“互联网+”新创企业成长风险识别研究

姚雨琪 杨波 杜娅 杨玉洁 龙琪奕

摘 要 “互联网+”新创企业是推動我国经济与创新发展的主力，面对新创企业成长过程的不确定性和高失败率，管理者如何有效识别新创企业成长风险，是创业成功与否的关键。前人研究已经得出了一定的理论基础，对新创企业成长风险识别的研究以概念界定、特征提取和经验归纳做出研究，多为思辨性定性分析。本文对此进行重点分析和述评，并进一步分析提出“互联网+”新创企业成长风险识别的未来研究展望方向。

关键词 成长风险识别；新创企业；互联网+

一、引言

“互联网+”是创新2.0下的互联网发展的新业态，是知识社会创新2.0推动下的互联网形态演进及其催生的经济社会发展新形态。根据相关的统计数据，新创企业每年创造了百分之七十的新增就业机会和新增价值，新创企业的研究经费产生的收益是成熟企业的三到四倍。在“大众创业，万众创新”的浪潮下，新创企业是承载创新重责的主要角色之一，并且将逐渐成为我国社会经济发展与创新的主要力量。

“互联网+”为新创企业的成长提供了广阔的创业平台和发展模式。然而，在“互联网+”新业态背景下新创企业对投资、技术需求要求高，且受到技术成熟度、融资能力、网络营销能力、客户需求、互联网政策及技术发展等因素的制约，未来的发展和绩效存在较大的不确定性，面临巨大的复杂多样性、突显性与动态性特征的成长风险，创业成功率较低。新创企业成长风险是影响其生存与发展的主要因素。

我们认为“互联网+”新创企业成长风险是指在“互联网+”新业态下新创企业成长过程中导致新创企业损失或失败的可能性。新创企业的成功与否与对成长风险的有效识别与防控密切相关。

“互联网+”新创企业成长风险识别是探索式的，是对“互联网+”业态下充满不确定性与模糊、多元复杂关系的新创企业成长过程中客观存在的及潜在的各种风险进行系统、连续地预测、识别、推断和归纳的过程。通过在预测推理过程中加入网络环境突发与异常因素，可以适应新创企业成长风险动态、连续及突发的特性，识别出一些难以预料的风险。

二、研究现状评述与相关技术

1.新创企业成长风险研究

新创企业的诞生是创始人试图通过商业改变世界的梦想实践，是将一系列思想付诸事实的探索过程。在企业成长过程中，外部网络环境的多变、创业机会和新创企业的复杂、核心资源的稀缺、市场竞争的激烈以及管理者、创业团队和投资者能力的有限，这些“不确定性”可能将导致新创企业偏离预期目标，最后以失败而告终（蒋景媛，2013）。对于新创企业成长风险的内涵，学者从不同领域和角度给出了理解，其中“不确定概率说”、“后果影响说”、“来源说”三种观点较为典型。

2.互联网环境下新创企业成长风险研究

互联网为企业提供了新的发展平台，同时也带来了相应的风险。曹新平（2009）通过对互联网企业特点的分析，总结出互联网企业成长过程中的几大风险，主要包括战略目标的不确定、人才流动风险、信息技术风险、市场风险、知识产权风险等。新创企业成长风险具有很大的背景依赖性（Yates & Stones，1992），即在环境相异的背景中，风险所表现出的特点是不一样的。

3.互联网环境下新创企业成长风险识别研究

风险识别作为创业领域的关键问题之一，一直是创业活动中的重要环节，在整个新创企业成长过程中扮演着非常重要的角色。新创企业成长风险识别是企业进行风险控制实施的前提和基础，风险识别的准确程度会对风险控制和管理产生重要的影响（崔海燕，2011）。

新创企业置身于市场、财政、政治、科研等错综复杂的环境之中，其成长过程充满了各种不确定性，面临着来自行业、市场、资金、劳动力等诸多风险要素，使新创企业成长存在着多风险、高风险性。而对新创企业进行风险识别能够尽量防止内外部风险的侵袭，化不确定为确定，使企业在复杂的环境中获取竞争优势，并保持其高成长性。

“互联网+”新创企业成长风险涉及因素众多，且随着时间环境变化呈现动态性和演化性，这种特性给其风险识别模型和方法提出了较高的要求，好的风险识别方法要能适应于复杂而变化的环境，具有较高的鲁棒性。风险识别的方法有多种，传统的风险识别方法分为定性分析、定量分析以及定性和定量相结合三类。在定性分析方面主要有主观估计法、层次分析法和故障树/事件树法、情景分析法等方法。但是，这些方法对企业风险识别主要用于风险分析与评估，识别对象多为静态风险。考虑到新创企业成长风险是动态的，且存在着不确定性和演变性，人们开始使用人工智能方法对新创企业成长风险识别和决策进行探索。人工免疫理论的发展和人工免疫应用领域的推广，为构建基于人工免疫的“互联网+”新创企业成长风险识别模型提供了可能。

而以人工免疫系统作为风险特性描述及识别过程描述的理论基础，将免疫网络作为风险要素之间相关关系的刻画工具，可以通过计算实验探究风险识别模型的科学性和可行性，实现对人工免疫系统、多Agent 建模的计算实验等方面的基础理论与技术进展。

4.人工免疫系统的相关研究

“互联网+”新创企业成长风险识别包含大量“因素-风险-后果”，且风险因素复杂，识别过程多变，对于涉及复杂与不确定性的事物及其关联的问题处理是比较困难的。Farmer（1999）借鉴生物免疫系统的相关技术应用于不确定性动态问题的处理，提出了人工免疫系统的概念。

5.多Agent 建模的计算实验研究

新创企业成长风险识别是创业者对新创企业成长过程尚未发生的、潜在的以及客观存在的各种风险进行系统、连续地预测、识别、推断和归纳。由于“互联网+”新创企业成长风险具有很大的不确定性、抽象性与复杂性，难以用准确的量化模型去描述企业成长过程中的风险。基于多Agent 建模的人工社会系统模拟仿真是一种解决复杂社会系统的有效方法，非常适合用于新创企业成长过程中动态风险的模拟仿真。

三、基于人工免疫系统的风险识别研究框架

在深入理解与分析新创企业成长风险识别过程抗原与抗体演化过程以及生物免疫系统运行机理基础上，构建基于免疫系统的新创企业成长风险识别模型（Immune System based Start-up Growth Risk Identification Model，ISNVGRIM）。

ISNVGRIM的核心是人工免疫技术，通过模拟生物免疫系统的识别、优化和协同机理，实现ISNVGRIM的风险识别、风险防控和协同功能。具体包括：模拟生物免疫系统防御外部入侵，以及维持自身稳定的功能，实现ISNVGRIM的风险定位与识别功能；模拟生物免疫系统快速、准确地清除“损己”抗原的功能，实现ISNVGRIM的风险防控功能；模拟生物免疫系统各个体间的协调工作，以及各功能间默契合作的功能，实现ISNVGRIM的多Agent的协同功能。

1.ISNVGRIM 免疫仿生机理分析

从三个 ISNVGRIM 功能目标出发，研究分析 ISNVGRIM 的仿生机理，主要包括风险识别仿生机理、风险防控仿生机理和多 Agent 协同仿生机理。

2.ISNVGRIM 的工程化实现方法

在研究分析ISNVGRIM 免疫仿生机理的基础上，可运用工程化方法，研究确定ISNVGRIM 工程计算实现方法。主要包括：

（1）ISNVGRIM 的风险识别的实现方法。

（2）ISNVGRIM 的风险防控的实现方法。

（3）ISNVGRIM 的多Agent 协同的机制。

四、未来的研究展望

研究“互联网+”新创企业如何在成长过程中快速有效地识别各种复杂多样的、动态、异构性风险，完成风险识别免疫基因的积累与学习并提升风险识别与防控能力，满足新创企业利用信息技术在深层次决策支持、信息挖掘与发现的迫切需求，降低我国新创企业破产率，提升新创企业国际竞争力，促进“互联网+”新创企业健康成长具有重要意义。考虑到“互联网+”新创企业成长方式独特性以及互联网情境下复杂与多变性，使得难以用简单的方法从单一方面考虑风险识别问题的解决，可以系统地研究互联网+”新创企业成长风险形成、演化机理及指标体系。同时，风险识别系统是典型的开放性复杂系统，因此，借鉴免疫系统作为参考体系，模拟生物免疫系统的运行机理，可建基于人工免疫系统的“互联网+”新创企业成长风险识别模型。①在研究目标上，现有风险识别研究大多采用单一方法解决某方面的应用型问题，未能提升到决策支持的高度，运用决策支持的相关理论与方法，并结合实证研究，探讨“互联网+”新创企业成长风险的防控对策。②在研究对象上，现有研究较为关注企业财务风险、信用风险，或具体风险事件的识别方法，缺乏对“互联网+”新创企业成长风险识别中基础性、共性问题的动态机理研究，为数不多的对新创企业成长风险识别的研究尚未实质性切入到风险形成、演化机理与识别机制以及风险测度、定位等更为深入的领域。③在研究方法上，由于“互联网+”新创企业成长风险的动态、异构、多样及复杂性特点，需要引入学科交叉，根据研究的问题，综合多种研究方法（如实证研究、理论研究、工程设计等）；从具体的微观角度，可用人工免疫系统、计算实验等多方法，并做出相应改进以解决“互联网+”新创企业成长风险识别的研究问题。

参考文献：

[1]Farmer，Lapedes and Wendroff.North-Holland，Amsterdam， 1986，6（2）：187-204.

[2]高僮.基于动态故障树和蒙特卡洛仿真的列控系统风险分析研究[D].北京交通大学， 2014.

[3]韩雪，冯玉强.基于案例推理的谈判支持系统的研究[J].控制与决策，2008，23（7）： 791-794.

[4]洪源，刘兴琳.地方政府债务风险非线性仿真预警系统的构建---基于粗糙和BP 神经网络方法集成的研究.山西财经大学学报，2012， 34（30）：1-9.

[5]胡海青，张琅等.供应链金融视角下的中小企业信用风险评估研究---基于SVM与BP神经网络的比较研究.管理评论，2012，24（11）： 70-80.

[6]姜继娇，杨乃定等. RIC环境下企业风险的识别、扩散与防范机制[J].科研管理，2007， 28（6）： 154-158.

[7]李锋刚，杨善林等.案例推理中属性约简及其性能评价[J].清华大学学报，2006， 46（S1）： 1025-2029.

[8]李俊芳.含风电场的电力系统运行风险分析方法研究[D].华中科技大学，2012.

[9]李柯诺.中国互联网行业精英创业模式及启示[D].武汉科技大學，2013.

[10]李涛.基于免疫的网络安全风险检测[J].中国科学E辑信息科学，2005，35（8）： 798-816.

作者简介：

姚雨琪，生于1998年8月，汉族，江西南昌人，江西财经大学，信息管理学院。

杨波，生于1973年12月，汉族，江西南昌人，江西财经大学，信息管理学院。

杜娅，生于1998年2月，汉族，青海海东人，江西财经大学，信息管理学院。

杨玉洁，生于1999年2月，汉族，山西运城人，江西财经大学，信息管理学院。

龙琪奕，生于1998年7月，汉族，四川自贡人，江西财经大学，信息管理学院。

基金项目：本文系江西财经大学2018年度大学生实践创业训练计划（项目编号201810421082）的成果。