投资效率论文篇1

1.1选题的背景及研究的意义

促进经济增长的关键之一就是要想方设法促使储蓄充分地转化成投资。包括新古典经济学的“储蓄论”、凯恩斯学派的“投资论”或者基于发达国家经济实践的“经济增长理论”在内的西方经济学理论均没有考虑储蓄-投资的转化过程,而只分析研究了储蓄与投资的这两个端点及其数量上的均衡。他们假设储蓄投资转化效率一直处在理想的状态中,储蓄能够充分地、有效地转化成投资,这明显与实际情况不一致,也不够全面。资本形成的的物质基础来源于丰富的储蓄供给,但反过来说,充足的储蓄供给却并不一定意味着较髙的资本形成水平,这其间的关键在于储蓄投资转化效率状况。我国目前储蓄投资转化旳基本现状是国内储蓄大量剩余和引入巨额外资同时存在。即国内大量的储蓄资金处于闲置的状态,而同时我国又花费巨大的代价引进外国资本进行投资,这是我国经济目前所特有的现象,在其他国家甚至在我国历史上也是前所未有的。这个现象本质上反映出的是我国储蓄投资转化的低效率。同时在现实经济中,各部门中各主体的储蓄规模和投资需求很难在时间和空间上达成一致,资金亏细部门的投资可能会受到储蓄规模不足的限制。这就需要一个有效的机制来实现资金盈余部门的储蓄向资金亏绌部门的转化,从而提髙资本形成的数量。这个机制就是金融机制,这是由储蓄、投资主体相分离决定的。储蓄向投资转化需要中介机构,这是现代经济社会的必然选择,金融机制在储蓄投资转化中的重要作用使得金融机制成为储蓄投资转化中的核心机制。约翰.G.格利和爱德华.S.肖早在1960年《金融理论中的货币》一书中就对此作过阐述。

………….

1.2本文的写作思路和框架结构

本文以储蓄投资转化相关理论为基础,研究思路总体为:提出研究目的——国内外文献综述——重庆市储蓄投资转化效率现状判断——分析重庆市转化效率低下的金融体制成因——最后提出相关的政策建议。本文采用理论研究和实证研究相结合的研究方法。通过对国内外储蓄投资转化理论的回顾和评述,从理论上分析储蓄投资转化效率,并对本文的研究范围和主要概念进行界定,为后面的深入剖析奠定基础。同时搜集、整理了重庆市历年来大量的经济数据,分析得出了重庆市历年来的储蓄量、投资量以及转化效率的状况,并以重庆市金融业相关数据来说明了造成重庆市储蓄投资转化低效的成因,为提出政策建议打下了扎实的基础。第一章是导论,主要介绍了文章储蓄投资转化率的选题背景、研究的意义,以及写作思路和全文的框架结构。第二章主要介绍了国内外储蓄投资转化效率理论,并对各家理论做了简单的评述。第三章主要是通过数据来分析重庆目前的储蓄投资转化现状,包括储蓄和投资总量上的现状、储蓄投资缺口和转化效率以及投资低效率格局反作用于储蓄投资转化等多个方面。第四章介绍了重庆市储蓄投资转化效率低下的金融体制原因。主要影响重庆市储蓄投资转化效率低的原因有重庆市金融中介的信贷配置效率低下、资本市场上储蓄向投资转化的渠道和工具较为单一、重庆市证券市场发展水平低、金融企业与非金融企业还不是合格的市场主体、利率非市场化等等。第五章主要提出了提高重庆市储蓄投资转化率的方向建议。建议继续深化国有金融企业改革,大力发展非国有银行和非银行金融机构,建立以利率为引导的储蓄转化机制,大力发展证券市场,提高直接金融转化效率,疏通民间投资渠道,加快资本跨区域跨部门流动等等。第六章对全了总结。

………….

2国内外储蓄投资转化效率理论

2.1国外储蓄投资转化的研究

储蓄-投资转化旳问题在国外经济理论研究中很早就是一个热点问题,但却很少对这个问题进行专门的、系统的分析。西方经济学者们基本上都是把储蓄一投资问题纳入金融体系的一部分,从而通过研究金融系统功能来分析储蓄投资转化。因此储蓄投资转化理论缺乏系统性,显得十分零散。古典经济学家认为在理性人假设、完全信息假设、完全竞争假设和市场出清假设前提下,通过完全竞争的市场机制来配置资源是一种最优的资源配置方式。因此对于储蓄和投资理论而言,古典学派认为利息是储蓄的报酬,是投资和资本形成的成本,利息率是资本市场上的价格,它可以保证经济社会的资源实现充分就业,不会出现总需求不足的情况,储蓄与投资之间的转化不存在任何摩擦或是障碍,储蓄可以完全转化为投资。根据凯恩斯的理论,储蓄与投资分别由消费者的行为和生产者的行为决定,很难协调一致,投资不一定随着储蓄的增加而等量增加。由于利率粘性的存在和资本边际效率的长期下降趋势,投资在没有完全吸收储蓄倾向和收入所提供的储蓄之前就停止了,有效需求(即社会总需求)通常都是不足的。供给并不能创造它自身的需求,“萨伊定理”只有在特殊假设条件下才可以成立。凯恩斯的投资乘数原理认为:在边际消费倾向一定的条件下,投资的增加(或减少)可带来国民收入若干倍的增加(或减少)。因此是投资决定了储蓄,而非储蓄支配投资。这与在古典经济学所认为的“利率是调节投资和储蓄相均衡的杠杆”理论相违背。

…………

2.2国内储蓄投资转化的研究

储蓄-投资转化效率、转化机制以及它们之间的相关性是近年来国内学者比较热衷的研究课题。一些学者通过对我国转化效率现状的分析,提出相关政策建议来改善我国的效率现状;一些力图分析其转化机制,想通过完善储蓄投资转化机制来提高储蓄投资转化效率;还有一些学者则把目光投放在储蓄与投资的相关性上面,利用做数据模型的方法进行分析并提出一些意见和建议。贺学会(1996)通过对政府、企业、家庭这三个部门的储蓄投资行为进行分析,认为储蓄投资未能有效转化的原因是经济货币化程度低导致的,金融资产品种不丰富、规范化程度低等诸多因素影响了经济货币化程度,建立了多渠道和多工具、高质量和高效率的储蓄-投资转化机制的目标模式。武剑(1999)认为,预期收入的不稳定性、社会需求结构变动以及实际利率提高造成了居民储蓄膨胀,政府对投资规模过度压缩、大量银行坏账、金融市场发展相对滞后等多种因素造成了我国投资压抑的局面,必须深化社会保障制度和投融资制度的改革,实现市场利率化。肖红叶,周国富(2000)通过对中国不同地区的储蓄资源配置、投资内部结构等多方面的比较分析,得出了目前我国的储蓄投资转化效率是低效的结论,并且指出各地区之间储蓄资源的不均衡发展是低效的原因之一。

…………

3重庆市储蓄投资转化效率现状.......15

3.1重庆市储蓄现状分析.......15

3.1.1重庆市储蓄的总量情况.......15

3.1.2重庆市储蓄率的变化情况.......16

3.2重庆市投资现状分析.......17

3.3重庆市储蓄缺口和储蓄投资转化率.......20

3.4投资低效率的格局反作用于储蓄投资转化效率.......21

4重庆市储蓄投资转化效率低下的金融体制原因分析.......25

4.1重庆市金融中介的信贷配置效率低下.......25

4.2重庆市资本市场上储蓄向投资转化的渠道.......29

4.3重庆市直接融资比重小,效率低.......32

4.4重庆市证券市场发展水平低.......34

4.5金融企业与非金融企业还不是合格的市场主体.......35

4.6非国有银行和非银行金融机构发展水平低.......36

4.7利率市场化水平低.......38

5提高重庆市储蓄投资转化效率的方向建议.......41

5.1继续深化国有金融企业改革.......41

5.2建立以市场利率为引导的储蓄转化机制.......44

5.4疏通民间投资渠道,放宽民间资本投资领域.......46

5.5加快资本跨区域跨部门流动.......46

5提高重庆市储蓄投资转化效率的方向建议

5.1继续深化

国有金融企业改革,大力发展非国有银行和非银行金融机构要想提升储蓄转化为投资的效率就应当关注内、外源方式的转化,直接、间接融资方式的协调与结合,掌握其间的平衡关系。而这之间的平衡,必定要将储蓄转化投资需要的多样化微观主体定位基础,因此,一定要持续加深国有金融企业的革新,不断推动非国有银行、银行以外的其他金融机构的发展,建立高质量的内源与外源转化需要的市场微观因素。加深国有金融企业的革新,塑造市场的微观主体十分关键,不但可以帮助提升外源的转化能力,同时也能推动内源转化能力的发展。如果人们面对许多企业遇到的道德风险问题,第三方中介机构不能坚守职业道德,股市投机现象频现,甚至货币政策执行过程受到了阻碍时,人们才会察觉到改革的进程也是很难推进的。如果奖励机制、产权维护与信誉问题频繁滋扰,优质的企业也不可能诞生,这些规律无论在发达国家还是发展中国家都适用。因此,在微观主体的非市场化条件之下,想要提升储蓄转化投资的效率是不切实际的。就银行而言,产权清晰、政府、企业与银行相分离是实现有效激励约束机制的必要条件。只有如此,各市场主体才可以独自展开经济决策,彼此的借贷行为在平等且自愿的基本原则之下,按照利润最优的指向来完成。自然而然地,市场就决定了银行与企业之间的资金流动和配置,从根源上保护国有商业银行的金融资产,提升了国有银行这一媒介的储蓄投资转化效率。建立能够适应市场发展的国有商业银行的一个重要手段。

…………

投资效率论文篇2

关键词：DEA地方高校科技投入绩效

一、引言

地方高校是我国科技力量的重要组成部分，地方高校的科技力量是地方企业科技水平发展的重要推动力。地方高校科技活动投入产出是否高效，直接影响地方高校科技工作开展情况的好坏，也在一定程度上影响地方企业科技创新能力的高低。数据包络分析方法是针对多输入多输出效率分析的方法，高校科技活动的投入产出正好是多投入和多产出的情况，本文运用数据包络分析方法分析地方高校科技活动的投入产出效率，以此分析地方高校中科技资源的配置情况。

二、DEA模型

数据包络分析（DEA，DateEnvelopmentAnalysis）方法是一种非参数的相对效率评价方法，适用于多个输入和多个输出的决策单元的相对效率评价。由于其不必确定决策单元的各输入输出之间的函数关系，不需要事先确定指标的相对权重，也不必考虑指标的量纲，因此排除了许多主观因素，客观性强，易于操作。

DEA模型有很多种类，本文采用的CCR模型是1978年美国著名运筹学家Charnes、Cooper和Rhodes基于Farrell投入与产出衡量效率的模式，采用对偶理论提出的衡量多投入多产出效率的方法。

假设有n个部门或单位（称为决策单元DMU），这n个决策单元都是具有可比性的。每个决策单元都有m种类型的投入和S种类型的产出。每个决策单元有投入向量X■=（X■，X■…X■）■，产出向量Y■=（Y■，Y■…Y■■）。其中，X■（i=1，2，…同；j=1，2…n）表示第j个决策单元对第i种投入的样本数据，Y■（i=1，2…s；j=1，2…n）表示第j个决策单元对第i种产出的样本数据，v=（v■，v■，…，v■）■表示m种投入对应的权向量，u=（u■，u■，…，u■）■表示s种产出对应的权向量，显然投入和产出的期望是投入越小越好，产出越大越好，说明产出和效率成正相关关系。

对于权系数v∈E■和u∈E■，决策单元j（即DMU■，1≤j≤n）的效率评价指数h■=■，j=1，…，n，我们总可适当选取权系数v和u，使得h■≤1，j=1，…，n。效率评价指数h■的含义是：在权系数v，u之下，投入为v■X■，产出为u■Y■时的产出与投入比。

三、指标选择与评价实施

本文主要比较2000―2010年地方的科技投入绩效，因此以每年的科技投入产出为决策单元。通过科技投入指标分析，本文选择科技人员投入的全时当量、科技经费支出为输入指标，选择科技论文数量、专利授权数量、科技奖励数量作为输出指标。根据上述指标，建立的地方高校科技投入评价评价指标体系如表1所示。

表1地方高校科技投入产出指标体系

利用DEAP软件对地方高校科技投入绩效进行CCR和BCC评价，数据均来自《高等学校科技统计资料汇编》，结果如表2所示。

表22001―2010年地方高校科技投入与产出绩效值

从表2可以看出在2001―2010年间，地方高校有6年的科技活动位于有效前沿面上，技术效率和规模效率都是有效的年份占60%。后五年的综合效率要好于前五年的，说明随着科技创新体系的建立和地方政府对科技创新投入的增加，地方高校科技资源配置正逐步合理，不断提高科技投入产出效率。但是，某些地方的资源配置还需要进一步优化，比如2003年和2008年的规模报酬递增，说明进一步增加地方高校的科技投入会带来更大比例的产出；而2004年和2006年是“十一五”末和“十二五”初的规模报酬递减，说明当时地方高校将科技资源过多地投入某些优势领域，非但没有形成更大的产出，反而造成浪费。

四、各种科技产出的绩效分析

当科技投入不变时，我们在上述三个产出指标中任选两个进行分析，当选择科技论文和奖励两个产出指标及科技奖励和专利两个产出指标时，则利用DEA模型分别对它们的投入与产出绩效值进行对比，结果如表3所示。

表32001―2010年选取科技论文和专利指标时的投入与产出绩效值

从表3可以看出选取科技论文和奖励指标时的平均综合效率为0.991，而选取科技奖励和专利指标时的平均综合效率是0.975。根据科技投入不变时科技产出和投入产出效率成正相关关系，可以得出科技论文的产出要比专利的产出效率要高。

当我们选择科技论文和专利两个产出指标及科技奖励和专利两个产出指标时，利用DEA模型分别对它们的投入与产出绩效值进行对比，结果如表4所示。

表42001-2010年选取科技论文和奖励指标时的投入与产出绩效值

从表4可以看出选取科技论文和专利指标时的平均综合效率为0.991，而选取科技奖励和专利指标时的平均综合效率是0.975。根据科技投入不变时科技产出和投入产出效率成正相关关系，可以得出科技论文的产出要比奖励的产出效率要高。

当我们选择科技论文和奖励两个产出指标及科技论文和专利两个产出指标时，利用DEA模型分别对它们的投入与产出绩效值进行对比，结果如表5所示。

表52001―2010年选取科技奖励和专利指标时的投入与产出绩效值

从表5可以看出选取科技论文和奖励指标时的平均规模效率为0.994，而选取科技论文和专利指标时的平均规模效率是0.993，而两者的综合效率和技术效率是一样的。根据科技投入不变时科技产出和投入产出效率成正相关，可以得出科技奖励的产出要比专利的产出效率要高。

根据上面的分析可以得出在地方高校科技投入一定的情况下，科技论文的产出要比科技奖励的产出高，而科技奖励的产出要比科技专利的产出高。

五、结语

本文运用DEA方法对2001-2010年这十年间的地方高校科技投入绩效进行评价，评价结果说明：首先，随着国家、地方政府科技投入的不断增加和科技政策的不断完善，地方高校的科技投入产出效率也在不断提高；其次，在科技投入一定的情况下，地方高校的科技论文的产出最多，然后是科技奖励和专利。这些结果指导我们在地方高校的科技决策中注意以下问题：首先，地方高校的科技资源不能重复投入，这样就对科技资源造成浪费；其次，优化地方高校科技资源配置的合理性，在保证科技论文等高校产出的情况下，也考虑增加其他科技成果产出所对应的投入，比如专利、科技技术转让等，让地方高校在完成科学研究的同时，也能更好地为地方经济服务。

参考文献：

[1]魏权龄.评价相对有效性的DEA方法[M].中国人民大学出版社，1988.

[2]连燕华，马晓光.试论科学研究评价的标准[J].研究与发展管理，2002，14（1）：63-68.

[3]侯启娉.基于DEA的研究型高校科研绩效评价应用研究[J].研究与发展管理，2005，17（1）：118-124

[4]李亮，崔晋川.DEA方法中输入输出项目的选择和数据处理[J].系统工程学报，2003，18（6）：487-490..

基金项目：江苏省教育厅哲学社会科学研究项目（项目编号：2010SJB880126）；南通市软科学研究项目（编号：AR2

投资效率论文篇3

关键词:外商直接投资,相对生产率,比较优势,经济发展

一、现有文献概述与批评

现有的研究文献绝大多数遵循主流新古典经济学的分析框架——在不同程度上,它们接受这样的假定,认为外商直接投资的经济意义,是代表了接受体的资金和技术资源的一种“净增加”。这种分析主要有两种方法。第一种方法,将外商直接投资与经济总量的主要指标的比率简单标示出来,然后“读出”外商直接投资对中国经济发展的贡献。由此得出判断,按照国际标准,中国的外商直接投资与中国的国内生产总值之比、和外商直接投资与固定资本形成之比,在1980年代相对较小,进入1990年代以后就开始大幅度上升。这些研究同时发现,在日益扩张的中国外贸出口中,外资企业所占份额也在急剧上升。这两项指标,对于迅猛发展的沿海地区省市表现得尤为显着(Chenetal.1995;Kaiseretal.1996;Lardy1995;WhalleyandXin2006;ZhangandSong2000)。

第二种方法,可以说是第一种方法的补充,主要专注于外商直接投资与经济发展各项指标之间关系的回归分析。这种分析意在检测外商直接投资对可观测的指标,如GDP增长等的间接影响,这种影响在在第一种分析中不能够显示出来。另外也试图想得出外商直接投资对那些不可观测的指标,如全要素生产率等的影响。这些分析发现对于各种不同的回归模型结果各异,但总体结论是,相关性都表现为正,而且在统计上显着。其中最乐观的发现是,在1990年代,外商直接投资促进中国经济的全要素生产率平均年增长达2.5%,加上外商直接投资通过资本形成使GDP增长0.4个百分点,那么外商直接投资对中国经济增长的总贡献在1990年代年平均达3%,也就是占整体经济增长的近1/3(TsengandZebregs2002)。另外,其他同类研究还发现,外商直接投资流量与国内总投资增长也是显着的正相关。他们将这个结果视作是投资“挤入效应”的证据(Kueh1992;Zhan1993)。

在较为近期的研究中,上述第二种方法的应用较为普遍,主要应用于对外商直接投资与地方经济发展的关系分析,即进行个别区域分析或跨区域比较。很明显,吸引较多外商直接投资的区域或省份普遍都表现出较快的经济增长。这些分析的典型结论,都是表现为显着的正相关,说明外商直接投资透过各种直接或间接影响,包括地方资本形成、地方投资的“挤入效应”、地方生产技术或知识使用效益的提高等,促进了地方经济的发展。由此得出的推论是,外商直接投资解释了不同地区或省份的不同经济增长表现,对总体中国经济增长有较强的政策含义(BerthélemyandDémurger2000;ModyandWang1997;Wei1994;Weietal.2001;ZhangandFelmingham2002)。

现存这些文献研究的局限性是很明显的,在它们的分析中,因果关系和相关关系很难区分开来(Lietal.2002)。这个问题可以说贯穿所有的现存文献,但在区域和跨区域回归分析中尤其严重,因为所分析的这些区域与其他区域毕竟属于同一国家、同一种体制(即相同的制度和政策环境),使用同一货币。所有这些都意味着,存在着众多的机会,可以透过创造租金来促进地方经济增长,尤其是在各地区间市场化程度差别很大的背景下更是如此。因此,即使外商直接投资与地方经济增长确实存在正相关,也难于判断地方经济增长到底是来自生产率的改进还是来自其他地区的租金转移,抑或两者兼而有之。极端情形是,租金创造效果如果超过生产率的改进,外商直接投资的净效应,对中国总体经济增长的贡献就有可能为负而非正。

从上文的讨论可以得出一个普遍论断,即,在分析外商直接投资与经济发展关系的现有的文献中,有关外资促进地方经济增长的具体机制,究竟主要是透过促进生产率进步抑或是创造租金的问题,往往会在回归分析中被忽略掉。即使那些联立方程模型和格兰杰因果检测也是如此,问题不在于到底是外商直接投资引起了经济增长还是经济增长促成外商直接投资进入,问题是,外商直接投资是通过创造租金还是通过生产率改进来促进地方经济增长。因此,关键是要将有关两者的相关性的分析与中国经济发展的特定路径相联系,在这个特定路径中,外商直接投资对经济影响的机制必须要能够准确地识别和评估。

要将对外商直接投资影响分析与中国特定发展路径联系起来,逻辑上就必须超越纯以新古典经济学为唯一指引的视野,诉诸更宽泛的理论框架。在相关理论文献中,与新古典传统相对,还有结构主义发展经济学和激进政治经济学,它们并不否认外商直接投资可以体现为额外的金融和技术资源,然而它们更加强调外资的其他特性,这包括外商进入国内市场的模式、技术转移的类型、塑造国内市场竞争模式的制度和结构环境,等等,认为这才是外商直接投资影响后进发展的最关键因素,而且其影响往往是负面的(Lo1995;UNCTAD1995)。在相关的中国研究文献中,这些因素基本上都被忽略掉,这就使得研究得出的结论不尽全面、合理。

二、宏观指标的直观判断

从宏观指标的直接观测结果看,认为外商直接投资已成为中国总体经济发展一个重要因素的观点,并没有得到经验支持。作为固定资本形成的一个因素,外商直接投资在1979-1991年期间的年流入量与固定资本形成总额相比还是极其微小的,只有从1992年开始才大幅度增加。从1992年至2006年,中国的外商直接投资与固定资本形成总额之比年均约为12%,从国际背景来看,大约是同期所有发展中国家平均值的两倍。尽管如此,由于外商直接投资是固定资本形成总额的一个很小的组成部分,而固定资本形成总额在GDP中所占的份额同样很有限,因此,外商直接投资对GDP增长的贡献就只能更加有限了。可以断言,从1990年至2006年各年,外商直接投资透过资本形成来促进GDP增长,其贡献每年应该不超过一个百分点。

概念上,上述指标存在着三方面的局限性,从而有可能低估了外商直接投资对中国经济增长的贡献。第一,外商直接投资流入量并不反映资本形成中增加的外商直接投资总量,因为对资本形成的贡献除外商直接投资流入量外,还有来自外商投资企业的净利润再投资。第二,外商直接投资流入量与资本形成的比率这个指标,本身并没有涵盖外商直接投资所带来的投资“挤入效应”。第三,这个比率并没有显示外商直接投资对提升全要素生产率的无法观测的影响。

对第一点来说,要加以确证必须进行企业层面的调查,但这是不可行的,因为这样的数据根本无法获取。直观判断,在1990年代中期以前的外商直接投资流入量规模有限,例如直至1994年外商投资企业在全部企业工业增加值中的比重仅达11%,因而,净利润再投资即使确实是总投资的重要组成部分,这也只能是近年来的事。同样地,就第二点来说,一个众所周知的事实是,直至1990年代中期,改革以来中国的经济体制和各种微观经济主体的一个典型化特征,是表现出过度冲动的投资倾向,因而,由外商直接投资所带来的任何可能的“挤入效应”也仅在近年内才有意义。就第三点而言,即外商直接投资对全要素生产率增长的贡献,这是现有文献关注的焦点。部分研究是从外商直接投资的进入能够带来外汇的角度来考虑,而外汇的重要性在于它能够为技术进口提供资金来源,这些技术在相当程度上体现在机械设备或工业投入品中。还有部分研究认为外商直接投资是通过改进外商直接投资接受企业、行业或区域的效率来促进全要素生产率的增长,其作用机制包括技术转移、促进经济制度和结构的转变、等等。

投资效率论文篇4

论文关键词：个股投资，项目风险度量，BP神经网络算法:实证分析

BP神经网络算法在个股投资项目风险度量中的应用研究

摘要：度量个股投资项目风险是一个复杂的过程，目前的大部分研究方法都没有考虑个股投资项目风险的非线性复杂特点。本文通过BP神经网络算法，对个股投资项目进行实证分析。结果显示，利用BP算法具有很好的预测精度，能有效地提高个股投资项目风险度量的准确性。

关键字：个股投资；项目风险度量；BP神经网络算法：实证分析

1引言

EugeneF.Fama(1970)的有效市场假说(EfficientMarketHypothesis)认为，如果证券市场在价格形成中充分而准确地反映全部相关信息，则称该市场是有效率的。但现实情况恰恰相反，由于股票行市受市场层次、行业层次和公司微观层次等因素影响，其内部规律非常复杂，周期变化无序。同时我国资本市场个人投资者的比例高，相对于机构投资者而言，投资者个人心理状态不同毕业论文提纲，风险承受能力差，专业水平低，尤其是非职业股民由于受时间、空间上的限制，往往无法长期关注股市动态和发展，同时出于追逐利益的目的以及本身缺乏风险意识以及缺少信息的原因，使得投资者普遍抱持着投机心理，产生了跟庄行为，由此导致羊群效应”的发生。羊群效应”是行为金融学的一个重要概念，是指在一定时期，当采取相同策略（买或卖）交易特定资产的行为主体达到或超过一定数量。这种投资者结构以及投资者行为的特点使得中国股票市场的股票行为具有了不同于成熟市场的特点论文提纲格式。所有这些给股票风险分析提出了新的课题。目前的诸多相关研究，其融合了诸多学科中的理论精华，并结合现代个股投资项目风险的特点，迄今在业界已经取得了不少成就，如主成分分析法、多元回归方法等，但这些方法大都没有考虑个股投资项目风险非线性复杂特点。

因此，本文从个股投资项目风险度量建模的具体情况出发，采用神经网络算法，应用MATLAB仿真软件进行了实证分析。并且通过与多元回归方法对比得到了，在具有复杂特点的个股投资项目风险管理中，BP神经网络算法具有很好的预测精度，能有效地提高个股投资项目风险度量的准确性。

2BP神经网络

BP(backpropagation)神经网络是前馈型神经网络的一种，其是建立在梯度下降法的基础上的，学习过程(训练)由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐含层逐层处理，并传向输出层。每一层神经元的状态只影响下一层神经元的状态。如果输出层得不到期望的输出毕业论文提纲，则转入反向传播，逐层递归地计算实际输入与期望输入的差(即误差)。将误差信号沿原来的连接通道返回，通过修改各层神经元的权值，使得误差信号最小。

图1：三层神经网络模型

在图1中，输入向量为；隐层输出向量为；输出层输出向量为；期望输出向量为。输入层到隐层之间的权值矩阵用V表示，，其中列向量为隐层第j个神经元对应的权向量；隐层到输出层之间的权值矩阵用W表示，，其中列向量为输出层第k个神经元对应的权向量。各层信号之间的数学关系如下：

对于输出层，有

k=（2﹒1）

k=（2﹒2）

对于隐层，有

j=（2﹒3）

j=（2﹒4）

由于标准BP算法存在一些缺陷：

（1）易形成局部最小而得不到全局最优；

（2）训练次数多使学习效率低，收敛速度慢；

（3)学习过程出现假饱和。

另外，网络隐含层数及隐节点的选取缺乏理论指导，网络训练时学习新样本有遗忘旧样本的趋势。因此，我们采取如下措施进行改进：

（1）增加动量项

令，称为动量系数，一般有。

（2）输入数据处理

在输入数据的标准化方面，输入数据太大，容易导致模型无法收敛，所以将输入数据变换为[0,1]区间的值，其公式如下

其中，代表输入数据，代表数据变化范围的最小值，代表数据变化范围的最大值。

（3）学习速率的调整

令

K为训练次数，为网络均方根误差毕业论文提纲，这样保证一个近最优的学习速率，从而得到比标准BP算法更快的收敛速度论文提纲格式。

3实证分析

本文数据来源于和讯网国内工业运输行业个股投资价值财务得分表，数据截止到2009.12.18（http://www.hexun.com/http://quote.hexun.com/stock/icb.aspx?code=2770&name=工业运输）部分情况见表1。

表1：个股投资项目指标体系

一级指标

二级指标

成长性指标

净利润增长率

资产增长率

资本增长率

每股收益增长率

财务能力指标

资产负债率

债务资本率

股东权益比率

偿债能力指标

流动比率

速动比率

长期资产适合率

现金流指标

每股现金流量

经营现金流与负债比

现金流量比率

净利润现金含量

经营能力指标

销售收入增长率

应收帐款周转率

存货增长率

营业周期

盈利能力指标

总利润率

净利润率

投资效率论文篇5

研究”（项目编号：15AGL001）；2015年广西高校科学技术研究项目“集体转型背景下的家族企业公司治理问

题研究”（项目编号：KY2015LX750）的阶段性研究成果；2015年广西大学行健文理学院大学生创新创业训

练计划“我国上市公司内部控制质量调查研究”立项项目；项目参与成员：刘晓璐、陈毅萍、杨婵、傅芸芸、宾凤

中图分类号：F275文献标识码：A文章编号：1002-5812（2017）07-0015-04

一、引言

据第一财经日报报道，截至2013年年初我国公司债务约为65万亿元，是2012年GDP的1.25倍，在过去的5年间上升了近30%，企业资产负债率迅速提升（A股上市的非金融公司资产负债率由2008年的53%上升至60%），然而其盈利能力却在下滑，投资效率严重下降。由于各种原因，我国资本市场发展滞后，对企业投资行为及效率产生了重要的影响。本文利用沪深A股上市公司2009―2014年间的数据，构建主动负债率作为债务融资指标，研究了不确定性对上市公司投资行为的影响。研究结果表明：企业所面临的不确定性程度越高，非效率投资越严重；主动负债率越高，非效率投资则越低；而在两者同时对投资行为的影响的研究中，不确定性显著为正，交叉项显著为负，表明债务融资可以缓解因环境不确定性而导致的非效率投资。

二、国内外文献回顾

Fazzari、Hubbard和Petersen（1988）研究了企业资本投资与内部现金流的关系，发现企业的融资环境是非完全的市场条件，实际的企业可能因为这个资本市场非完全性，使投资可能性发生中断，在此之后出现了大量的类似研究，如Hoshi、Kashyap和Scharfstein（1991）。Vogt（1994）利用TobinQ及现金流量的交互影响变量来检测投资对现金流的敏感性，重新检验了FHP模型，并得出了与之前研究相反的结论。Kaplan和Zingales（1997）研究表明，投资支出与现金流敏感性理论假设不正确。Goergen和Renneboog（2001）提出，对于大部分企业来说，外部和内部融资成本之间是存在差异的。

樊胜、李玲（2004）从全社会及行业的角度对公司投资与不确定性的关系进行了讨论，认为从社会整体上考虑时，国有工业经济的固定资产投资和不确定性呈负相关关系。祝彦成（2007）研究发现，不论投资是否可逆，需求的瞬时增长率的增长与期望投资存在正相关关系。黄久美等（2010）采用股票日收益率的波动性作为不确定性综合指标，发现不确定性及公司固定资产投资之间、不可逆程度及公司固定资产投资之间都存在显著的负相关的关系。何金耿、丁加华（2001）利用Vogt模型，对我国1999―2000年的397家沪市上市公司投资行为进行分析，发现现金流量与投资效率呈显著负相关关系。童盼、陆正飞（2005）研究结果表明，对于项目风险低的公司，在股东与债权人冲突引发的投资不足与负债相关治理作用对过度投资的抑制的双重作用下，公司负债越高，投资规模越小。申慧慧、于鹏等（2012）认为从微观环境角度考虑，环境的不确定性对企业投资行为的影响结果是不同的，有可能抑制企业投资，也可能刺激企业投资，或者没有影响，而融资约束就是决定其影响结果的一个重要因素。

三、理论分析与研究设计

（一）理论分析与研究假设。环境不确定性对投资决策的影响，可以从两个方面进行分析：

1.环境不确定性使投资规模减少。环境不确定性削弱了管理层精确预测公司特有信息的能力（Baumetal.，2006），增加了项目获得预计收益所需要承担的风险，为此企业实际管理者会进行应有的风险回避，抑制了其投资动机。AmihudandLev（1989）认为，股东与企业管理者的风险偏好不一致，项目投资成功后，企业实际管理者只能获取收益的一部分，而失败后，则可能要承担与此相关的个人职业风险，付出一定的个人资本，如前途、声誉及个人财富等，所以环境不确定性增加了企业管理者的风险，因此他们可能会在进行投资时更加谨慎（Bloometal.，2007），从而放弃一些净现值为正的投资，导致投资不足。

2.环境不确定性使投资规模增加。环境不确定性会使企业信息的不对称性增加，增加了对企业管理者监督的难度。Jensen（1986、1993）认为，在信息不对称条件下，管理者有可能将企业自由现金流用于净现值（NPV）为负的项目，以谋取私利，造成企业投资过度。虽然不确定性可能会使管理层谨慎投资而导致投资不足，但是，管理层在一般情况下倾向于通过投资来最大化自己的收益。特别是在环境不确定性较高的情况下，管理者可以将投资失败归咎于外部环境因素，而股东难以对此做出准确判断。由此，提出本文第一个假设：

H1：企业面临的不确定性越高，非效率投资越严重，两者呈正相关关系。

虽然多数研究表明较高的环境不确定性给企业实际管理者带来获取私人利益的机会，企业是否有足够的资金仍然是企业投资行为能否成功实施的重要因素。如果企业能够轻易地从外部以较低的成本获得资金，并且受到的限制较少，那么，即使面临高度环境不确定性，企业实际管理者不必担心资金短缺的问题，从而可以为了追逐私人收益进行大规模的无效率投资；反之，企业实际管理者就难以通过非效率投资获取私人收益。因此融资约束是环境不确定性和投资效率关系的重要因素。由此提出本文的第二个假设：

H2：债务融资可以抑制因不确定性引起的非效率投资。

（二）数据来源及样本选择。本文研究在沪、深两市上市的A股公司，数据主要来自国泰安数据服务中心CSMARSolution（http：//wwwgtarsc.com/），样本数据区间为2009―2014年，实证分析采用EXCEL进行数据整理，使用SPSS18.0?y计分析工具进行统计分析。在研究过程中对样本做如下处理：剔除金融行业公司样本；剔除“ST”公司和“*ST”公司；由于对投资模型研究需要上一期的数据，为确保数据的完整性和持续性，剔除当年上市的公司样本。本文用债务融资衡量指标作为主动负债率并假设研究样本均融资约束，因此在选择样本时，剔除了主动负债（短期借款、长期借款、应付债券）为0的样本。

（三）模型构建及变量选择。

1.不确定性、债务融资与投资效率变量选择与定义。已有文献中，对投资效率与不确定性变量定义不尽相同，本文借鉴Richardson（2006）、WilliamSharpe等研究基础，对不确定性与投资效率的关系进行了研究。本文参考Richardson（2006），吕长江和张海平（2011），徐倩（2014）的研究思路和模型，即：使用现金流量表数据将总投资（Inv_T）分为维持性（Inv_M）和新增投资（Inv_N），其中：

Inv_T=购建固定资产、无形资产、其他长期资产支付的现金+取得子公司及其他营业单位支付的现金净额-处置固定资产、无形资产和其他长期资产收回的现金净额-处置子公司及其他营业单位收到的现金净额

Inv_M=固定资产折旧+油气资产折耗+生产性生物资产折旧+无形资产摊销+长期待摊费用

Inv_Ni-t=Inv_T-Inv_M

在Richardson（2006）中，新增投资又分为预期新增投资Inv_ei-t（即有效的投资）和非预期新增投资Inv_εi-t（即非效率投资）。非预期新增投资及正常投资以以下模型加以区分：

Inv_Ni-t=β0+β1TobinQi-t+β2levi-t+β3Cashi-t+β4Agei-t+β5Sizei-t+β6Retsi-t+β7Invi-t+εi-t（1）

其中变量的定义如表1所示。

2.不确定性的衡量选择。LeahyandWhited（1996）认为股票收益率的波动描述了对投资者而言企业环境变化的重要方面。本文使用公司股票收益率的波动程度来衡量不确定性（Bulan，2005；Panousi，2012）。本文拟用资本资产定价模型测算股票的预期收益率，再以实际收益率偏离预期收益率的程度作为不确定性的计量，计量公式为：

Ri=rf+β[E（rm）-rf]+ε

Ri为I公司实际的个股回报率，E（rm）为预期市场回报率，rf为无风险利率，β为上市公司的β系数，ε就是实际个股收益率与预期收益率之间的残差。

不确定性UC=■（2）

UC越大，表示上市公司面临的不确定性越大。

3.债务融资的衡量选择。主动负债越高，企业受到的融资约束就越高，主动负债不仅考虑了企业借款的能力，还考虑了借款的意愿，即受到融资约束的意愿。本文选用主动负债率为债务融资的替代变量，具体计算如公式（3）所示：

Adrt=（stbt+ltlt+bpt）/Tat（3）

其中，Adrt为t年年初的主动负债率，stbt为t年初的短期借款，ltlt为t年初的长期借款，bpt为t年初的应付债券，Tat为t年年初总资产。

4.模型构建及变量定义。本文通过多元线性回归方法考察不确定性、债务融资及二者交互作用对企业投资效率的影响，所采用的多元回归模型如公式（4）所示：

Inv_ε=β1+β1UC+β2Adr+β3UC×Adr+β4Controls+δ（4）

模型（4）变量定义及说明：（1）Inv_ε为因变量非效率投资，即模型（1）残差的绝对值；（2）UC为企业年初的不确定性；模型（4）中，如果β1显著为正，则表明非效率投资与不确定性正相关，即不确定性越高，非效率投资越严重；（3）Adr为企业年初的主动负债率。若β2显著为负，这表示融资约束U对非效率投资有抑制作用，若β3显著为负，则表示债务融资抑制了不确定性引起的非效率投资行为。

Controls是一组控制变量，其中包含了：（1）托宾Q，企业得到的投资机会不一定一致，所以利用TobinQi-t来控制投资机会；（2）以Cashi-t（除以年初资产总额）来控制企业自有现金流量；（3）ROA，总资产收益率，为剔除企业盈利信息影响，控制ROA；（4）对企业财务杠杆levi-t进行控制；（5）企业规模影响到企业融资规模速度、不确定性和增长速度，所以控制企业规模Size。

四、实证结果与分析

（一）描述性统计。表2是多元线性回归模型的描述性统计，表明研究样本5年平均新增投资额Inv_Ni-t为总资产的5.41%；最小值为-0.4587，最大值为22.2422，样本数据较为分散，跨度较大；托宾Q代表企业投资机会，最小值为0.8511，最大值为226.2520，是模型1中波动最大的变量，托宾Q的均值大于中位数，可见在2009―2013年间企业的投资机会总体较好；资产负债率（lev）均值为53.25%，且均值大于中位数，由此可以看出，在我国负债融资是主要的融资方式，负债水平较高，最高达到317.41%；平均非效率投资占总资产的10.50%，中位数为6.88%，企业不确定性UC平均为6%，中位数为1.81%，说明大部分企业面临的不确定性是偏高的，企业主动负债率平均为22.40%。

（二）投资效率度量模型回归检验与分析。从表3可以发现，投资效率回归方程整体通过了0.01水平下的显著性检验（F检验sig值：0.000）且回归方程的调整R2为0.879，说明方程的解释力度较好；各解释变量中，除了上市年限，其他都通过了0.01水平下的显著检验，说明各自变量对因变量均有显著影响，此回归模型较为合理；把以上系数代入模型（1）中，计算残差。当残差等于0时，表示有效投资，残差为负表示投资不足，残差为正表示过度投资，回归结果如表4所示。由表4可以看出，全样本投资不足的情况占43.28%，过度投资情况占56.72%，即在2009―2013年间样本过度投资多于投资不足。

（三）相关性分析。下页表5是模型（4）的双变量相关分析的结果，通过Spearman（对角线下方）和Pearson（对角线上方）相关系数表可以看出：无论是Spearman相关还是Pearson相关，发现非效率投资与不确定性都是正相关，与预期符号一致，并且都在1%的水平上双侧显著相关；债务融资与非效率投资的关系都不显著，另外债务融资与非效率投资的Spearman系数为正，Pearson系数为负；投资机会（TobinQ）对非效率投资产生正向影响，说明企业面临的投资机会越多，出现非效率投资的可能性越高。投资效率与公司盈利能力Spearman系数为正但是不显著，Pearson系数为负，在1%的水平上显著，可能表明公司盈利能力数据走势并不适用其中一个系数的相关分析。

（四）实证检验与结果分析。从下页表6模型（1）、模型（2）、模型（3）、模型（4）的回归结果可以发现，列（1）中不确定性程度的系数在1%水平上显著为正，表明不确定性越高，非效率投资越严重，验证了H1成立；列（2）中债务融资指标债务增长率系数在5%水平上显著为负，表明债务融资越多，非效率投资程度越低，即债务融资约束对企业非效率投资有抑制作用。这与Lambertetal.（2007）的结论一致；列（3）同时考察了不确定性、债务融资对非投资效率的影响；其中不确定性在1%的置信水平上?@著为正，债务融资在5%的置信水平上显著为负；在列（3）的基础上，列（4）加入了不确定性（UC）、债务融资（Adr）的交叉项，不确定性仍旧在1%的水平上显著为正，而债务融资系数变得不显著，但是两者的交叉项却在10%的置信水平上显著为负。从经济意义上来看，在加入融资约束的影响的情况下，环境不确定性每增加1%非效率投资就会减少3.83%，而在没有加入交叉项之前，不确定性每增加1%，非效率投资就增加10.02%，说明债务融资抑制了因环境不确定性而引起的非效率投资，验证了H2。表6显示的结果与研究假设相同，企业环境不确定性及企业非效率投资正相关，债务融资抑制了企业实际管理者由于不确定性引起的非效率投资行为。

（五）稳健性检验。为了排除低效率投资中的系统性因素，即排除Richardson（2006）模型中无法避免的影响因素导致的非系统性偏差，本文参考罗付岩（2013）的做法，重新定义非效率投资的分类，即利用四分位数对原有的Richardson（2006）投资效率残差进行了划分，认为公司的实际投资存在有效的部分，并重新定义了非效率投资行为的两种情形：残差大于非负残差部分的四分之一，记为投资过度；残差小于非正残差部分的四分之三，记为投资不足；中间部分则属于有效投资部分。利用重新得到企业过度投资和投资不足的样本与数据，进而重新确认企业的非效率投资，回归结果如表7所示。

从表7可以看出，模型（9）不确定性在1%的水平上显著为正，表示企业面临的不确定性越高，非效率投资越严重，与列（1）结果一致，验证了假设1；列（10）债务融资在10%的水平上显著为负，表示负债融资约束对非效率投资有抑制作用，与预期假设和列（2）的结果一致；列（11）的不确定性在1%的水平上显著为正，债务融资在5%的水平上显著为负，与列（3）一致；列（12）不确定性在1%的水平上显著为正，债务融资不显著，交叉项在5%的水平上显著为负，说明在5%的置信水平上融资约束可以抑制环境不确定性引起的非效率投资，与列（4）得出的结果一致，并且列（9）（10）（11）（12）的F检验都在1%上显著，R2都在50%以上，说明方程的解释效果比较理想。

五、结论与建议

投资效率论文篇6

关键词：众筹；融资效率；多项Logit模型

DOI：10.13956/j.ss.1001-8409.2017.03.04

中图分类号：F832.48文献标识码：A文章编号：1001-8409（2017）03-0016-05

Abstract：Makinguseofthemicrodataoffinancingprojectsinthecrowdfundingnetfrom2013to2015，withthehelpofthemultinomiallogitmodel，thispapertakesalltheindexesofdiscretizationofthefinancingefficiencyoftheprojectasthedependentvariableofaregressionmodel，thenanalyzestheimpactofkeyfactorsofthesuccessofcrowdfundingprojectsonfinancingefficiency.Resultsshowthatthemultinomiallogitmodelcanwellreflecttherelationshipofthenetworkinteraction，investmentthreshold，signalquality；financinggoalandprojectfinancingefficiency.Theempiricalresultsshowthatthefinancingefficiencyofprojectswillchangedependingonthefourdimensionsofthefactors.

Keywords：crowdfunding；financingefficiency；multinomialLogitmodel

F代众筹是随互联网科技发展应运而生的经济产物，通过网络众筹平台面向大众进行资金筹集。出于方便小微企业和个人创业者融资的需要，我国自2011年开始逐步引入众筹融资模式，当前众筹产业已进入快速发展轨道。所谓众筹，译自国外Crowdfunding一词，即大众筹资，是一种“预消费”模式，采取团购和定金预购相结合的方式，向公众筹募项目资金。业内知名的研究机构Massolution将众筹划分为债权众筹、回报众筹、股权众筹以及捐赠众筹等四类。

随着第一张股权众筹牌照的落地，国内知名大企业纷纷涉足众筹，国内外资本也开始进驻众筹行业，一大批众筹平台如天使客、众投邦拿到了融资，众筹行业前景逐渐明朗化。随着众筹行业的迅速发展，许多研究者开始深入研究众筹行业的发展状况以及前景，也有研究者针对众筹模式展开理论探讨。本文以众筹网（）融资项目为研究对象，通过收集该平台上线以来已成功融资项目的相关数据来分析多种关键因素对众筹项目融资效率的影响，为众筹项目的发展提供经验支撑，为进一步推进我国互联网众筹行业的发展提供实证依据。

1相关文献综述

Jeff首次提出“众包”概念，“一个公司或机构把过去由员工执行的工作任务，以自由自愿的形式外包给非特定的（而且通常是大型的）大众网络的做法。众包的任务通常由个人来承担，但如果涉及到需要多人协作完成的任务，也有可能以依靠开源的个体生产形式出现”[1]。众筹将众包和现代网络相结合，并涉及到资金投入。Ordanini最早给出了众筹的定义：众筹是通过互联网集聚大众资金来投资和支持由他人或组织发起的项目，并将众包细分为集体智慧/大众智慧、大众创造、大众投票和大众集资四种

类型[2]。Lambert和Schwienbacher等研究指出，众筹是最近几年出现于大众视线的新兴市场，最初应用于艺术和电影，获得成功后发展到新闻、体育等行业，至今呈现出各个领域全球化发展的趋势[3]。肖本华分析了众筹模式的内涵及其成因，讨论了美国众筹的发展现状及其问题，并借鉴美国经验，提出在保护投资者利益的条件下，可以尝试从科技和文化等领域试点发展众筹融资，帮助中小企业摆脱融资困难的局面[4]。

投资者是众筹参与主体中拥有资金的一方。参与众筹的激励不同，投资者行为也会发生变化，从而影响众筹的成功率。基于这一角度，Schwienbacher和Larralde等对旅游公司“MediaNoMad”的旅游信息分享网站（）的运作模式进行分析，研究指出众筹过程中参与创业的体验是最重要的动机[5]。Chris和Ward等提出同群效应和信息效应，同群效应即投资者的决策与周围地位相近的投资者有显著关联，信息效应为投资者根据相关项目的信息判断项目是否值得投资[6]。Gerber和Hui总结认为，投资者的动机有以下4种：获得投资收益、帮助企业创业、加入创业团队、对该行业的热情[7]。Li和Duan提出网络是投资倾向的根本决定因素之一，且具有正向促进作用[8]。吴文清等人运用京东众筹项目数据分析得出众筹项目在筹资过程中存在“羊群现象”，并且项目的关注人数是驱动众筹成功的重要因素[9]。他们研究构建了合理的经济框架，有助于项目发起人了解投资者的行为和预测众筹成功概率。

项目发起人是众筹的重要参与者之一，通常指缺乏资金的中小微企业、个人以及其他非盈利组织。国内外众多专家和学者基于项目发起人的角度对众筹成功的影响因素进行了大量研究，并给出不同见解。Marom和Sade研究表明项目创意和发起人名字都会影响成功的概率[10]。黄健青发现项目服务、形象价值对众筹项目成功存在显著影响，而投资阈值的影响不显著[11]。黄玲和周勤从行为金融学的期望理论视角出发，以回报型众筹为例开展实证研究，发现项目发起人预设的目标金额越低，质量信号越优质，众筹项目成功概率就越高[12]。

迄今为止，关于众筹的研究文献以筹资完成为界主要分为两类：筹资完成之前和筹资完成之后。针对筹资完成之前的研究关注点在于投资者的动机研究。Ordanini等人认为对于所有的投资者没有单一的众筹投资激励因素，投资者动机是随着每个众筹平台允许筹资者提供的回报类型的不同而变化[13]。当前的众筹文献很少涉及众筹成功融资之后的情况，即引入资金以外的附加值这一概念。有学者提到投资者可以给投资项目带来附加值，对此Macht认为研究众筹应该融合社会学或心理学，比如信任、忠诚度、情感、尊重和制度等，这些都是投资者为项目提供附加值的影响因素[14]。

本文受众多国内外学者研究工作启发，借助多项Logit模型，针对众筹网已成功众筹项目融资效率影响因素进行研究，分别从投资者和项目发起人行为两个角度来探讨网络互动、投资阈值、质量信号和筹资目标四个维度对众筹目融资效率的影响。

2研究模型及假设

2.1多项Logit模型

多项Logit模型是一种典型的离散选择模型。在众筹平台上项目能达到的融资效率是多值的，假设项目i能达到的不同融资效率备选状态为y=1，…，J，其中J为正整数，即共有J种互相排斥的选择。

参数βJ的估计可以通过极大似然估计方法得到，由于本文假设β1=0，所以在数据分析时是进行成对比较，即分别研究不同融资效率相对于欠佳的融资效率而言，不同影响因素的影响。

2.2研究假设

本文分别从投资者和项目发起人的角度出发，一方面研究投资者所处的网络互动和投资阈值两个维度的因素对投资者投资热情的影响，进而对项目融资效率产生的促进作用；另一方面结合发起人预设的质量信号和筹资目标，分析发起人行为对项目融资效率的影响。

2.2.1项目投资者

项目投资者是众筹过程中最重要的主体，只有引起投资者关注和激发起投资者热情的项目才能募集到足够的资金。基于这一点，可从网络互动和投资阈值两个方面展开研究假设：

假设1a：网络互动正向显著影响众筹项目融资效率。

网络互动这一维度具体通过项目的筹资人数、评论人数及关注人数3个指标来衡量。目前，国内外学者普遍认为网络力量对众筹具有重要作用。Moutinho和Leite在相关研究中发现众筹项目的筹资人数是衡量项目融资成功与否的有效自变量[15]。Quercia和Crowcroft研究肯定了评论人数对众筹成功的重要影响[16]。

假设1b：投资阈值对众筹项目的融资效率具有显著作用。

投资阈值包括项目的最小支持金额和最小金额支持人数。Frydrych等在分析项目因素中研究发现项目的最小投资额与项目成功有显著联系[17]。此外，最小金额支持人数就是以最小支持金额参与众筹的小额投资者数量，而小额投资者是众筹融资的主要力量。

2.2.2项目发起人

项目发起人是众筹项目的决策者，负责在众筹平台上提供待融资项目的相关信息描述，包括配备视频，为项目命名和预设筹资目标等行为，以下将围绕质量信号和筹资目标两大维度展开研究假设。

假设2a：质量信号对众筹项目的融资效率具有正向效应。

在本文中，质量信号包含是否配有视频、项目更新次数和项目名称的字符数3个因素。Mollick认为，投资者可以通过项目自身的质量程度识别出是否对该项目投资。项目发起人对项目的描述是否配有视频是衡量项目质量的信号，而质量信号还可以通过马太效应强化对项目成功率的影响，即让投资者感受到好的质量信号的项目成功率会倍增，反之，较差的质量信号则会让项目成功率数倍下跌[18]。Mart指出，项目的更新次数越多，众筹项目越容易筹资成功[19]。此外，项目名称是投资者最先接触到的项目信息，项目名称越能概括项目内容、体现项目创意和目标，就越能给投资者带来项目质量较高的直观感受，投资者的投资意愿就会更强烈，因此本文中将其列为质量信号中的一项衡量指标。

假设2b：筹资目标负向显著影响众筹项目的融资效率。

筹资目标即项目发起人预设的目标金额。Mollick指出，预设金额与众筹成功具有负相关性，但是发起人预设的目标金额太大不仅会增大发起人的风险还会影响后续回报的按时完成，而金额设置过低项目可能会无法达到预期质量，也无法吸引投资者注意[18]。

根据上述研究假设，结合众筹机制和特征，本文构建如图1所示的影响众筹项目融资效率的因素关系图。

3数据、数据处理及变量

3.1数据及数据处理

国外关于众筹融资影响因素的实证研究中，大多基于Kickstarter的众筹平台展开讨论。本文以国内最具影响力的众筹平台“众筹网”为例。该平台是我国最具影响力的众筹融资平台，能够为项目发起人提供融资、投资、孵化以及运营等综合服务，创造了国内单项筹资额以及最多参与人项目等多项纪录，目前已经成为国内最大的融资平台。具体地，本文以众筹成功的项目（融资效率达到100%及以上）为基本单位，对关键信息进行搜集，采集到众筹网自2013年2月正式上线至2015年11月12日共3055个项目数据（已成功），删除了发起人所在地为非中国大陆地区的项目12个（中国香港地区9个，中国台湾地区3个）。500元以下的预筹资金项目（3个）并非严格意义上的众筹，而筹资金额500万元及以上的数量极少（3个），属于异常值也将其删除。进一步删除部分变量缺失或异常的项目数据，最终得到样本数据项2851个。为尽量避免样本数据范围过大的影响，本文对样本数据的部分变量作对数化处理（自然对数）。

3.2研究变量

目前对于融资效率影响因素还没有定论，本文整理出变量如表1。其中，筹资目标、筹资金额、筹资人数、评论人数、关注人数、最小支持金额、最小支持金额人数、项目更新次数都是直接从众筹网上提取的数值变量，融资效率是筹资目标和筹资金额的比值，是否有视频是一项虚拟变量（取值为0或1）。

4实证研究及结果

检验以下备选状态Logit的决定因素：（1）一般融资效率对比欠佳融资效率；（2）良好融资效率对比欠佳融资效率；（3）优异融资效率对比欠佳融资效率，即以欠佳融资效率为参照标准。其中，反应变量Progress=0，1，2，3，这4个值分别对应4个不同的融资效率，即欠佳、一般、良好、优异。由于多项Logit模型的反应变量有4个类别，所以应该有3个Logit（即对数发生比），以一般融资效率为例：

ηi1=logπi1πi0=α1+X′iβ1（5）

随后，利用所提取的微观数据针对多项Logit模型进行回归分析，同时探讨融资效率PRG1、PRG2、PRG3对比参照标准（融资效率欠佳PRG0）的对数发生比。

各个方程会估计出每一个自变量对不同Logit的作用，多项Logit模型系数测量的是在控制其他自变量的条件下，某一自变量一个单位的变化对某一类别相对参照类的对数发生比的影响。模型结果如表2。

回归结果表明，各个因素χ诔锵钅咳谧市率影响相对稳定，总体较为显著，并且已通过Hausman检验，确定各个方案之间是相互独立的。

4.1众筹项目的网络互动对融资效率影响显著

项目的关注数和评论数对融资效率的提高有显著正向影响，筹资人数对融资效率影响基本显著，假设1a成立。相对于欠佳的融资效率，关注数每增加一个单位，项目达到一般、良好和优异的融资效率增加的对数比增幅不一致，并且，达到优异的融资状态增加的概率最多。而评论数虽然也对融资效率具有积极影响，但相比关注数作用较微弱。网络用户对项目的关注数和评论数的确给项目带来了广泛的网络互动，形成了良好的宣传效果，这与相关学者的研究结果保持一致。

项目的筹资人数对类型为良好和优异融资效率的影响作用通过了显著性水平为1%的统计检验。不可忽视的是，国外众筹网站如Kickstarter等限制了重复投资行为，而众筹网并无这一约束，从而导致筹资人数实际上衡量的是投资行为的次数，数据的实质属性不同可能是导致筹资人数并不完全显著的主要原因。

4.2众筹项目的投资阈值：最小支持金额的影响基本显著，而按照最小支持金额投资人数影响只有较弱显著性

据Cumming等研究，投资者的最小支持金额越低，参与该项目的投资额度限制越低，从而投资者的风险被分散，吸引了更多的潜在投资者[20]。结果表明，最小支持金额对项目融资效率的影响与假设1b吻合，与融资效率有正相关关系，然而作用小到可以忽略不计。这可能是由于较低的投资阈值虽然会引起更多投资者关注，但投资者首先考虑的还是项目的质量信号，并且网络互动高更容易吸引到投资者。如果项目质量不合格或者网络影响力不足，投资者并不一定会仅仅因为投资阈值较低而响应投资。

按照最小支持金额投资的人数仅在一般融资效率下有微弱的显著性。黄健青等提出小额投资者是众筹融资的主要力量[21]，小额投资者数量越多，众筹项目越容易成功。主要原因在于众筹网不限制重复投资，当同一个投资者对某个项目以最小支持金额多次投资，那么实际上最小支持金额就不再成立，本质上这就变为投资行为的次数，从而给投资阈值带来误导性影响。因此，假设1b部分成立。

4.3众筹项目的质量信号：项目名称字数影响显著，而是否有视频和项目更新次数不显著

项目名称字数与项目融资效率负相关。项目名称每增加一个字符，相对于欠佳的融资效率状态，项目能达到更好的融资效率的概率就越小。这表明，虽然项目名称越长，投资者能从中了解项目的内容和目标，感受到优异的质量信号，但是过长则会降低对投资者的吸引力。相比之下名称的简洁性更为投资者看重，从而提升投资者的投资热情。

项目描述中是否配有视频仅在5%显著性水平上对优异的融资效率有负作用，其他均不显著。造成这种结果的原因一方面在于视频的长短和制作水平的高低导致不同影响；另一方面，一部分使用移动手机浏览网站的投资者可能不会观看视频，仅根据文字和图片等信息判断项目的质量优劣。

项目更新次数仅在10%显著性水平上对优异的融资效率有负作用，其他均不显著。这与Mollick等的研究结果不太吻合，主要是由于Mollick认为很少有项目能在3天内筹资成功，所以项目后3天内的项目更新次数更能确切反映项目发起人对于项目准备的充分程度，也就是质量信号[18]，而本文则包含了整个项目筹资过程的项目更新次数，故结果有出入。质量信号仅1项指标符合预期，假设2a部分成立。

4.4众筹项目的筹资目标对融资效率影响显著

结果显示预设的筹资目标与融资效率呈现负相关关系，并且在1%的水平上显著。并且，相对于欠佳的融资效率，筹资目标设置得越低，能达到更好融资效率的概率随融资效率变高而明显增大。张成虎等研究指出，筹资目标金额对项目的融资成功率具有负面影响[22]。而上述研究表明，发起人设置较低的筹资目标确实能降低发起人的风险，增加投资者对该项目的信心，有助于提高融资效率，假设2b成立。

5主要结论

众筹融资行为，包括投资者和项目发起人都受到多因素影响。作为解决小微企业资本难题的重要办法，本文的研究具有现实意义。使用众筹网上2851项众筹项目样本数据分析网络互动、投资阈值、质量信号和筹资目标对众筹融资效率的影响，其中运用多项Logit模型进行实证考察，得出研究结论：（1）网络互动对融资效率影响显著；（2）投资阈值：最小支持金额的影响基本显著，而按照最小支持金额投资人数影响只有较弱显著性；（3）质量信号：项目名称字数影响显著，而是否有视频和项目更新次数不显著；（4）筹资目标对融资效率影响显著。

本文的研究结果解释了众筹网上多种因素对已成功项目的融资效率的影响关系，丰富了我国众筹研究领域的理论成果；同时本文的研究成果有助于我国众筹发起人准确了解各种因素对于项目融资效率的影响机理，也为众筹投资者提供了相关理论依据，具有实践应用价值。

此外，以下几点还值得进一步讨论：首先，项目的融资效率还受到政府出台的相关政策、投资者心理因素和发起人的社会资本等因素的影响，因此，未来需要综合研究多种变量对项目融资的影响；其次，随着众筹平台的进一步完善，项目的各项信息将会更加全面、致，甚至统一、规范，投资者在选择投资项目时，项目质量信号包括的因素不再具有参考意义；最后，项目的融资过程随时间动态变化，因此如何运用多项Logit模型来分析这些因素的动态变化对项目融资效率的影响还有待深入探讨。

参考文献：

[1]HoweJ.TheRiseofCrowdfunding[EB/OL].WIREDMagazine，http：///wired/archive/14.06/crowds.

html，abgerufenam，2006，6：2012.

[2]OrdaniniA.Crowdfunding：CustomersasInvestors[J].TheWallStreetJournal，2009，23（3）.

[3]LambertT，SchwienbacherA.AnEmpiricalAnalysisofCrowdfunding[J].SocialScienceResearchNetwork，2010，1578175.

[4]肖本华.美国众筹融资模式的发展及其对我国的启示[J].南方金融，2013（1）：52-56.

[5]SchwienbacherA，LarraldeB.CrowdfundingofSmallEntrepreneurialVentures[M].HandbookofEntrepreneurialFinance，OxfordUniversityPress，Forthcoming，2010.

[6]WardC，RamachandranV.CrowdfundingtheNextHit：MicrofundingOnlineExperienceGoods[EB/OL].//WorkshoponComputationalSocialScienceandtheWisdomofCrowdsatNIPS2010.2010.

[7]GerberEM，HuiJ.Crowdfunding：MotivationsandDeterrentsforParticipation[J].ACMTransactionsonComputer-HumanInteraction（TOCHI），2013，20（6）：34.

[8]LiZ，DuanJA.DynamicStrategiesforSuccessfulOnlineCrowdfunding[J].AvailableatSSRN2506352，2014.

[9]吴文清，付明霞，赵黎明.我国众筹成功影响因素及羊群现象研究[J].软科学，2016（2）：5-8.

[10]MaromD，SadeO.AretheLifeandDeathofanEarlyStageVentureIndeedinthePoweroftheTongue？LessonsfromOnlineCrowdfundingPitches[EB/OL].SSRNWorkingPapers，2255707，2013-12-01.

[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]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.

[13]OrdaniniA，MiceliL，PizzettiM.Crowd-funding：TransformingCustomersintoInvestorsthroughInnovativeServicePlatforms[J].JournalofServiceManagement，2011，22（4）：443-470.

[14]MachtA，WeatherstonJ.TheBenefitsofOnlineCrowdfundingforFund-SeekingBusinessVentures[J].StrategicChange，2014，23（1-2）：1-14.

[15]MoutinhoN，LeiteP.SharingInformationinaVirtualCommunityofCrowdfunding[A].TheCaseofKickstarter[C].CongressoISKOEspanhaePortugal/XICongressoISKOEspanha.2013.1187-1207.

[16]AnJ，QuerciaD，CrowcroftJ.RecommendingInvestorsforCrowdfundingProjects[C/OL].//Proceedingsofthe23rdInternationalConferenceonWorldWideWeb.ACM，2014.261-270.

[17]FrydrychD，BockAJ，KinderT.ExploringEntrepreneurialLegitimacyinReward-BasedCrowdfunding[J].VentureCapital，2014，16（3）：247-269.

[18]MollickE.TheDynamicsofCrowdfunding：AnExploratoryStudy[J].JournalofBusinessVenturing，2014，29（1）：1-16.

[19]EversMW.MainDriversofCrowdfundingSuccess[Z].2012.

[20]CummingDJ，LeboeufG，SchwienbacherA.CrowdfundingModels：Keep-it-Allvs.All-or-Nothing[C/OL].//ParisDecember2014FinanceMeetingEUROFIDAI-AFFIPaper.2014.