网络地位对风险投资机构跨区域筹资的影响研究

冯冰　党兴华　杨敏利

摘要：本文基于地位信号理论研究网络地位对风险投资机构（简称VC）跨区域筹资的影响。以2004年（含）之前成立的本土VC在2005年至2012年间的筹资活动为样本，本文研究发现：（1）VC的网络地位越高，筹资时为其提供资金的省外投资者数量越多。（2）VC的网络地位越高，筹资时为其提供资金的省外投资者在所有投资者中所占的比例越高。（3）上述效应会随着VC的 IPO次数增加而减弱。本文的研究结论支持地位信号理论，表明网络地位发送的质量信号可以降低VC跨区域筹资时投资者面临的不确定性。

关键词：风险投资；网络地位；地位信号；跨区域筹资

中图分类号：F830.59文献标识码：A文章编号：10035192（2015）02004806doi：10.11847/fj.34.2.48

1引言

在风险资本循环过程中，筹资是首要环节，是投资和退出的先决条件。然而，学术界对风险资本筹集的关注程度远远低于对风险资本投资和退出的关注程度。正是基于此，风险投资领域的两位著名学者——哈佛大学教授Gompers和Lerner[1]曾有如下论述：学者们对风险资本家与创业企业之间的互动关系进行了大量研究，但对于风险投资基金的形成过程以及风险资本筹集的驱动因素所知甚少。上述特点在国内的相关研究中表现得尤为明显。据笔者搜集整理，在2000～2013年我国重要学术刊物上发表的260篇左右有关风险投资方面的学术论文中，与风险资本筹集相关的研究成果仅占总量的6%。而且，其中绝大部分论文的研究主题均是风险投资基金的组织形式与治理机制，很少有论文使用大样本数据研究风险资本筹集的驱动因素。

本文基于地位信号理论研究网络地位对风险投资机构（以下简称VC）跨区域筹资的影响。由Podolny[2]最初提出的地位信号理论有两个核心命题：第一，当一个行动者的内在质量存在不确定性时，潜在的交易伙伴会把该行动者的地位作为其内在质量的信号。第二，行动者内在质量的不确定性程度越高，潜在的交易伙伴就越依赖地位信号作为行动者内在质量的参考。具体到本文的研究情境，地位信号理论的第一个命题有如下推论：当VC跨区域筹资时，由于VC与投资者之间存在信息不对称，投资者在提供资金之前并不能确知各个VC的内在质量，因此会依据VC的地位信号来选择不同的VC作为投资对象。又由于网络地位是VC最容易被观测到的地位信号[3]，且其与VC的项目选择能力[4]、增值服务能力[5]、盈利能力均存在显著的正相关关系[6，7]，因此可以预期网络地位会影响VC跨区域筹资时向其提供资金的投资者数量：当跨区域筹资的VC是网络地位高的VC时，会有更多的投资者为其提供资金；反之，当跨区域筹资的VC是网络地位低的VC时，为其提供资金的投资者数量会减少。此外，Kaplan和Schoar[8]研究发现 VC的投资绩效具有持续性，IPO次数多的VC在未来更有可能实现高投资收益，因而投资者在选择IPO次数多的VC作为投资对象时面临的不确定性程度较低。依据这一事实并结合网络地位理论的第二个命题可以得到如下推论：如果跨区域筹资的VC是IPO次数多的VC，由于投资者面临的不确定性下降，对地位信号的依赖程度也随着下降，因此网络地位对投资者数量的正向影响会随着VC的IPO次数增加而减弱；反之，如果跨区域筹资的VC是IPO次数少的VC，由于投资者面临的不确定性上升，对地位信号的依赖程度也随着上升，因此网络地位对投资者数

量的正向影响会随着VC的IPO次数下降而增强。

冯冰，等：网络地位对风险投资机构跨区域筹资的影响研究

Vol.34， No.2预测2015年第2期

以清科数据库中2004年（含）之前成立的本土VC在2005年至2012年间的筹资数据为样本，本文检验了网络地位对VC跨区域筹资的影响。检验结果表明：（1）VC的网络地位越高，筹资时为其提供资金的省外投资者数量越多。（2）VC的网络地位越高，筹资时为其提供资金的省外投资者在所有投资者中所占的比例越高。（3）随着VC的IPO次数增加，VC的网络地位对省外投资者数量的正向影响会减弱。（4）随着VC的IPO次数增加，VC的网络地位对省外投资者在所有投资者中所占比例的正向影响会减弱。检验结果（1）和（2）支持上述地位信号理论的第一个推论，表明当VC跨区域筹资时，由于网络地位发挥的质量信号作用，网络地位高的VC会被视为高质量的VC，因而可以吸引到更多投资者为其提供资金。检验结果（3）和（4）支持上述地位信号理论的第二个推论，表明当VC的IPO次数增加时，由于投资者面临的不确定性程度下降，对地位信号的依赖程度也随着下降，因而在VC跨区域筹资时网络地位对投资者数量的影响程度会减弱。

本文的特色与贡献主要表现为以下两点：第一，在风险资本筹集领域的相关研究中，已有文献主要集中于研究风险资本行业筹资总规模的前因变量以及个体VC筹资规模的前因变量，比如Jeng和Wells[9]，Carvell等[10]。还有部分文献研究了VC筹资类型的前因变量，比如Da Rin等[11]，董建卫等[12]。本文则研究了VC跨区域筹资的前因变量，丰富了风险资本筹集方面的相关研究。第二，已有研究表明，网络地位会影响VC的跨区域投资行为和跨国投资行为。在网络地位对VC跨区域投资的影响方面，Sorenson和Stuart[4]的经典论文以及Cumming和Dai[13]的研究成果具有代表性。在网络地位对VC跨国投资的影响方面，有Guler和Guillén[3]，Tykvová和Schertler[14]等研究成果。本文的研究结论则表明网络地位还会影响VC的跨区域筹资行为，拓展了VC网络地位的后果变量方面的相关研究。

2数据与变量

本文通过如下数据源搜集相关数据：一是通过清科数据库搜集所有与风险投资相关的数据，二是通过国家统计局网站搜集每年各省的GDP、全国的GDP以及一致指数，三是通过国家知识产权局网站搜集每年各省的专利数量，四是通过清科数据库搜集每年各省的上市企业数量，五是通过《中国科技统计年鉴》搜集每年各省的R&D支出，六是通过中国人民银行网站搜集5年期以上贷款基准利率。以上数据的时间跨度均为2000年至2012年。

从逻辑上讲，从筹资额的角度来刻画VC的跨区域筹资是一个比较理想的选择。然而，在清科数据库中，虽然投资者所处的地理区域可以完整地观测到，但不同投资者为VC提供的资金额却有一定程度的数据缺失，因而从筹资额的角度刻画跨区域筹资存在数据限制。为克服数据缺失带来的困难，本文使用如下两个变量来刻画VC的跨区域筹资：一是VC筹资时为其提供资金的省外投资者数量，二是VC筹资时为其提供资金的省外投资者在所有投资者中所占的比例。在数据搜集的过程中，首先通过清科数据库确定各个VC的总部所在地，其次确定各个投资者的总部所在地。如果VC的总部和为其提供资金的投资者的总部不属于同一省（直辖市、自治区），则定义该投资者为省外投资者。此外，还有一点需要补充说明：由于本文分别以3年和5年为时间窗来测度VC的网络地位，因而仅以2004年（含）之前成立的本土VC在2005年至2012年间的筹资数据为样本，2000年至2004年间的数据在计算VC的网络地位时使用。

在测度VC的网络地位时需考虑如下三方面的问题：定义网络联结、选择测度指标、确定时间窗。借鉴前人的研究思路，本文把VC之间的联合投资定义为网络联结。联合投资的概念有广义与狭义之分：狭义的联合投资是指两个（含）以上的VC共同投资于某一特定轮次；而广义的联合投资是指两个（含）以上的VC共同投资于某一特定创业企业，投资的时间可以不同。本文采用广义概念。对于网络地位，已有相关研究主要使用两个指标测度[15]：一是Bonacich中心性，二是特征向量中心性。二者的计算思路是一致的，均把行动者的中心性与网络联结伙伴的中心性联系起来，网络联结伙伴的中心性越高，行动者的中心性也就越高。区别在于，计算Bonacich中心性时有两个在一定范围内任意设置的参数α和β，而特征向量中心性则没有[16]。由于α和β的选择具有随意性，不同研究者所设定的α和β并不完全相同，研究结论往往不具有可比性，因此本文选择特征向量中心性来测度VC的网络地位。此外，在测度VC的网络地位时，时间窗选择的不同会影响VC在观察期内发生联合投资的数量，并进而影响VC的网络地位。为保证研究结论的稳健性，本文分别以3年和5年为时间窗来计算VC的网络地位，即VC在某一年的网络地位由之前3年和5年该VC与其他VC联合投资的数据来计算。除解释变量网络地位之外，本文在经验检验中还引人了调节变量VC的累计IPO次数，该变量定义为VC从成立至筹资时所经历的IPO数量。

除上述变量之外，借鉴已有研究成果并考虑数据的可得性，本文还引人如下三类控制变量。第一类控制变量为VC的个体特征，包括VC的年龄、VC的累计投资轮次、VC的累计筹资次数、VC的累计筹资金额四个指标，这四个指标用来刻画VC的投资经验和筹资经验。第二类控制变量为VC所处区域（省份）的区域特征，包括VC所处省份本年度的GDP、本年度上市企业的数量、本年度的R&D支出以及本年度申请的专利数量，这四个变量可能会影响VC所处区域的风险资本供给和风险资本需求。第三类控制变量为系统性影响因素，包括本年度全国的GDP、宏观景气指数中的一致指数以及5年期以上贷款基准利率。本年度全国的GDP和一致指数刻画了宏观经济环境，而宏观经济环境会对风险资本供给和风险资本需求产生系统性的影响，5年期以上贷款基准利率刻画了创业企业通过银行体系融资的成本。

3经验检验

在引言部分本文指出，地位信号理论在本文的研究情境中有两个推论：（1）VC的网络地位越高，跨区域筹资时为其提供资金的投资者越多。（2）上述效应会随着VC的IPO次数增加而减弱。本部分使用第二部分给出的数据和变量检验这两个推论。

首先从绝对数量和相对比例两个角度检验第一个推论。表1给出了绝对数量的检验结果。在表1的回归模型中，被解释变量是VC筹资时为其提供资金的省外投资者数量。由于被解释变量属于计数数据，回归模型采用计数回归模型中的负二项分布回归模型。从表1的回归结果可以看出，在控制了VC的个体特征、VC所处的区域特征以及系统性影响因素的影响之后，VC的网络地位依然对为其提供资金的省外投资者数量有显著的正向影响：无论以3年还是5年为时间窗，网络地位均在0.05的显著性水平下对为VC提供资金的省外投资者数量有显著的正向影响。这一检验结果支持网络地位理论在本文中的第一个推论，表明VC的网络地位越高，越有可能吸引到省外的投资者为其提供资金。从控制变量的回归结果来看，在区域特征类控制变量中，VC所处省份本年度的GDP在0.05的显著性水平下对为其提供资金的省外投资者数量有显著的正向影响，而VC所处省份本年度的专利数量则在0.1的显著性水平下对为其提供资金的省外投资者数量有显著的负向影响。在系统性影响因素中，本年度的一致指数在0.1的显著性水平下对为VC提供资金的省外投资者数量有显著的正向影响，而5年期以上贷款基准利率则在0.05的显著性水平下对为VC提供资金的省外投资者数量有显著的负向影响。其他控制变量对为VC提供资金的省外投资者数量的影响均不显著。

表2给出了相对比例的检验结果。在表2的回归模型中，被解释变量是VC筹资时为其提供资金的省外投资者在所有投资者中所占的比例，回归模型为常用的多元回归模型。从表2的回归结果可以看出，在控制了VC的个体特征、VC所处的区域特征以及系统性影响因素的影响之后，无论以3年还是5年为时间窗，VC的网络地位均在0.01的显著性水平下对省外投资者在所有投资者中所占的比例有显著的正向影响，表明网络地位高的VC更有可能吸引到省外的投资者为其提供资金。从控制变量的回归结果来看，在个体特征类控制变量中，VC的累计筹资金额在0.05的显著性水平下对省外投资者在所有投资者中所占的比例有显著的正向影响，表明筹资经验丰富的VC更有可能吸引到省外的投资者为其提供资金。在区域特征类控制变量中，VC所处省份本年度的GDP在0.05的显著性水平下对省外投资者在所有投资者中所占的比例有显著的正向影响，而VC所处省份本年度的专利数量则在0.1的显著性水平下对省外投资者在所有投资者中所占的比例有显著的负向影响。其他控制变量对省外投资者在所有投资者中所占的比例均没有显著影响。

表1和表2的检验结果支持地位信号理论在本文中的第一个推论，表明VC的网络地位越高，跨区域筹资时为其提供资金的投资者越多。下面继续检验地位信号理论的第二个推论，也即检验VC的IPO次数在网络地位与跨区域筹资之间的调节作用。表3和表4给出了第二个推论的检验结果。

在表3的回归模型中，本文在表1回归模型的基础上加入了VC的累计IPO次数、以及VC的网络地位与累计IPO次数的乘积项，以检验累计IPO次数在VC的网络地位对省外投资者数量影响中的调节作用。表3的回归结果表明，无论以3年还是5年为时间窗来测度VC的网络地位，网络地位与累计IPO次数的乘积项均在0.01的显著性水平下对为VC提供资金的省外投资者数量有显著的负向影响。这一检验结果支持第二个推论，表明当VC的IPO次数增加时，网络地位对省外投资者数量的正向影响会减弱。此外，表3中各控制变量的回归结果与表1的回归结果差异不太明显，为节约篇幅，没有在正文中报告出来。

在表4的回归模型中，本文在表2回归模型的基础上加入了VC的累计IPO次数、以及VC的网络地位与累计IPO次数的乘积项，以检验累计IPO次数在VC的网络地位与省外投资者所占比例之间的调节作用。表4的回归结果表明，无论以3年还是5年为时间窗来测度VC的网络地位，网络地位与累计IPO次数的乘积项均在0.1的显著性水平下对省外投资者在所有投资者中所占的比例有显著的负向影响。这一检验结果同样支持第二个推论，表明当IPO次数增加时，VC的网络地位对省外投资者在所有投资者中所占比例的正向影响会减弱。此外，表4中各控制变量的回归结果与表2的回归结果差异不太明显，为节约篇幅，没有在正文中报告出来。

表1至表4的检验结果支持地位信号理论在本文研究情境中的两个推论，表明VC的网络地位越高，跨区域筹资时为其提供资金的投资者越多，但这一效应会随着VC的IPO次数增加而减弱。

4稳健性检验

为保证上述检验结果的稳健性，本文进一步从两个方面对上述经验检验进行了扩展：

（1）使用Tobit模型重新进行检验。在本文的样本中，有部分VC筹集的资金全部来源于本省内的投资者。对于这部分样本而言，刻画VC跨区域筹资的两个被解释变量省外投资者数量和省外投资者在所有投资者中所占的比例全部为0，这一特点使得本文的样本数据在一定意义上具有左截取（Left Censoring）数据的特征。计量经济学的相关研究表明，对于这种类型的数据，采用普通的回归模型可能会存在偏误，而Tobit模型是一个比较理想的选择[17]。为避免回归模型选择的不同对研究结论可能产生的影响，本文进一步使用Tobit模型重复了正文中的相关回归检验。

（2）使用点入度中心性测度VC的网络地位。在正文部分，本文使用特征向量中心性来测度VC的网络地位。这一指标使用的是无向数据，其特点是并不区分网络联结的发出方和接收方。在已有文献中，另一种测度行动者网络地位的常见做法是使用有向数据来计算行动者的点入度中心性[18]。借鉴前人的研究思路，本文定义联合投资中的主风险投资机构为网络联结的发出方（即联合投资的邀请方），定义其他联合投资伙伴为网络联结的接收方（即联合投资的被邀请方）[6，19]。通过上述思路确定了网络联结的方向之后，本文进一步使用点入度中心性来度量VC的网络地位，并重复了正文中的相关回归检验。

稳健性检验的检验结果与正文中的检验结果略有差异，但基本结论没有发生变化。为节约篇幅，稳健性检验结果没有在正文中报告出来。

5结论

本文基于地位信号理论研究网络地位对VC跨区域筹资的影响。以清科数据库中2004年（含）之前成立的本土VC在2005年至2012年间的筹资数据为样本，本文检验了网络地位对VC跨区域筹资的影响。检验结果表明：（1）VC的网络地位越高，筹资时为其提供资金的省外投资者数量越多。（2）VC的网络地位越高，筹资时为其提供资金的省外投资者在所有投资者中所占的比例越高。（3）随着VC的IPO次数增加，VC的网络地位对省外投资者数量的正向影响会减弱。（4）随着VC的IPO次数增加，VC的网络地位对省外投资者所占比例的正向影响会减弱。本文从模型设定和变量测度两个方面进行了稳健性检验，检验结果表明上述结论是稳健的。

从理论研究的角度来看，上述结论支持Podolny提出的地位信号理论，表明当VC跨区域筹资时，由于网络地位所发挥的质量信号作用，网络地位高的VC会被视为高质量的VC，因而可以吸引到更多投资者为其提供资金。然而，随着VC的IPO次数增加，投资者面临的不确定性程度下降，VC跨区域筹资时网络地位对投资者数量的影响程度会减弱。从VC的筹资实践来看，本文的研究结论有两点直接含义：一是对于准备跨区域筹资的VC而言，提高网络地位是可供选择的战略之一；二是对于IPO次数较多的VC而言，提高网络地位这一跨区域筹资战略的有效性较低。此外，本文的研究结论还间接意味着，如果VC所处的地理区域资金供给较为匮乏，提高网络地位的重要性会更加突出，因为在这种情形下VC对跨区域筹资的依赖程度更高，提高网络地位对VC成功筹资的影响程度也就更大。

本文的研究表明提高网络地位可以促进VC跨区域筹资，那么如何才能提高网络地位呢？结合已有研究成果与风险投资实践，有以下几种可供考虑的策略：一是邀请其他VC联合投资。VC之间的联合投资表现出很强的相互性（Reciprocity），通过邀请其他VC共同投资于有前景的风险项目，VC可以期待在未来得到相应的回报，当其他VC有优质的投资项目时也会邀请其参与联合投资，从而通过这种回报机制提高自身的网络地位。二是与网络地位高的VC联合投资。地位的一个显著特征就是其具有渗透性，当两个网络地位存在差异的VC联合投资时，二者的地位优势差会由网络地位高的VC向网络地位低的VC渗透，从而导致前者的网络地位下降而后者的网络地位上升，因此要尽可能与网络地位高的VC联合投资，而避免与网络地位低的VC联合投资。三是与政府共同出资设立风投基金。近几年，在《国务院关于实施<国家中长期科学和技术发展规划纲要（2006～2020）>若干配套政策的通知》等一系列政策措施的推动下，我国各地政府正在大力发展政府引导基金，力图通过公私合营的方式推动风投市场发展。VC可以充分利用这一契机，通过与政府引导基金共同出资设立风投基金的方式，与政府建立良好合作关系获得信息与资源优势，从而吸引其他VC尤其是网络地位高的VC与其合作，并最终提高自身的网络地位。

本文的研究尚有许多未尽之处。比如，网络地位高的VC在跨区域筹资时是否能够以更优惠的筹资条款从投资者获得资金？网络地位高的VC是否更有可能从国外的投资者获得资金？网络地位这一因素在VC跨区域筹资时发挥作用的限制条件都有哪些？上述问题都需要进一步研究才能得到回答。

参考文献：

[1]Gompers P A， Lerner J. The venture capital cycle[M]. MA， Cambridge： The MIT Press， 2004.

[2]Podolny J M. Status signals： a sociological study of market competition[M]. New Jersey： Princeton University Press， 2005.

[3]Guler I， Guillén M F. Home country networks and foreign expansion： evidence from the venture capital industry[J]. Academy of Management Journal， 2010， 53（2）： 390410.

[4]Sorenson O， Stuart T E. Syndication networks and the spatial distribution of venture capital investments[J]. American Journal of Sociology， 2001， 106（6）： 15461588.

[5]Ozmel U， Reuer J J， Gulati R. Signals across multiple networks： how venture capital and alliance networks affect interorganizational collaboration[J]. Academy of Management Journal， 2013， 56（3）： 852866.

[6]Hochberg Y V， Ljungqvist A， Lu Y. Whom you know matters？ Venture capital networks and investment performance[J]. Journal of Finance， 2007， 62（1）： 251301.

[7]Checkley M， Steglich C， Angwin D， et al.. Firm performance and the evolution of cooperative interfirm networks： UK venture capital syndication[J]. Strategic Change， 2014， 23（12）： 107118.

[8]Kaplan S N， Schoar A. Private equity performance： returns， persistence， and capital flows[J]. Journal of Finance， 2006， 60（4）： 17911823.

[9]Jeng L A， Wells P C. The determinants of venture capital funding： evidence across countries[J]. Journal of Corporate Finance， 2000， 6（3）： 241289.

[10]Carvell S A， Kim J Y， Ma Q， et al.. Economic and capital market antecedents of venture capital commitments （19602010）[J]. International Entrepreneurship and Management Journal， 2013， 9（2）： 167182.

[11]Da Rin M， Nicodano G， Sembenelli A. Public policy and the creation of active venture capital markets[J]. Journal of Public Economics， 2006， 90（89）： 16991723.

[12]董建卫，杨敏利，郭立宏.宏观经济环境、“飞向品质”与风险资本筹集[J].管理评论，2014，26（1）：2329.

[13]Cumming D， Dai N. Local bias in venture capital investments[J]. Journal of Empirical Finance， 2010， 17（3）： 362380.

[14]Tykvová T， Schertler A. Crossborder venture capital flows and local ties： evidence from developed countries[J]. Quarterly Review of Economics and Finance， 2011， 51（1）： 3648.

[15]Piazza A， Castellucci F. Status in organization and management theory[J]. Journal of Management， 2014， 40（1）： 287315.

[16]Rodan S. Choosing the ‘β parameter when using the bonacich power measure[J]. Journal of Social Structure， 2011， 12（4）： 103125.

[17]科林·卡梅隆，普拉温·特里维迪.微观计量经济学：方法与应用（英文版）[M].北京：机械工业出版社，2008.

[18]Sauder M， Lynn F， Podolny J M. Status： insights from organizational sociology[J]. Annual Review of Sociology， 2012， 38： 267283.

[19]杨敏利，党兴华.主风险投资机构声誉、投资阶段与联合投资辛迪加构成[J].预测，2012，31（6）：2127.