不足與展望

本文存在如下不足：①在討論政府投資基金極點效應和鄰近效應時，未深入討論空間相關性和空間異質性的影響，對于政府投資基金是否具有空間溢出效應及溢出機制未進行深入分析，未來將重點對其進行研究；②對于如何優化政府投資基金區域布局，引導風險資本流向，更好地發揮政府投資基金支持創新驅動和區域產業經濟發展作用機制的探討不足，未來將對其進行深入研究。