众筹项目融资成功的影响因素及预测模型研究

黄健青，黄晓凤，殷国鹏

(对外经济贸易大学 信息学院，北京 100029)



众筹项目融资成功的影响因素及预测模型研究

黄健青，黄晓凤，殷国鹏

(对外经济贸易大学 信息学院，北京 100029)

众筹作为中小企业融资新途径，需要解决其融资成功率问题。本文基于追梦网的858个项目数据，以信任理论为基础，运用回归分析法探究影响众筹项目成功的关键因素，并在实证结果的基础上构建神经网络预测模型，对项目融资结果进行预测，优化项目设置。回归分析与神经网络结合的方法有助于直接检验项目质量，平台和发起人可对即将上线的项目进行预测，并根据结果从项目质量、发起人特征和不确定性三个方面有针对性地进行优化改进，从而提高项目融资成功的可能性，提升众筹融资效率。

众筹；融资成功率；影响因素；信任理论；预测模型

一、引言

众筹(Crowdfunding)是一种大众通过互联网进行沟通联系，并汇集资金支持由其他组织和个人发起的活动的群体性行为[1]，也是通过互联网平台进行小额融资的新型融资模式。根据盈灿咨询数据显示，截至2016年年底，我国正常运营众筹平台共有427家，是2014年的近3倍。2016年全国众筹行业共成功筹资224.78亿元，是2014年的10.42倍。从预期筹资额的实际完成率来看，2016年全国众筹行业预期筹资额共677.84亿元，实际完成率仅为33.16%。由此可见：一方面，众筹作为一种高效便捷的新型融资模式逐渐受到重视和关注，发展迅速；另一方面，众筹行业目前的预期融资实际完成率并不高，融资效率较低，融资成功率亟待提高。因此深入探究影响众筹融资成功的关键因素，构建行之有效的预测和改进模型，提高众筹项目融资成功的可能性，对于促使众筹行业的发展具有重大意义。本文将借助信任理论，探究回报众筹项目成功的关键因素，并基于实证结果，构建神经网络预测模型，探究平台及项目发起人如何更好地调整项目设置，提高项目融资的可能性，以提高众筹行业融资效率，促进行业健康发展。

二、文献综述

国内外学者对于众筹项目成功的影响因素展开了深入的研究。研究的重点主要包括项目本身的信息、发起人特征、项目获得的支持程度、风险因素等方面。

起初，关于众筹项目的影响因素更多地聚焦在项目本身传递的信息上。Evers(2012)[2]从个人动机角度出发，对项目质量、项目信息、项目需求3个维度进行探究，发现多元化的项目团队与小额赞助额度的设定也是受欢迎的。Kuppuswamy和Bayus(2013)[3]认为项目融资时限、融资额度和回报形式也会影响投资者的投资行为。黄玲和周勤(2015)[4]基于期望理论指出预设目标金额较低，新颖度较高，以及具有差异化设置回报种类及多样化项目宣传渠道的众筹项目成功的可能性更大。

随后，学者们逐渐引入了发起人特征的影响。Mollick(2014)[5]发现发起人Facebook上的好友数量也会对项目融资有所助益。Boeuf等(2014)[6]指出对亲社会投资者而言，内在因素影响产生的积极效应大于外在因素影响产生的消极效应，项目经营者对其它发起人的项目提供支持有利于增强大众投资者对自身项目的投资热情。Liao C等(2015)[7]引入内部社会资本的概念，认为筹资人对其他项目的点赞数和支持次数会对自身发起项目的融资比率产生影响。

同时，学者们也对项目获得的支持程度进行了讨论。Quercia D和Crowcroft(2014)、Frydrych和Bock(2014)以及Cumming等(2014)[8-10]研究均表明项目获得的支持人数会对项目融资带来积极影响。Quercia D和Crowcroft(2014)和Cumming等(2014)同时还指出了评论数量对于项目成功的积极作用。黄健青等(2015)[11]从顾客价值视角进行研究也表明项目分享次数、评价次数、评价数量对项目是否能达到全额融资有显著影响。

此外，项目本身的风险性与投资者的决策也有显著关系[12]。Agrawal(2011)[13]表明筹资者的地理位置使其感到不同等级的信用风险。郑海超等(2015)从不确定性、投资风险、人力资本3个维度构建理论模型对股权众筹的影响因素进行探究，研究指出人力资本越高融资结果越好，并且不确定性也会对融资水平造成影响，项目提供的股权份额越高，描述风险的信息越少则成功的可能性越小[14]。相关文献整理如表1所示。

虽然国内外学者对众筹成功的影响因素进行了多个维度的研究，但仍存在以下几方面的不足：一是项目获得的支持程度是在筹资结束后才呈现的数据，而对项目发起人而言前期预判更为重要。二是结果分析多停留在对影响因素的探究层面，在实际应用上，未提供直接预判项目是否可以获得成功的方法，无法有针对性地对项目的潜在不足进行改进，进而提高融资效率。基于此，本文将围绕“提高项目融资成功可能性”的核心出发，借助信任理论，利用追梦网的众筹项目数据，选取项目初始可获取指标，分析影响项目成功的关键因素，并以关键因素作为输入因子构建神经网络预测模型，提供项目融资结果预测和改进方法，为平台及项目发起人提供直接检测项目设置，提高融资成功率的有效途径。

表1 众筹项目成功的影响因素

三、影响众筹项目成功的关键因素

(一)理论与假设

信任是现代商业活动的核心要素，在互联网情境下显得尤为重要。当交易双方无法确定行之有效的条约和规则以减少不确定性、降低交易风险时，信任便成为了保证交易进行的重要工具[15]。互联网的诞生使得商业活动打破时间和空间的限制，获得了更多自由。然而在互联网情境下，虚拟环境的无形性和监管漏洞带来的不确定性和高风险，使得信任问题显得更加突出。根据CNNIC第37次《中国互联网络发展状况统计报告》显示，2015年，42%的网民遭遇过网络安全问题，有16.4%的消费者在网上遭遇到消费欺诈，相比2014年上升了3.8%。与此同时，e租宝、中晋资产等问题平台的出现，也加剧了消费者对互联网金融的信任危机。Dongyu Chen等(2014)[16]基于信任理论，对拍拍贷上的贷款者进行了问卷调查，研究结果表明对于借款人和中介机构的信任是影响贷款者信任的关键因素。蒋骁(2014)[17]以信任理论为基础，通过问卷调查，建立结构方程，提出了众筹出版用户支付意愿模型。信任已经成为了影响用户在线支付行为意向的决定因素。

本文以信任理论为分析框架，同时引用股权众筹和回报众筹的研究成果，构建的理论模型如图1所示。将传统情境下对实体和个人的信任引入到众筹中，本文认为项目质量、发起人特征是影响投资人信任的两个维度，同时，由于在线交易容易存在信息不对称，本文将不确定性引入到模型中，关注项目质量、发起人特征及不确定性对投资人信任的影响，从而影响其投资意愿，反映在项目上即项目的融资比率。

图1 研究模型

1.项目质量

项目质量是指通过项目属性和描述所反映出来的项目价值。众筹项目的产品质量主要体现在融资额度、回报、项目描述等方面，它是投资人衡量项目投资价值的重要因素，直接影响投资人对项目的判断。具体而言，本文关注最低投资额、最高投资额和视频展示所反映出的项目质量。

最低投资额是指投资人可以对众筹项目进行投资的最小额度。每个级别的投资额对应相应的回报，投资额度越高，回报内容就越丰富。最低投资额度反映的是投资人可以得到的最低回报和服务，也是项目能对投资人造成的最低吸引力水平。最低投资额度越高，则投资人可以享受到的回报和服务水平越高，投资人进行投资的意愿也更加强烈，对项目融资比率有积极影响[18]。因此，本文认为，最低投资额度越高，投资人可获得的最低回报质量越高，从而会增强投资人对项目的信任，提高投资意愿。

最高投资额是指投资人可以对众筹项目进行投资的最大额度。与最低投资额的设定相似，最高投资额也反映了投资人可获得的回报和服务。最高回报反映了项目能提供的最好回报和服务，投资额高也意味着对项目回报产品或服务的精心设置，从一定程度上反映了项目的高质量，容易增强大额投资者对项目质量的信任，从而提高投资意愿。

视频是指项目发起人在项目描述中使用视频对项目进行介绍或演示。在线交易中，产品质量的好坏与卖家自愿披露的信息有着明显的关系，卖家自愿披露的信息越多，则其产品的质量越好[19]。众筹项目发起人使用视频对项目进行介绍，一方面体现了其准备充分，另一方面也反映了其自愿披露的信息更多，显示项目质量更高，更容易增强投资人对项目的信任，从而提高投资意愿。综上分析，提出如下假设：

H1：项目质量与融资比率呈正相关关系，即项目质量越高，投资人对项目越信任，投资意愿越强，项目融资成功的可能性越大。

2.发起人特征

发起人特征是指项目发起人本身的属性。在电子商务领域，有大量研究表明，顾客对商家的信任会影响其对产品的信任，进而影响顾客的支付意愿。在B2C电子商务交易中，网店声誉显著影响消费者的信任[20]；出版众筹项目中，投资人对项目发起人的信任也显著影响其投资意愿[17]。

发起人的特征主要反映在发起人积分上，发起人积分越高，说明其在平台上越活跃，历史信用越好，项目融资成功率越高[18]。由此，本文认为发起人特征会通过影响投资人对项目的信任，进而影响其投资意愿，并提出如下假设：

H2：发起人特征会对融资比率造成显著影响，即发起人积分越高，投资人对项目越信任，投资意愿越强，项目融资成功的可能性越大。

3.不确定性

不确定性是指对项目未来发展的状况无法准确预测，投资人会基于项目设置及描述评估其风险。在股权众筹平台上，不确定性水平对于投资成功有着消极影响[21]。本文重点关注目标金额、回报级别和风险描述带来的不确定性。

目标金额是指发起人设定的目标筹资额度，除特别合作外，如在规定的融资期限内的融资额未达到目标金额，则项目失败；如果达到或超过目标金额，则项目成功，发起人可获得实际筹集到的资金。目标金额越高，也意味着项目融资失败的风险越大，不确定性水平越高，会降低投资人对项目的信任[11]。

回报级别是指项目设置中提供的回报种类数量。项目提供的回报级别越多，说明项目回报的产品或服务越多样，分散程度越高，需要项目发起人耗费更多的时间和精力。同时回报级别越多，则每种产品和服务的数量越少，由规模报酬理论可知，每种产品的成本会上升。这些都增强了项目实施的不确定性，会降低投资人对项目的信任，与项目融资比率呈负相关[22]。

风险描述是指项目描述中涉及的项目推进过程中可能遇到的困难和风险，以及可能导致的结果。发起人在项目设置中对风险进行过多的描述容易加深投资人的担忧，从而放大项目存在的不确定性，降低项目的信任，从而降低投资意愿。在股权众筹中，描述风险的信息造成了消极影响[23]。综合上述分析，本文提出以下假设：

H3：不确定性水平与融资比率呈负相关关系，即目标金额越大、回报级别越多、具有风险描述的项目，投资人对项目越不信任，投资意愿越弱，项目融资成功的可能性越小。

(二)研究设计

根据以上项目成功影响因素理论分析，本文选取众筹项目的项目质量、发起人特征、不确定性作为解释变量，同时使用数据采集器和手工采集两种方式收集了追梦网的相关数据，以融资比率作为因变量，以最低投资额、最高投资额、视频、发起人积分、目标金额、回报级别和风险描述作为自变量，同时，为排除融资模式和项目类别的影响，将其作为控制变量，通过逐步回归进行分析，最终得出本文的结论。

1.样本选择与数据来源

在国外学者研究中，有关融资模式的研究，IndieGoGo是使用最多的平台，而有关众筹项目成功影响因素的研究中，学者们的对象多为Kickstarter。国内的众筹平台中，追梦网的商业模式与上述两个平台最为相似。根据清科研究中心发布的《2015年中国众筹市场发展报告》显示，2014年国内9家主要的回报众筹平台中，追梦网以871个项目位列第三名，具有较大的影响力和关注度。本文选取追梦网作为数据来源，具有一定的代表性。

追梦网创建于2011年9月，2011年与2012年发起的项目较少，2013年开始平台逐步发展并趋于稳定，而从2015年3月之后，追梦网转移到移动端，通过APP进行众筹。我们收集了追梦网2011年11月至2015年2月网页端的952个项目。考虑到2012年以前平台处于运营初期，还不稳定，因而去掉2012年以前的项目。此外，为了使研究更为规范，考虑项目合理性的同时，根据指标的数值分布情况，我们剔除了目标金额超过2倍标准差的项目，共保留858个项目。其中成功项目435个，失败项目423个，分布较为均衡。

2.变量选取

根据前文所述的模型，本文选取项目最后完成的“融资比率”作为被解释变量，从项目质量、发起人特征、不确定性3种类型的解释变量选取度量指标，具体如表2所示。

此外，以往学者的研究中指出不同融资模式和项目类别也会对项目融资情况造成影响，因此，本文引入融资模式和项目类别作为控制变量。对于融资模式，AON(All or Nothing)模式记为“1”，KIA(Keep It All)模式记为“2”。对于项目类别，按照追梦网上对类别的设置进行分类，设计类记为“1”，科技类记为“2”，影像类记为“3”，音乐类记为“4”，人文类记为“5”，出版类记为“6”，活动类记为“7”，其他类记为“8”。

表2 度量指标及其说明

3.回归模型设定

根据理论模型、假设及指标选取等，本研究实证分析的回归模型方程设定如下。

FundingRatio=β0+β1*LnMinpledge+β2*LnMaxpledge+β3*Video+β4*LnPoints+β5*Lngoal+β6*LnRL+β7*Risk+ε

(三)实证分析与结果讨论

为排除指标间多重共线性的影响，本文采取逐步回归分析对影响众筹项目融资比率的因素进行计量分析。除了分类数据外，其余指标做了对数变换。具体结果分析如下。

1.描述性统计

本文对众筹项目的特征数据进行了描述性统计，结果如表3所示。

表3 众筹项目特征数据的描述性统计结果

2.回归分析

通过SPSS软件对相关数据进行分析，得到的回归结果如表4所示。结果表明，各指标对项目融资比率的影响非常显著。

表4 众筹项目成功影响因素回归结果

注：*、**、***分别表示达到了10%、5%、1%的显著性水平。

(1)众筹项目的项目质量对融资比率影响显著

最低投资额(Ln_Minpledge)在5%的显著性水平上与项目融资比率正相关，最高投资额(Ln_Maxpledge)在1%的显著性水平上与项目融资正相关，视频数量(Ln_Maxpledge)在1%的显著性水平上与项目融资正相关，与原假设(H1)相符。这与以往学者们研究的结果也是一致的，说明最低投资额、最高投资额和视频数量都是影响融资比率的关键因素。每一个投资额都有对应的回报，投资额越高反映回报越好，对投资人更有吸引力。另外，优秀的众筹项目往往因为其创意而使投资者产生强烈共鸣，视频的展示可以带给投资者直观的项目体验，提升投资者的认同和信任。因此，项目的最低投资额越高、最高投资额越高、视频数量越多则说明项目质量越好，越能赢得投资人的信任，激发其投资意愿，从而获得更多融资。

(2)众筹项目的发起人特征对融资比率影响显著

发起人积分( Ln_Points)在1%的显著性水平下与项目融资比率正相关，与原假设(H2)相符。发起人积分体现了发起人在众筹网站的活跃度，一般情况下此类发起人历史发起或参与的众筹项目比较多，相关的知识和经验比较丰富。这也使得他们在众筹平台上更有可能受到关注，项目得到广泛推广。与新用户相比，积分较高的项目发起人更容易获得投资人的信任和青睐，越能激发投资人的投资意愿，从而获得更多融资。

(3)众筹项目的不确定性对融资比率影响显著

目标金额(Ln_goal)在1%的显著性水平上与项目融资比率负相关，回报级别(Ln_RL)在5%的显著性水平上与项目融资负相关，风险描述(Risk)在1%的显著性水平上与项目融资负相关，与原假设(H3)相符。目标金额设定越高，则需要越多的投资者参与到项目中，这在一定程度上增加了项目的难度和风险，使投资人在投资时有所顾虑。回报级别设定的多样化虽然在一定程度上可以增强项目的可扩展性，但是却也大大增加了项目执行难度。由于项目发起人一般提供的回报数量级别比较小，不能形成规模报酬效应，因此成本也会有所增加。而对于风险的描述也容易强化投资人对项目的质疑。这些因素都会导致项目不确定性增加，故目标金额越高、回报级别越多、风险描述越多的项目越难获得投资人的信任，获得的融资比率也越低。

四、众筹项目融资结果的预测模型

为了深化众筹融资成功影响因素的研究，本文在上述回归分析的基础上，通过神经网络进行预测模型的训练，从而对众筹项目成功与否进行预测，帮助项目发起人优化项目设置，从而提高融资成功的可能性。

(一)评价指标与数据来源

基于前文所述的模型，将回归分析得到的关键因素作为神经网络的预测指标体系，如表5所示。

表5 众筹项目预测指标

追梦网上有部分特别合作项目，无论筹集资金是否到达目标金额都算成功，即KIA(Keep It All)的模式，但大部分为AON(All or Nothing)模式，只有筹集金额达到或超过目标金额才算成功。目前学者研究的重点主要是AON模式，且大多数众筹平台也只提供AON模式。因此，我们在前文所选择的项目基础上，剔除了130个KIA模式的项目，最终保留728个AON项目作为样本。

(2)模型设计

多层感知器(MLP)神经网络因其出色的性能被广泛应用于结果预测，主要通过目标进化算法和以梯度为基础的局部搜索对BP算法进行优化。本文将其引入到对众筹项目成功的预测当中，建立预测模型如图2所示。

图2 众筹项目融资结果预测模型图

具体设置如下。

第一，网络层数。在前人的研究当中，只有一个隐含层的神经网络应用最为广泛，且效果良好。基于此，本模型选择了只含有一个隐含层的MPL神经网络。

第二，输入的预测指标。输入层位于网络的第一层，主要任务是接收外部数据，其节点数取决于输入项的维数。根据前文所述，选择项目质量、发起人特征、不确定性3种类型的7种指标作为神经网络的因子输入，考虑到神经网络可以处理复杂数据关系，为给模型提供充分的信息，本文将项目类别、项目进展、回报执行天数、照片数量、发起地点、发起人性别6个指标作为协变量输入。其中，除了分类变量外，其他指标都进行了Ln对数处理。

第三，输出的预测结果。输出层的节点数意味着输出的结果维度。本研究以众筹项目是否成功作为输出结果，故只有成功和失败两个维度，最终融资达到或超过目标金额即为成功，记为“1”，否则为失败，记为“0”。

第四，隐含层的节点数。对于有限个输入到有限个输出的映射，隐含层的节点数问题迄今为止尚未找到很好的解决办法，其设定通常跟设计者的经验和前人的试验来确定[24]，本文将其设定为计算中自动选择最优的隐含层节点。

(三)结果分析与讨论

通过SPSS多层感知器神经网络对数据进行分析，由系统随机分配训练集和测试集，结果排除了111个项目。在剩下的617个项目中，497个项目作为训练集，占80.6%，120个项目作为测试集，占19.4%。神经网络通过对训练集样本进行学习，拟合出预测模型，再通过测试集数据对模型进行检验。具体分类结果如表6所示。

表6 众筹项目融资结果预测表

由表6可看出训练样本的正确率为87.5%，测试样本的正确率81.7%，训练样本和测试样本的准确率都比较高，且相对稳定。对于项目发起人而言，进行神经网络预测的意义在于通过模型输入项目指标的设定值，从而预测是否成功。若不成功，可根据前文回归得到的关键影响因素，及其相关关系进行调整，直至项目预测成功。由此可见，对于失败项目预测的准确率更为重要，而此模型中，对于失败项目，即观测值为“0”的项目，训练集的正确率为89.2%，测试集的正确率为88.5%，预测效果比平均水平更好，更满足实际需求。

预测结果的高准确性对于众筹平台和项目发起人有着重要意义，他们可将相关指标输入到模型中，对融资结果进行预测，如果预测结果为失败，可通过前文实证的结果对项目设置进行有针对性的改进，从而提高融资成功的可能性，提高众筹融资效率。

五、结论与建议

以上研究表明，项目质量、发起人特征、不确定性3个维度中，最低融资额、最高融资额、视频数量、发起人积分对众筹项目的成功有正向影响，而目标金额、回报级别和风险描述则对其有负向影响。

基于研究结果，针对预测失败的项目，对项目平台和发起人提出以下几点改进建议。

1.调整项目投资额的设定，并使用多媒体手段进行项目的展示。项目发起人可以通过适当提高最低投资额和最高投资额，并相应地给予更好的回报和服务，显示发起人的精心准备和优质项目的信号。同时，多使用视频等多媒体宣传手段，生动且直观地展示项目，提高项目的吸引力，增强投资人对项目的信任。

2.多参与平台互动，提高发起人积分水平。发起人积分很难短时间内提高，需要项目发起人长期保持在众筹平台上的活跃程度，多关注其他众筹项目，并与其他项目发起人和投资人进行互动，从而提高投资人对发起人的信任，同时为自己积累经验和人脉，为合理调整项目设置提供知识和经验的储备，从而提高融资成功的可能性。

3.降低项目的不确定性，控制风险。众筹作为一种互联网金融模式，以在线交易的形式完成投融资，很容易出现信息不对称导致的逆向选择，发起人应尽可能降低项目的不确定性，如减少不确定的风险描述，给投资人传递确定性信息，从而提高其对项目的信任感。另外，过高的目标金额和过多的回报级别设定也容易提高投资人的感知风险，发起人应通过合理设定目标金额和回报级别来控制风险，增强投资人的投资意愿。

调整项目设置后，发起人可通过预测模型再次进行预测，直至获得满意的结果。

研究不足及展望：(1)本文的研究数据存在一定局限性。本文选取的是追梦网的数据，共采集众筹项目952项，结合平台运营稳定期间的考虑和指标的数值分布情况，剔除了部分项目，共保留858个项目。样本量相对国外的研究而言比较少，未来可尝试将其拓展到其他平台上，提高研究的外部有效性。(2)本文的研究变量存在一定局限性。投资人对项目的信任还可能受地理位置和文化差异等因素的影响。然而，由于平台信息透明程度、项目参与者对个人信息公开程度不足等原因，导致在研究过程中对影响因素的梳理不够全面。伴随着越来越多的众筹平台的兴起，关于众筹项目的信息展示也越来越丰富，未来可尝试引入地理位置、文化差异等因素对于项目的影响。(3)本文的研究对象具有一定局限性。虽然追梦网是国内的主流众筹平台，具有一定代表性，但是不同平台的众筹项目特点各不相同，基于追梦网研究得到的结果在一定程度上不能完全迁移到其他众筹平台上，存在一定局限。蒋骁(2015)[17]研究指出投资人对众筹项目的信任还会受到对众筹平台的信任的影响，可见，不同众筹平台影响项目成功的关键因素也可能存在差异，建立的预测模型也不尽相同。未来可尝试对不同众筹平台进行对比研究，提出更有针对性的结论与建议。

[1]ORDANINI A, MICELI L, PIZZETTI M, ET AL. Crowd-funding: Transforming customers into investors through innovative service platforms[J]. Journal of service management, 2011, 22(4): 443-470.

[2]EVERS M W, LOURENÇO C, BEIJE P. Main drivers of crowdfunding success: A conceptual framework and empirical analysis[M]. Erasmus Universiteit, 2012.

[3]MOLLICK E R, KUPPUSWAMY V. After the campaign: Outcomes of crowdfunding[J]. UNC Kenan-Flagler Research Paper, 2014 (2376997).

[4]黄 玲, 周 勤. 基于期望理论的众筹设计研究[J]. 财经科学, 2015 (6): 32-42.

[5]MOLLICK E. The dynamics of crowdfunding: An exploratory study[J]. Journal of Business Venturing, 2014, 29(1): 1-16.

[7]LIAO C, ZHU Y, LIAO X. The role of internal and external social capital in crowdfunding: Evidence from China[J]. Revista de CercetaresiInterventieSociala, 2015, 49: 187-204.

[8]AN J, QUERCIAD, CROWCROFT J. Recommending investors for crowdfunding projects[C]//Proceedings of the 23rd international conference on world wide web. ACM, 2014: 261-270.

[9]FRYDRYCH D, BOCK A J, KINDER T, et al. Exploring entrepreneurial legitimacy in reward-based crowdfunding[J]. Venture Capital, 2014, 16(3): 247-269.

[10]AHLERS G K C, CUMMING D, GÜNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[11]黄健青, 陈 欢,李大夜. 基于顾客价值视角的众筹项目成功影响因素研究[J]. 中国软科学, 2015 (6): 116-127.

[12]吴喜雁, 周建波. 大众参与众筹投资决策影响因素分析[J]. 科技进步与对策, 2015, 32(24): 12-16.

[13]AGRAWAL A K, CATALINI C, GOLDFARB A.The geography of crowdfunding[R].National Bureau of Economic Research, 2011.

[14]郑海超, 黄宇梦, 王 涛, 等. 创新项目股权众筹融资绩效的影响因素研究[J]. 中国软科学, 2015 (1): 130-138.

[15]LUHMANN N. Trust and power[M]. Chichester: Wiley, 1979.

[16]CHEN D, LAI F, LIN Z. A trust model for online peer-to-peer lending: A lender’s perspective[J]. Information Technology and Management, 2014, 15(4): 239-254.

[17]蒋 骁. 基于信任的众筹出版用户支付意愿研究[J]. 科技与出版, 2014(5): 6.

[18]黄健青, 刘雪霏, 郑建明. 众筹项目成功的关键因素：基于 KIA 与 AON 融资模式的实证研究[J]. 财贸经济, 2015, 36(9): 74-84.

[19]LEWIS G. Asymmetric information, adverse selection and online disclosure: The case of eBay motors[J]. The American Economic Review, 2011: 1535-1546.

[20]赵宏霞, 刘岩峰. 关系营销, 网店声誉对 B2C 电子商务交易信任的影响[J]. 软科学, 2013, 27(8): 80-84.

[21]AHLERS G K C, CUMMING D, GÜNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[22]MOUTINHO N, LEITE P M. Critical success factors in crowdfunding: The case of kickstarter[J]. 2013.

[23]AHLERS G K C, CUMMING D, GÜNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[24]肖玲诺, 史建锋, 孙玉忠. 基于 BP 神经网络的产学研知识创新联盟风险评价研究[J]. 中国软科学, 2011 (12): 173-179.

(本文责编：海 洋)

Influencing Factors and Forecasting Model for Successful Crowdfunding Projects

HUANG Jian-qing, HUANG Xiao-feng, YIN Guo-peng

(SchoolofInformationTechnology&Management,UniversityofInternationalBusinessandEconomics,Beijing100029,China)

Crowdfundingbecomes a new way of SME financing,it needs to solve the problem of financing success rate. In this paper, we summarized the indicators mentioned in Trust Theory and analyzed the factors influencing the success of crowdfunding projects on the “Dreamore” platform by using regression. Based on these contents, we constructed the forecasting model by neural network to predict and improve financing results. The model that combines regression and neural network is a direct method to test the quality of the projects and enhance the possibility of its financing success. The crowdfunding platform and project sponsors can use this model to predict about on-line projects, then adjust the project settings pointedly from project quality, sponsor characteristics and uncertainties according to the results, which will enhance the possibility of financing success.

crowdfunding;success rate of finance; influencing factors; trust theory; forecasting model

2016-11-15

2017-04-26

北京市社会科学基金基础类重点项目(15JGA007)；教育部人文社会科学研究规划基金“企业互联网金融发展路径及风险防范研究—基于平台经济视角”(14YJAZH035)。

黄健青(1966-)，女，福建莆田人，对外经济贸易大学信息学院教授，硕士，研究方向：互联网金融、电子商务、现代服务业。

F270

A

1002-9753(2017)07-0091-10