风险投资机构声誉与投资时空特征的关系研究——基于中国风险投资市场

柳雪萍 侯立文

(上海交通大学 安泰经济与管理学院，上海 200030)

我国的风险投资行业起步虽晚，但近年来发展迅速，助力了一批独角兽企业的诞生。在 “互联网+”热潮、“大众创业、万众创新”政策等的推动下，创业、投资潮持续升温，大量风险投资机构(VC)纷纷入场，提高了市场活跃度的同时也加剧了行业竞争。同时，VC之间投资和管理能力良莠不齐，投资行为存在模仿跟随的情况，投资业绩也呈现两极分化态势。

VC的声誉是其投资能力的外在体现。为探究VC的投资能力差异对投资策略的影响，本文从声誉视角研究VC在空间和时间上的投资偏好。目前用于衡量VC声誉的指标有投资经验和经营期限、资本管理规模、IPO退出数量、平均资本回报率等，考虑到投资能力不能随经营时间、资金规模、投资案例数无限积累，且当前我国存在“VC PE化”的特点，即VC通过投资风险较低的中后期项目以提高IPO退出率和资本回报率，故本文创新性地提出以“是否在早期作为首个风险投资人投出过独角兽企业”衡量VC声誉，从而更关注VC在早期项目挖掘上所体现的真实投资能力。

1 理论分析与研究假设

VC往往要在信息不充分的情况下从成百上千个早期投资项目中筛选出明星项目，此时其项目价值判断能力尤为重要。一方面，早期项目可辅证信息少，投资风险大，需要VC对商业机会、发展前景作出准确判断；另一方面，当前我国初创企业很少属于技术驱动型，多属于商业模式创新或微创新，极容易被复制的导致同质项目涌现，这要求VC能甄别不同创业团队之间的能力差别。因此，一家VC若能作为首个风险投资人投出独角兽企业，则体现了其敏锐的投资眼光和卓越的项目挖掘能力，更能让VC“一战成名”，形成良好的声誉。

另一方面，可从空间和时间两个方面来描述VC的投资行为。本文提出从本地投资偏好、是否分阶段投资、后续投资速度及投资持有时长四个方面来探究VC声誉和投资策略的关系。

1.1 VC声誉与投资空间特征

在投资阶段，VC和创业企业形成了委托—代理关系，作为代理人的创业企业比作为委托人的VC拥有更多关于自身能力、努力程度、经营情况等内部信息。根据信息经济学，信息不对称会导致委托人逆向选择代理人及代理人道德风险问题。而远距离投资由于存在沟通不及时、监督成本高、文化差异等问题进一步增加了代理成本及信息损失。相较之下，近距离投资有利于VC参与企业治理、发挥当地社会网络作用等，因而VC可能更偏向于近距离投资。黄福广等(2014)、李志萍等(2017)分别证实我国风险资本投资具有明显的“本地偏好”。

本文认为声誉不同的VC “本地偏好”程度不同。首先， 高声誉VC更能吸引全国各地的优质项目，最终被投中的项目更是“优中择优”，表现为创业团队更专业、对VC的增值服务依赖更少等方面，故VC无须倾注太多投后管理资源；其次，高声誉VC往往有更广泛的社会网络关系，并在行业中处于有利的网络位置，能在全国各地调动资源，因此对远距离投资有更高的容忍度。故本文提出如下假设：

H1：低声誉的VC对近距离投资的偏好更强。

图1 不同VC的投资空间分布

1.2 VC声誉与投资时间特征

为缓解委托—代理关系造成的负面影响，理性的VC会用分阶段投资控制风险，即每次只向创业企业提供能支持其发展到下一阶段的资金，此时VC保留了未来重新评估企业投资价值的权利。张道宏和张贺(2006)研究了声誉机制下VC与创业企业合作的内在激励效应：若投资是一次性的，非合作型创业企业会采取不合作的行为或逆向选择；若投资是多阶段的，即使是非合作型的风险企业，为建立自身的声誉，也会在多阶段合作中一直采取合作策略。

分阶段投资时，VC不定期对创业企业进行评估并决定是否继续给予资金支持，处于有利地位，但创业企业家则面临较大压力。这一矛盾导致投资过程其实是VC与创业企业家之间的博弈。高声誉VC往往具有较强的话语权和影响力，而为获得高声誉VC的“认证效应”和更优质的增值服务，创业企业家往往被迫接受分阶段投资的条款。故本文提出以下假设：

H2：高声誉的VC采用分阶段投资的特征更强。

风险投资是在当前以确定的资本换取未来不确定性的收益，因此投资项目的信息至关重要。信号理论认为在信息不对称时，具有信息优势的一方能通过信号传递机制将信息传递给具有信息劣势的另一方，从而实现有效率的市场均衡。在投资中，VC从开始接触项目到最后确定投资，其间历经与创业团队接触、对行业深度分析、对企业开展尽职调查等环节，以较大的努力换取了内部信息。一旦VC投资该企业，即向市场传递了利好信息，减少了该企业与潜在合作伙伴、其他投资人等之间的信息不对称，缓解了初创企业由于人力及资金短缺、声誉匮乏从而难以向市场自我推介的问题。高声誉VC则能向市场传递更强烈的信号，其带来的认证效应能提升其他VC的投资意愿，且当VC采取分阶段投资并对企业追加投资时，会更进一步传达VC对企业的信心。

另一方面， VC在投资时存在从众心理，原因可能包括为节约搜寻和加工信息的成本、选择符合大众标准的行为以避免声誉受损、为将可能的失败归因于他人或者市场原因、由行业竞争引发了跟风行为等。从国内“共享经济”“区块链”“人工智能”一度成为投资风口来看，国内的VC也存在较为明显的羊群效应，特别是中小规模的VC会对标知名VC的投资方向。典型如共享单车领域，继愉悦资本投资摩拜单车、金沙江创投投资ofo小黄车后，悟空单车、小蓝单车等纷纷获得投资，而由高声誉VC领投的项目则更容易在竞争中获得后续融资机会。故本文提出以下假设：

H3：高声誉的VC参与投资后，创业企业后续融资进程更快。

VC希望通过提高资本流动率来释放风险，以便在资本增值的前提下提高成功退出率。循环投资、分阶段投资等方式是提高资金流动的重要方式，同时合伙制基金受有限存续期约束，期满时将迫使资本从项目中退出。投资退出速度不仅体现了VC创造收益的效率，也体现了VC对风险的控制能力。

来自创业企业、VC及外部市场的因素均会影响VC的退出速度，而由于VC在整个过程中占据主导地位，其影响也更为深远。VC的声誉对退出速度的影响体现在多方面：从项目来源看，高声誉VC投资更多优质项目，优质项目本身更吸引后续投资人或潜在收购方，为VC退出提供更大可能性；从投后管理看，高声誉VC有更丰富的经验和资源，能为创业企业提供更优质的增值服务，使企业发展、成熟更快，从而创造良好的退出时机；从后续融资看，高声誉VC基于自身的认证效应和网络地位，能激励更多投资人参与后续融资，热门投资项目在估值泡沫破灭之前往往出现 “接力式投资”，其间由于低声誉VC采取跟随策略，其投资、退出时机往往滞后于高声誉VC。

H4：高声誉VC的项目退出速度更快。

2 数据处理及实证分析

2.1 数据来源

本文先以“是否在早期阶段作为首个风险投资人投出独角兽”为标准构建不同声誉的VC样本。根据中国科学技术部火炬中心、胡润研究院等公布的独角兽企业名单，本文逐个查询其A轮及以前的VC投资人，并将首个参投的VC认定为高声誉，联合投资时则选择领投VC。普通声誉VC的选取方式如下：从私募通中导出所有VC名单并剔除已归类于高声誉的VC；将剩余1000多家VC按照表1中高声誉VC的规模分布进行分层，并从各层中随机筛选数量相近的普通VC。最后，本文共选取91家VC作为研究对象，并手工整理其成立时间、产权性质等基本信息。

表1 “投出过独角兽”的VC统计

其次，本文从私募通数据库提取了上述91家VC 2011—2017年的所有投资、退出事件作为初始样本，并根据以下标准进行调整、匹配：(1)剔除被投企业信息未披露的记录；(2)合并同一VC在同一投资轮次中以旗下多只基金同时投资的记录；(3)合并同一VC对同一企业的历次投资、退出记录，最终使单条记录呈现出如“VC—被投企业—A轮—C轮—退出”的形式；(4)将VC信息与投资—退出记录进行相匹配；(5)对缺失或错误信息，通过CV source、IT桔子、VC官网等补充更正，此外也联系私募通工作人员对信息加以核实。经过前述整理，最后得到2801条信息较为完备的投资事件记录。

2.2 变量定义

2.2.1被解释变量

本文构建因变量如下：(1)投资距离(travel_time)，体现VC投资的地理集聚性，通过爬虫抓取通过火车或飞机从VC大陆所在地到被投企业注册地的最短在途时间，较以往直接采用两地直线距离更准确；(2)是否分阶段投资(rounds)，VC对同家企业仅投资一轮则设为0，参投两轮及以上则设为1；(3)后续投资平均时间间隔(rounds_average_days)，指从VC首次投资至最后一次投资期间，被投企业后续融资的平均间隔时间(天)；(4)投资持有时长(inv_duration)，若项目已退出，则取首次投资日到退出日之间的时间间隔，若截至2017年底项目仍未退出，则取从首次投资日到2017年12月31日之间的时间间隔(年)。

2.2.2解释变量

本文以“是否在早期阶段作为首个风险投资人投出独角兽企业”作为声誉指标，具体定义如下：若VC曾在独角兽企业A轮及A轮之前以首个风险投资人身份参与投资(若同一轮次为联合投资，选择领投方)，则认定该VC具有挖掘明星创业企业的优秀能力，且树立了品牌，高声誉指标(unicorn)设为1，否则为0。

2.2.3控制变量

考虑数据的可得性和完备性，本文设计控制变量如下：

(1)和VC相关的变量。定义投资经验(inv_exp)为VC在某次投资前的累计投资项目数；对外资VC， foreign设为1，否则为0；同时对纯内资VC，穿透核查其股东背景及实际控制人，将各级人民政府、国有资产监督管理委员会、发改委等政府机构股东的持股比例加总以构建国有股东持股比例(state)；对公司制VC，变量Ltd设为1，合伙制为0；历史投资项目退出率(exit_rate)为投资项目总数与退出总数之比。

表2 变量说明

(2)和被投企业相关的变量。根据私募通的行业分类标准将被投企业划分11个行业大类，并设置行业分类变量(industry)；若被投企业属于生物科技、人工智能、云计算等技术门槛较高的细分行业，则高新技术变量(high_tec)设为1，否则为0；变量city代表被投企业所在地是否为一线城市。

(3)和单个投资事件相关的变量。企业发展阶段一般分为种子期、成长期、扩张期和成熟期，一般来说，扩张期和成熟期的企业商业模式较为成熟，投资风险较低，因此若投资发生在种子期或初创期，则变量(early)设为1，否则为0；若同一VC在同一轮以旗下多只基金对同一企业投资的，将投资金额(inv_amount)和持股比例(share)分别求和；unicorn_before变量表示在本轮投资前，是否已接受其他高声誉VC的投资；虚拟变量IPO和MA分别代表上市退出和并购退出；设定投资年份(year)以控制外部环境对投资行为的影响。

2.3 模型构建

为检验模型1，构建多元线性回归模型如下：

travel_time=β1unicorn+β2high_tec+β3foreign+β4grow_capital+β5state+β6unicorn_before+β7city+β8inv_exp+β9Ltd+β10exit_rate+β11inv_exp+β12early+β13share+β14inv_amount+β15IPO+β16MA+controls(year,industry)+cons

为检验模型2和3，分别构建logit模型如下：

Logit(early)=β1unicorn+β2high_tec+β3foreign+β4grow_capital+β5state+β6unicorn_before+β7city+β8inv_exp+β9Ltd+β10exit_rate+β11inv_exp+β12MA+β13share+β14inv_amount+β15IPO+controls(year,industry)+cons

Logit(rounds)=β1unicorn+β2high_tec+β3foreign+β4grow_capital+β5state+β6unicorn_before+β7city+β8inv_exp+β9Ltd+β10exit_rate+β11inv_exp+β12early+β13share+β14inv_amount+β15IPO+β16MA+controls(year,industry)+cons

为检验模型3，构建多元线性回归模型如下：

rounds_average_days=β1unicorn+β2high_tec+β3foreign+β4grow_capital+β5state+β6unicorn_before+β7city+β8inv_exp+β9Ltd+β10exit_rate+β11inv_exp+β12early+β13share+β14inv_amount+β15IPO+β16MA+controls(year,industry)+cons

为检验模型4，本文采用比例风险回归模型(Proportional hazards model，简称Cox模型)进行半参数回归。由于该模型能分析带有截尾生存时间的样本，且不要求对总体分布做出任何假设，故在本文背景下可同时利用退出和未退出的投资事件研究VC的退出速度。

h(t)=h0(t)exp(β1unicorn+β2high_tec+β3foreign+β4grow_capital+β5state+β6unicorn_before+β7city+β8inv_exp+β9Ltd+β10exit_rate+β11inv_exp+β12early+β13share+β14inv_amount+β15IPO+β16MA+controls(year,industry)+cons)

其中：因变量h(t)是风险率，若某个自变量的系数显著为正，则说明该自变量对风险率有正向影响，为危险因素，在本文背景下说明应缩短投资持有时长、加快投资退出速度；若系数显著为负，则说明该自变量为保护因素，应增加投资持有时长、降低退出速度。

3 实证结果与分析

3.1 主要变量的描述性统计

主要变量的描述性统计如表3所示。91家VC中，平均成立年限为14年；纯内资背景的有55家(其中19家具有国有资本背景)，合资背景1家，外资背景35家；管理资本规模平均为39.34亿美元；投资项目数平均为215个，项目退出数平均为36个，项目退出率平均为22.50%；投资事件的统计显示，VC与被投企业之间的平均在途交通时间为2.64小时，最长为6.75小时；分阶段投资轮次平均为1.11轮，最多7轮；截至2017年12月31日，VC平均持有投资时长为2.50年，最长持有时间为5.99年，最短为0.11年(实际为2017年11月22日刚投资完毕)；被投企业后续融资平均时间间隔为291天，其中最短的为23天，最长的为1249天；32%的投资发生时，对应的被投企业已接受过高声誉VC投资；此外，早期投资占48%，中后期投资占52%，证实我国存在“VC PE化”的特点。

表3 主要变量的描述性统计

3.2 多元回归分析

本文首先对各变量做诊断性检验，发现投资金额(inv_amount)和持股比例(share)两个变量的非正态性较严重，因此通过对数化处理改善分布。多元回归过程中，根据OLS结果作出残差图，发现其呈现喇叭口状，又经White检验和BP检验，认为其存在较强的异方差性，故本文最终采用加权最小二乘法(WLS)验证假设1和假设4，以减少异方差性对结果的干扰。回归过程中均采用逐步回归法(stepwise regression)对变量进行筛选。最后，本文分别对每个模型计算了方差膨胀因子(VIF)以检验多重共线性，各模型的检验结果显示VIF均小于5，在容许阈值之内，因此排除了多重共线性问题。各模型回归结果如表4所示。

表4 实证回归结果

注：*p< 0.1,**p< 0.05,***p< 0.01；Logit模型报告的是稳健标准误，并采用Z检验。

模型1结果显示，unicorn系数不显著，说明当前不同声誉的VC在投资空间距离特征上无明显差别，H1不成立，但inv_exp的系数在1%的水平下显著为正，说明过往投资案例数越多，越有助于减少VC对远距离投资的顾虑。模型2的结果显示，unicorn的系数为0.404，在1%的水平上显著，从经济意义上来说，高声誉VC投资早期项目的概率比低声誉VC高约10.08%，H2成立。模型3结果显示，unicorn的系数为0.421，在5%的水平上显著，从经济意义上来说，高声誉VC分阶段投资的概率比低声誉VC高约2.97%，H3成立。模型4结果显示，unicorn的系数在5%的水平上显著为负，说明高声誉VC参与投资后，被投企业后续融资平均时间间隔减少约25天，H4成立。

在探究声誉与退出速度的关系时，基于生存资料本文首先对声誉指标(unicorn)做Logrank单变量检验，结果显示p值为0(见表5)，故认为不同声誉VC的退出速度有明显差异。

表5 Logrank法分析结果

进一步采用基于投资行业分层的Cox回归模型，结果显示：在5%的显著水平下，unicorn系数显著为负，说明其为保护因素，即高声誉VC投资持有时间更长，与H4相反。同时，控制变量的回归结果显示，在1%的显著水平下，首次投资在早期阶段(early)、VC的外资背景(foreign)系数显著为负，说明早期投资和外资VC因素提高了投资持有时长，而VC的历史项目退出率(exit_rate)的系数在5%的水平上显著为正，说明VC的历史退出率越高、投资持有时长越短。

用Kaplan-Meier法绘制不同声誉VC投资后被投项目的生存曲线(见图2)，可见高声誉VC投资持有时长明显高于低声誉VC。

图2 不同声誉的VC在投资持有时长上的差异

4 结果与讨论

VC的声誉体现了其投资能力，已有研究常用投资回报率、项目IPO退出数等指标来衡量VC声誉，本文提出以“是否在早期阶段作为首个风险投资人投出过独角兽”衡量VC声誉，可更真实地体现VC对早期项目的投资能力。本文收集了91家VC 2011—2017年的投资—退出数据库，利用WLS模型、Logit模型、Cox模型等对VC声誉和投资时空特征之间的关系展开了实证研究。结果发现：(1)不同声誉的VC在投资空间距离偏好上无明显差异，但过往投资案例数对远距离投资容忍度有正向影响；(2)高声誉VC采用分阶段投资的特征更明显；(3)高声誉VC参与投资后，被投企业后续融资平均时间间隔变短；(4)高声誉VC对投资持有时间更长，即退出速度更慢。这一结论与叶小杰(2014)基于2002—2009年的实证数据所得出的结论相反，可能的主要原因在于不同时期的A股市场影响了VC对退出方式和时机的选择。在2001年、2004年、2005年、2006年、2008年，我国A股市场频繁且不定期暂停IPO，期限短则3个月，长则1年，政策的波动性和不确定性极大影响了VC对退出方式和时机的决策。此后，创业板于2009年10月正式开市，拓宽了IPO退出的渠道，之后我国仅在2012年和2015年两次暂停了IPO，A股市场较2009年之前有所成熟，VC和企业家推进上市的意愿也更强。考虑到当前IPO要求高、审核周期长的背景，VC的持股时长也变得更长。

基于当前VC追逐独角兽的背景，本文提出了新的声誉指标，丰富了与VC声誉相关的研究；此外，基于所整理的2011—2017年的风险投资样本，本文在最新背景下研究了不同声誉的VC在投资时空特征上的差异性，有利于了解我国VC行业发展的最新现状。未来则可从事件驱动角度进一步研究IPO暂停对VC投资—退出行为的影响。