公司风险投资的分散与过度投资行为——基于行业间相互投资网络的绩效评估

○ 汪寿阳 陈 实 乔 晗 卢全莹

引言

公司风险投资（Corporate Venture Capital，简称CVC）起源于20世纪60年代美国的医药行业，是风险投资的一种，主要指带有战略和财务目的的成熟企业对创业企业的股权投资。党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》报告指出，要“健全多层次资本市场体系”“多渠道推动股权融资”“提高直接融资比重”。CVC作为风险投资的一种，能够促进成果的工程化和商业化，促进高新技术的发展，是有效的投资工具，对于企业开辟直接融资渠道具有重大意义。[1]

近年来，CVC在风险投资市场的重要性不断提升。据风险投资数据库CB Insights的数据显示，2018年全球新成立CVC机构264家，相比2017年增加35%，而2013年这一数字仅为61家。我国第一笔CVC交易产生于1998年，至今CVC已经发展20余年，大量知名公司（腾讯、阿里、联想、海尔等）陆续建立风险投资部门。以腾讯为例，2018年投资案例183起，截至该年底其投资案例总数754起，投资规模已经远超大部分独立风险投资（Independent Venture Capital，简称IVC）机构。

CVC和IVC具有显著差别。CVC往往带有战略目的，因而CVC战略资源的导出与投资双方战略协同竞争是核心关注点。在风险投资的四大流程“募资、投资、投后管理、资本退出”中，CVC具有企业内资金支持、产业内部信息优势、战略资源和行业专家支持、长期持有股权的意愿和潜在并购意愿等多个业务流程点的优势。与此同时，CVC由于具有财务和战略双重目的，两种目的之间需要相互协调,也存在资本运作能力、投后管理能力相对较弱的问题。因此，研究如何利用好CVC的优势资源，避免因CVC独特特征造成的绩效损失，具有重要意义。

对分散投资和过度投资行为的研究常见于证券投资和企业管理领域。一方面，风险投资同时具有投资属性和企业管理属性，两种理论能够在风险投资领域进行延伸。分散投资行为和过度投资行为直接影响风险投资的业绩，影响风险投资作为市场融资工具的效率。另一方面，由于数据获取困难等原因，在风险投资领域对分散投资和过度投资行为的实证研究较少，需要大样本实证研究对既有理论进行验证，为业界实践、政策制定提供依据。

基于此，本文对CVC的绩效进行以下三个问题的研究：一是分析对IVC绩效产生重要影响的因素对CVC是否有效；二是实证检验CVC投向同行业或者强关联行业时投资绩效是否优化，从相反的方向来说，即多行业分散化的布局是否会导致绩效的降低；三是验证扩大CVC的规模是否影响投资绩效，进而验证影响的来源。CVC是企业对企业的投资，投资方和被投方都具有独立的行业属性，行业间的相互关联会对投资绩效产生重大影响，因而可以从行业对行业投资的角度解读该问题。本文依据分散投资和过度投资理论，基于行业相互投资网络的新视角提出优化CVC绩效的新途径，为公司提升风险投资绩效提供借鉴。

一、文献回顾

通过对现有文献的梳理，研究分别从公司风险投资、战略协同竞争、分散投资和过度投资等方面进行综述。

1.公司风险投资相关研究

国内外的学者对CVC定义进行了大量讨论。对认可度高的CVC定义[2-4]进行比较分析发现，这些定义的核心点主要有三个，即“主体”“行为”“目的”，其中对“目的”的讨论最为重要。而投资目的的区别也是CVC与IVC的核心差异点。综合主要文献，CVC主要是成熟公司发起或控制的、[2]依靠行业经验、[3]选择高潜力的创新企业进行的股权投资，并从中获得战略和财务回报。[4]

对公司风险投资（CVC）与独立风险投资（IVC）进行比较一直是风险投资领域的研究重点。学者们通过文献梳理指出CVC与IVC在合法性、权利结构、活动、资源和优势、关注重点、激励机制、作用机制等多个方面存在显著区别。[5]实证研究结果认为，CVC与IVC的投资绩效没有显著差别，CVC与IVC投资的项目在上市占比上类似。[2,6]有的学者认为CVC比IVC能更显著地提高企业的价值创造，CVC能显著提高被投企业和投资企业在技术投入、IPO等各个方面的绩效，[7-9]但乔明哲等[10]认为CVC降低了被投企业的IPO溢价。可见，现有研究对CVC与IVC的投资绩效差异仍存争议。

学者们对风险投资的绩效影响因素进行了大量实证研究,这些研究都可以在CVC领域进行延伸。投资机构绩效的影响因素涵盖非常广，以往研究认为机构资本规模、从业时间、投资规模、投资周期、退出方式等多个影响因素对收益率都存在显著影响。[11]绩效影响因素研究中，学者们在四个方面讨论较多。一是投资机构行业地位造成绩效的差异，尤其是网络中心性对于风投机构退出成功概率有正向影响；[12,13]二是不同投资方式差异带来绩效差异，如投资事件中领投方和跟投方存在显著的绩效差异；[14]三是不同背景投资机构的绩效差异，如国有背景风险投资的投资行为和投资绩效问题、[15]不同背景的风险投资对信息披露制度作用的发挥产生了不同影响；[16]四是投后管理的有效性问题，投后管理的作用整体被认可，[17]但不同类型的投后管理对被投企业的成长具有不同的作用，[18]风险投资投后管理的存在有利于引入战略资源和人才队伍，使被投企业的研发创新和专利数增加。[19,20]此外，地理亲近、[21]高管团队背景、[22]投资机构声誉[23]等因素也是近年学者们关注的新的研究角度。

近年来，学者们对CVC绩效的关注度增加，针对影响CVC投资绩效因素的研究也成为重要问题之一。但现有文献对该问题的研究还不够系统，未形成统一的分析框架和研究思路。[24]部分研究零散地给出了一些影响因素，如单纯追求财务目标的CVC比追求混合目标的CVC投资绩效更好、[25]投资组合的多样性与投资方的创新绩效呈倒U型关系、[26]采取资源整合策略的CVC投资绩效更好[27]等。另外常用控制变量，如投资时间、项目规模、投资经验等也是影响风险投资绩效的因素。[28]

风险投资市场中存在大量多机构联合投资案例，因而利用社会网络分析方法研究风险投资是该领域研究的重要手段。而风险投资的网络联结地位有助于实现多样化投资、降低投资风险、[29]提高投资绩效[30]等。联合投资网络中，投资机构的中心性、联结质量等因素也对投资绩效有正效应。[12,13,31,32]网络结构和网络地位也是公司战略研究的关注重点，企业所处的网络关系对产业结构、产业内企业分布形态、企业资源和能力等都有影响，[33]网络关系建设促进企业创新能力提高。[34]除此之外，关于网络效应的“传染性”研究也是近年风险投资领域的热点，这类研究不但认为风险投资的网络关系具有“传染性”，而且在“强联结”关系中表现出较高的薪酬传染性。[35]也有研究提出，风险投资网络中存在被投企业股价的“传染性”。[36]

2.战略协同竞争相关研究

提升与外部企业的战略协同、降低竞争是企业提高经营绩效的重要手段。战略协同的过程即企业通过构建核心竞争力，向关联性业务进行转移扩散，形成良性多元化格局的过程。[37]企业合作关系对企业绩效有显著正向影响，[38]而较大规模的市场竞争不利于企业的成长和创新，[39]市场竞争加剧对CVC被投企业价值创造产生负向影响。[40]因而企业需要提高与合作企业的战略协同，降低市场竞争。现有文献从不同角度解读战略协同。如从关系质量、关系认知、组织能力对合作绩效的影响进行评估，[41]或从目标协同性、文化相容性和创新资源能力互补性三个维度评估战略协同能力，[42]这些研究也都认为战略协同对合作绩效具有显著的正向影响作用。CVC中投资方和被投方的关系具备战略竞合的特性，一方面股权持有关系加强了投资双方的合作基础与产业链协同，另一方面CVC投资可能导致投资双方之间商业机密、技术的泄露，不利于创业公司成长。本研究将依据公司之间战略协同竞争关系的推演提出行业相互投资网络关联度问题影响投资绩效的假设。

3.分散投资与过度投资相关研究

以往文献对于分散投资行为和过度投资行为的研究主要聚焦在证券投资领域和企业管理领域。风险投资一方面是投资行为，另一方面需要深入参与被投企业管理，因而两种理论都能在风险投资领域进行很好的延伸。

分散投资理论在证券投资领域往往和投资组合理论一起提出，主要指通过多种证券的投资组合规避“非系统性风险”。分散投资具有两面性，一是分散化的投资能够有效分散风险，二是数量众多的证券组合可能导致高额的管理费用、降低组合收益率。[43]我国股票市场个股表现优劣相对悬殊，盲目追求分散化投资和增加组合规模使得大量资本无法优化配置。[44]已有文献对于风险投资的分散投资行为研究较少，存在零散研究认为投资组合的多样性与投资方的创新绩效呈倒U型关系。[26]本文对这一问题进行了更加深入的研究，拓展了对风险投资机构分散投资行为的理解维度。从两个维度解释风险投资的分散投资行为，一是组合规模维度，二是投资组合行业分布维度，前者指投资组合中标的数量多少，后者指风险投资在选择创业公司时的行业分布问题。在CVC领域，投资方和被投方都具有所属的行业类型，战略资源导出的特性使其投资的行业分布问题更为重要。

过度投资理论的以往研究更多集中在企业管理领域，主要指企业的盲目扩张与过多的项目投资。学者们一般认为企业出现过度投资问题的根源在于所有权与经营权分离所形成的委托代理关系。[45-47]有学者主要通过考察投资现金流相关性寻找企业过度投资行为的证据、从企业端寻找过度投资的成因，发现企业规模越大、所有权与经营权之间的代理问题更严重时，过度投资行为会更多。[45,47]而外部制度因素、市场化进程、管理者背景特征等也会对过度投资行为产生重大影响。[48,49]在CVC领域，投资主体是企业，对外过量进行股权投资也是过度投资行为的一种。而CVC的投资方和被投方之间有较强的战略资源协同关系，过度投资可能会导致战略资源的分散，降低投资绩效。

分散投资行为和过度投资行为在风险投资和公司风险投资领域往往成为一个问题的两个方面，一个问题是投资的绩效问题，两个方面即在投资组合数目和行业分布两个维度上的决策行为。

4.文献回顾总结

通过文献梳理发现，现有文献仍然存在一些不足和可以改进的空间。一是CVC的投资行为具有与IVC不同的特征，两者对于战略目的和财务回报的取向有较大差异，战略上的相互协同和在竞争中取得优势是CVC的重要目的，可以基于此进行CVC战略目的的相关研究，分析CVC投资双方独特的竞合关系。二是对于CVC绩效的实证研究较少，目前对于CVC的研究以比较研究、理论构建的定性研究为主，对于IVC绩效实证研究往CVC领域的迁移不足。三是分散投资和过度投资理论在已有文献中主要聚焦在证券投资和企业管理领域，但其在风险投资领域也具备较好的延伸性，能够进行拓展性研究。四是已有文献对公司风险投资研究的实践指导意义仍相对不足，特别是与中国的实际情况结合不够，以至于难以在实践上形成有效指导。本文就以上存在的不足进行了相应的完善和改进。

二、研究设计

1.数据来源与说明

要进行CVC的绩效研究，首先需要完成对CVC机构和IVC机构的定义与识别问题。本文将公司风险投资定义为“带有战略和财务目的的成熟企业对创业企业的股权投资”。参照以往的研究，[2-4]本文制定标准如下，一是出资人仅为非金融投资业母公司及下属子公司，二是以出资换取股权。虽然这样的区分标准仍存在一些问题，如金融机构与金融科技公司难以区别、部分信息为商业秘密难以获取等，但总体而言这两条标准已经可以较好地用来筛选出大部分CVC投资案例。在确实难以确定是否为CVC机构时，本文基于创业邦、投中网CVsource、清科数据库、企名片、烯牛数据等跨库的多库信息比较确定其是否为CVC机构。

基于文献回顾，可以看到IVC的绩效会受到投资案例中投资方的领跟投地位、投资轮次、被投企业所属区域、公司成立时长、投资方网络地位等因素的影响。[12,15,50]这些变量也可以作为控制变量加入模型。

已有文献中，学者们往往将被投企业是否进入下一轮次投资、IPO、被并购等作为投资绩效的评价指标。[12,14,50]也有部分学者通过投资回报率考核风险投资机构的投资绩效。[11,15]因为数据难以获取，以往研究中少有基于大样本收益率数据的实证研究文献。考虑到本文的数据时间结构限制和过往文献主要采用的窗口期选取，本文采用4年内是否二次融资运作作为评价指标，[14,30]二次融资包括IPO、被并购、二次融资、管理层收购等被资本市场认可的标志性事件，该指标能有效反映被投企业因为商业模式合理、营收盈利快速增长而受到的资本市场认可，是量化创业企业成长的典型标志。其在过往文献中也表现出了良好的可应用性。[12,14,50]

由于主流数据库的数据积累相对比较完善主要始于2012年，且需要预留4年的二次融资观察的窗口期，[14,30]本文选取了投中网CVsource数据库2012-2014年的风险投资数据，筛选出CVC参与投资的数据共1758条。包括单个交易的投资方名称、所属行业、领投/跟投地位、简介、成立时间，被投方的所属行业、所在地、经营状态（包括在营、存续、吊销、开业等），交易的轮次、交易时间等信息，是典型的横截面数据。另外，通过清科等其他数据库对投资方的合作投资项目数等信息进行手工补足，通过以虎博数据库为核心依据的多库对比确认被投企业在4年窗口期是否有下一轮融资信息进行手工补足。由于数据缺失问题，删去87条数据，本研究最终采用数据为1687条。由于删去数据占比较小且为要素缺失的数据，整体认为余下数据仍具代表性。经过处理后，描述统计与数据说明结果见表1。

表1 样本数据的描述性统计

2.研究假设

本文主要对公司风险投资的绩效做三个方向的研究。一是公司风险投资本质仍属于一种风险投资，那么被以往研究公认的风险投资绩效的影响因素，在公司风险投资领域是否仍然有效？二是公司风险投资的投资方和被投方都具有所属的行业类别，公司风险投资的重要特征是具有战略协同的特性，而这样的战略协同对于同行业或强产业关联的行业是否更强？即公司风险投资投向同行业或者强关联行业时投资绩效是否有优化？本文基于行业间的投资网络研究这一问题。三是公司风险投资的过度投资行为，即投资企业的投资规模是否降低投资绩效？同时进一步探究可能存在的负向作用的来源。

公司风险投资本质仍属于风险投资，在已有的风险投资文献中，风险投资的绩效与领投跟投地位、[14]投资轮次、[51]被投企业所属区域、[11]被投企业成立时长、[50,51]联合投资网络地位[12,50]等因素显著相关。因而首先需要验证CVC是否具有同样的相关特征。领跟投因素中，风险投资的领投者往往需要承担主要尽职调查任务，主导进行估值谈判和交易合同制定等，风险投资领域存在典型的跟投者“搭便车”现象，[14]这一情况在CVC领域也可能存在；投资轮次和被投企业成立时长因素中，投资轮次越靠后，其公司商业模式的稳定性越强，公司体量越大，相对风险更小；被投企业所处区域因素体现了地方经济发展水平对被投企业的影响；联合投资网络地位体现了投资方在行业中的地位，能够有效体现其资源聚合能力和信息获取能力，往往是影响投资绩效的重要因素。基于以上说明，本文提出下列假设：

H1：独立风险投资绩效影响因素中的领跟投地位、投资轮次、被投企业所属区域、被投企业成立时长、联合投资网络地位等在公司风险投资中仍然适用

H1a：公司风险投资参与的联合投资中，跟投者的绩效显著好于领投者

H1b：风险投资轮次越靠后，被投企业的成长绩效越好

H1c：北京、上海、广东区域的被投企业成长绩效显著好于其他区域

H1d：被投企业的成立时间越长，其成长绩效显著更好

H1e：参与投资的公司风险投资机构网络地位越高，其被投企业的成长绩效显著更好

CVC与IVC具有显著差异。CVC动机是战略与财务目标的结合，有研究认为战略目标是CVC的核心目标之一。[4]基于“资源互补论”所提出的观点认为，CVC能向被投企业提供更多的互补性资产，加速新创企业的技术创新及商业化过程，[52]CVC投资中的风险共担能够帮助被投企业获得“合法性”和抵御技术投资风险的不确定性。[53]但资源互补论也从另一个方向认为，被投企业可能被投资方汲取技术、市场等资源甚至直接被吞并核心竞争资源，CVC投资的动机是获得被投方新技术的“窗口”。[54]被投方与投资方既是“鱼水相依”的战略伙伴，有时又容易形成“与鲨共舞”的危险。[5]本文将战略资源的导出作为CVC绩效的重要影响因素，纯粹战略资源的导出能够更好地促进被投企业成长绩效的提升。

CVC中的投资企业和被投企业都具有行业属性特征。行业间的关联是CVC投资中战略资源导出的关键问题。例如，互联网公司腾讯与电商企业京东具有显著的行业关联和战略协同，但很难说腾讯与某个机床制造厂有很强的战略协同。通过投资双方所具有的行业属性，可以将一个公司对公司的投资事件转化为一个行业对行业的投资事件。本文将投资事件分类为同行业投资和跨行业投资，跨行业投资又可以划分为强产业关联投资和弱产业关联投资。从战略资源的适配度和竞争关系两个方向分析并提出猜想，[37-39]同行业投资的确能实现高效的资源适配，但交易双方的竞争关系会更强，对被投企业成长的影响不尽明晰；强产业关联投资在资源适配度上较强，双方竞争关系相对弱，战略协同效应好；弱相关行业投资双方虽然没有竞争关系，但战略资源适配性差，战略协同性相对较差（见表2）。

表2 不同类别CVC双方的战略协同性与竞争关系

基于以上分析，本文认为同行业间相互投资、强关联行业相互投资与弱关联行业相互投资从战略协同性和竞争关系问题的视角会存在差异。据此提出以下假设：

H2：公司风险投资中双方的行业属性的网络地位会显著影响被投企业成长绩效

H3：同行业公司风险投资事件中被投企业成长绩效显著好于其他投资事件

H4：强产业关联的公司风险投资事件中被投企业成长绩效显著好于弱关联投资事件

IVC领域的“经验积累有利论”认为，风险投资的投资经验与增值服务增长能力对于其投资绩效有正向作用。过往文献通过风险投资机构的年龄、[55]过往投资次数、[51]过往投资规模[56]等指标衡量风险投资的经验增长。也有部分学者提出了投资绩效与过往投资次数存在倒U型关系的观点。对IVC来说，投资是其核心业务，IVC具备较强的投后管理能力，投资数目增多是一个经验积累过程，而过多数目的投资可能导致类似“有限注意力”下的竞争性信息分散，使得投资决策失误，[57]最终导致投资绩效下降。IVC领域出现投资数目的正向作用或者倒U型作用是符合直觉的。

但在CVC领域，CVC投资主体是企业，对外的股权投资是一种企业管理行为，其投后管理能力相对较弱，而以资源导出为主要手段扶持被投企业，可能出现企业管理中的“过度投资”行为。专业的投后管理能力相对较弱却进行过多的对外投资会导致战略资源分散，进一步导致投资绩效下降。而过度的对外投资可能导致投资方对于主业的放松和业绩下降，弱化企业本身的战略支持能力。因此可能产生与风险投资领域相反的“投资数目增长投资绩效反而下降”的现象。

本文采用投资事件中投资企业的总投资数衡量CVC是否存在投资过度问题。据此提出以下假设：

H5：公司风险投资投资总项目数越多，被投企业的成长绩效和存活率越差

基于上述假设，CVC对于强关联行业的投资具备较好的战略资源适配度，有利于投资方与被投方形成良性的战略协同竞争关系。因为对于单个CVC来说，其往往只投资几个行业，在多数行业的投资数都是0，使我们很难直接识别弱关联行业过度投资的影响，只能通过强关联行业未产生影响进行间接论证。即CVC强关联行业案例数的增加如果对投资绩效呈正向影响，则可以显示出来自弱关联行业的过度投资带来的负向影响。因此，本部分进一步拆分“投资数目”这个指标，如果CVC对于强关联行业的投资案例数增加，对于CVC的投资绩效没有产生影响甚至产生正向影响，则可以更稳固地说明对于弱关联行业的投资是CVC投资绩效降低的主要原因。同时还能有效呼应前列假设，实现相互印证。基于此，本文提出以下假设：

H6：公司风险投资对于强关联行业的投资项目增多，被投企业的绩效不会降低

总结以上三个研究主题的说明，本文研究思路见图1。

图1 研究思路

3.模型构建

对于假设H1，本研究拟将“是否在4年内二次融资”的二分类变量作为被解释变量，用于判断被投企业的成长绩效，利用Logistic逻辑回归模型[12,14,50]进行实证研究，将领投跟投地位、[14]投资轮次、[51]被投企业所属区域、[11]被投企业成立时长、[50,51]联合投资网络地位[12,50]等因素作为被解释变量，验证传统IVC实证研究中得到的影响因素的有效性。具体模型如下：

对于假设H2、H3和H4，本文借用社会网络分析的方法，将2012-2014年交易数据中的投资方和被投方按CVsource分类的25个行业类别进行划分，形成典型的有方向的网络关系。同时，利用UCINET软件绘制各个行业间的相互投资网络，线条的粗细程度显示投资案例数目的多少，如图2所示。

图2 CVsource 2012-2014年25个行业间的相互投资网络

本文使用的网络联结是典型的有向网络数据，即各条数据都是投资方对被投方的投资，因而选用的主要指标为点出度中心性、点入度中心性和特征向量中心性。点入度中心性度量了行动者收到网络联结的数量。在本文中，投资方的点入度中心性无意义，但被投资方的点入度中心性Invested_indeg，可以代表其受到的重视程度和在网络中的被投资地位。点出度中心性度量了行动者发出网络联结的数量。在本文中，投资方的点出度中心性Invest_outdeg可以代表其作为投资方的网络地位的重要性，被投方的点出度中心性无意义。特征向量中心性是度量接近中心性的指标，它根据网络联结重要性的不同进行了加权处理，目的是找出最中心的行动者，体现了行业在相互投资联结网络中的中心性地位。本文使用UCINET计算了投资方点出度中心性、被投资方的点入度中心性和双方的特征向量中心性。

另外基于行业间的相互投资网络还可以生成多个新的数据指标，首先是同行业投资Same_industry，当投资双方属于同行业时标记为1，否则标记为0。然后是行业联系强度指标Close_industry，显示的是某一行业对外投资案例数中某个被投行业的案例数占比。本文将25个行业依次记为1至25，Ni,j表示i行业对j行业的投资案例数，Close_industry计算公式为Close_industry=Ni,j/(∑25j=1Ni,j）×100%。以上两个数据可以用于度量投资方和被投方在网络中关联的紧密程度。

投资方行业的点出度中心性、被投方行业的点入度中心性和两方的特征向量中心性共4个数据，可以用于度量所属行业资源导出位置、受重视程度、网络地位的重要程度对于被投企业成长绩效的影响。同时，也可以作为控制变量，分离出行业联系强度指标Close_industry中的被投企业行业的重要性信息，使模型具有更高的可靠性。生成新的解释变量描述统计见表3。

表3 行业间相互投资网络统计量的描述性统计

本文仍采用“是否在4年内二次融资”的二分类变量作为被解释变量，利用H1中的各个解释变量作为控制变量，利用Logistic逻辑回归模型进行实证研究。构建模型如下：

对于假设H5、H6，本文基于CVC投资事件中投资企业的总投资数Num_invest，构建Logistic模型，评估CVC的过度投资行为对被投企业成长绩效和存续情况的影响。同时设立了对于投资数量最多的前3个行业案例数指标Num_top3，并将其作为强关联行业投资数的衡量指标。具体模型如下：

三、实证结果与分析

1.实证检验与分析

本部分基于研究设计中的假设逐个进行实证检验并分析。首先，基于假设H1的模型回归检验风险投资中的领跟投地位、轮次、区域、成立时长、机构投资网络联结数等影响因素对于CVC领域是否依然适用的问题。本文将五个因素作为解释变量整体进行回归，然后逐个减去其中一项对其他项进行回归，这样通过6次回归的结果对比，能更好地判断结果的稳健性。回归结果见表4，可以看出，CVC机构作为跟投机构时的绩效显著好于领投；轮次越往后被投企业获得二次融资的比例越高；北京、上海、广东地区企业的CVC投资绩效显著好于其他区域；被投企业成立时间越长，其获得二次融资的比例越高。但在CVC领域，投资方在整体投资网络中网络联结的数量并未显著与投资绩效相关。因此，可以认为在CVC领域，机构自身的网络位置带来的正效应较弱。通过多次缺省变量回归的对比，各个解释变量系数基本保持不变，认为得到的结果具有稳健性，假设H1基本成立。领跟投地位、轮次、区域、成立时长等因素在后文研究中将被作为控制变量辅助研究。

表4 公司风险投资绩效受领跟投地位、轮次、区域、成立时长、机构投资网络联结数影响

结合前文多行业相互投资网络的分析可以发现，投资方的点出度中心性、被投方的点入度中心性及双方的特征向量中心性具备实际内涵，能够测度不同行业的对外影响度、所受的重视程度和重要程度，回归结果见表5。表5的结果显示，投资方的点出度中心性和特征向量中心性对投资绩效无显著影响。但被投方的点入度中心性和特征向量中心性会对投资绩效产生显著的负向影响，本文猜想这种负向影响产生的原因，可能是受关注行业的竞争加剧，导致企业二次融资比例的下滑，也部分说明了对某个行业的过量投资可能导致被投企业成长绩效的下滑。假设H2部分正确。这4个指标将会被加入后文模型中作为控制变量，分离出行业本身网络地位带来的影响。

表5 行业间相互投资网络关系中行业网络特征的影响

本文研究的核心内容是行业相互投资网络关联视角下的CVC绩效，故需要关注行业与行业间关系的紧密程度对于被投企业成长绩效的影响。前文提出投资方与被投资方的关联分为同行业、紧密关联行业和弱相关行业三种。首先，本文对于同行业相互投资的被投企业成长绩效进行分析，基于假设H3提出的模型，进行计量回归，结果如表6所示：CVC投资的交易双方公司为同行业时比异行业绩效整体更好，但在进行缺省变量多次回归比较时其显著性相对弱化，但整体数值基本稳定。另外，为了防止内生性问题，在控制变量中添加了行业融资膨胀度指标，用于平衡投资行业热度本身带来的影响。因此，本文认为该结果部分支持了假设H3，即同行业CVC事件中被投企业成长绩效整体上好于其他投资事件。

表6 同行业公司风险投资绩效实证

在研究了同行业CVC投资的绩效后，从行业间联系紧密性角度出发，对假设H4进行讨论。我们将行业联系强度指标Close_industry代入计量模型进行回归分析，结果如表7显示：在行业相互投资网络中被投方与投资方关系越紧密，其成长绩效显著更好。通过缺省变量多次回归的结果显示，其显著水平始终维持在1%以下。所以本文认为该结果非常强地支持了假设H4，即认为强产业关联的CVC事件中被投企业成长绩效显著好于弱关联投资事件，交易双方行业的关联越紧密，其投资绩效越好。

表7 强行业关联的公司风险投资绩效实证

基于以上部分的研究，本文认为CVC应该聚焦于关联性强的行业，分散投资会导致投资绩效下降，也不利于被投企业的成长。其影响机制为关联性强行业间的战略资源的协同性与相对较低的相互竞争关系。

在讨论投资的行业关联与分散性问题后，本文讨论CVC是否具有规模效应，即CVC过度投资行为研究。过去已有研究认为，可以用以往投资次数来衡量有经验的风险投资经验，实证结果显示以往投资次数越多，IPO退出概率越高。[51]但CVC由于投资方往往拥有自己的主营业务，其过度投资行为可能会导致聚焦主业不精、战略资源导出分散等问题。基于此，本文使用与前文同样的模型，代入企业投资项目数的对数LNum_invest。结果显示，CVC的规模效应递减，投资项目越多的CVC机构其投资绩效反而更差。为了验证这一结果的有效性，本文将被解释变量替换为截至目前是否仍然存续的Exist，结果显示，投资项目越多的CVC机构的被投企业存活率更低。有趣的是，北上广区域被投企业的二次融资率显著高，但存活率显著低于其他区域，这可能是由我国企业破产清算体制在一线城市更完善。综上，表8、表9的结果支持了假设H5，随着CVC的项目数增多，被投企业的成长绩效和存活率显著下降。

表8 公司风险投资规模效应递减

表9 公司风险投资投资规模越大被投企业存活率越低

总体上看，投资项目数的增加导致CVC投资绩效的降低。本文通过进一步拆分投资项目的结构了解绩效降低的来源，将企业投资项目数Num_invest替换为前三大投资行业项目数，并对其基于总投资项目数进行标准化，用前三大行业投资项目h数除以总项目数，进行对数化处理后生成新指标Num_top3。结果显示（表10、表11），CVC投向强关联行业的项目占比增加对其投资绩效呈显著正向影响，对被投企业的存活呈不显著正向影响，因而我们认为强关联行业的投资数增加不会负向影响CVC的投资绩效。也就是说，项目数增加对于投资绩效的负向影响主要来源于“超过投资机构的能力与经验”的弱关联行业的投资项目。

表10 强关联行业的投资不会降低投资绩效

表11 强关联行业的投资不会降低被投企业存活率

为了进一步稳固这个结论的有效性，我们还以类似的方式进行了Num_top2和Num_top4的计量分析，回归结果整理如表12所示：强关联行业的投资数量增加的确对投资绩效不存在负向作用，假设H6获得支持。

表12 前2、3、4名行业投资总数作为解释变量的相互验证

2.稳健性的讨论

首先本文先通过假设H1、H2判定风险投资中的相关绩效影响因素和网络联结中的各中心度指标对于CVC的有效性，并将该部分结论应用作为后续研究的控制变量。这一方面说明了控制变量的有效性，另一方面提前验证了模型选用的合理有效。

在核心假设H3、H4、H5的验证中，本文使用了同样的模型构架及解释变量和控制变量。三个不同问题的回归模型多次验证模型的有效性，也加固了计量结果的可信度。在H3、H4的检验中，本文通过几个网络地位中心性指标将节点之间关系紧密程度中的相关影响分离，在控制变量中添加了行业融资膨胀度指标，用于平衡投资行业热度本身带来的影响，保证了结果的有效性。

另外本文进行了多次缺省变量的回归。一方面防止了内生性问题的影响；另一方面缺省变量时不仅在同一个模型中显著性、数值大致相当，甚至跨模型时各个数值及其显著性也保持了稳定。这进一步体现了计量结果的稳健性。

四、研究结论与启示

本文应用SNA方法和Logistic模型，基于行业间相互投资网络的视角，深入研究了分散投资和过度投资行为对CVC绩效的影响。实证结果表明：第一，CVC的绩效受领投跟投地位、轮次、区域、被投企业成立时长等IVC绩效影响因素的影响；第二，CVC在投向行业联系更紧密的行业时投资绩效显著更好；第三，CVC的绩效呈现规模效应递减的现象，且这种负向影响的来源不是对于强关联行业的投资。

本文贡献包括：首先，研究角度创新是风险投资绩效问题的主要创新方向。本文提出了一个新的研究视角，基于行业相互投资网络研究了行业间关联紧密程度对CVC投资绩效的影响，验证了战略资源导出的有效性及战略协同竞争对CVC投资绩效的影响。其次，原有分散投资和过度投资行为理论的交叉与拓展也是学界广泛关注的重要问题。本文将对分散投资和过度投资行为的研究推广到CVC研究领域，发现了分散投资行为和过度投资行为与CVC被投企业成长绩效之间的关联。将分散投资与过度投资行为在CVC领域中进行了结合，形成了有机的统一，补充了CVC投资绩效影响因素的理论框架。最后，本文在研究中还发现了“投资案例数越多投资绩效越差”的反直觉现象，基于行业特征对反直觉的现象进行实证研究，所得结论能有效助益微观实践和宏观政策，进一步补充了原有的CVC绩效影响因素的理论框架。

在研究结论的基础上得到的管理启示为：CVC聚焦于主业和产业链相关行业进行投资更有利于被投企业的成长及投资绩效提高，CVC应警惕分散投资和过度投资行为带来的负面效应。本研究为企业对外投资决策和政府政策制定提供给了实证依据。

本文对风险投资绩效问题的研究仍有拓展空间。本文对研究CVC的分散投资和过度投资行为做出了基础性的有益探索，后续可望延展出更多关于分散投资和过度投资行为对CVC绩效影响的研究。CVC与被投企业间具有非常强的战略资源交互作用，投资交易双方间的相互关联值得关注和深入研究。这种关联包括产业链关联、商业模式协同竞争和平台企业对垂直行业公司的协同竞争等。未来可以继续探索各类关联关系对CVC绩效的影响，进一步细化CVC绩效的形成、影响机制研究。