风险投资应该舍近求远吗，本文主要内容关键词为：舍近求远论文,风险投资论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
大众创业、万众创新是实现经济转型的重要引擎，也是中国经济新常态的标志之一。创新创业离不开风险投资的支持(Kortum和Lerner，2000；Langeland，2007)。近年来，从中央到地方的发展风险投资支持创新创业的政策不断涌现。①2015年上半年，各地政府引导基金的设立主体已经由省级单位逐渐扩展至市区级单位。②据清科集团统计，截至2015年6月底，国内共成立304支政府引导基金，管理资本量达3595.67亿元，平均单支基金管理规模为11.83亿元。但是，创业成功的“龙门”不易跨越，创业活动本身的高风险性和不同地区的禀赋差异在其中相互交织。在政府和社会各界大幅增加对风险投资行业注资并对之寄予厚望的背景下，如何保证VC投资效率，避免资金资源的浪费，成为摆在人们面前的重要问题。为了更好地揭示风险投资的运作规律，提升风投资金在各地区的配置效率，本文选择了经济地理学和金融学的交叉视角，围绕风险资本最关心的退出问题，试图回答：不同地区风险投资的退出率有何不同？造成退出率地区差异的原因是什么？这些原因揭示出我国VC投资当中的哪些现实？VC投资人应如何结合地理因素和自身条件制定合理的投资策略？这对于提高我国各地区风险投资的配置效率有何启示？ 创业活动和风险投资本身的特点，使得从经济地理学和金融学交叉的视角考察风险投资对创业的支持作用具有必要性。第一，VC与被投资企业的地理临近性在实践中极为重要，因地理临近性有助于节约创业投资活动中的交易成本，便于VC与创业者交流并发挥监督作用，对合约安排产生了直接影响(Cumming和Dai，2010；Bengtsson和Ravid，2011；Hochberg和Rauh，2013)。第二，在创业活动密集和创业金融发达的地区进行创业，信息交流和网络关系令创业企业更容易得到实现创业想法的各类所需资源，风险投资的业绩也更好(Hellmann，2000；Michelacci和Suarez，2004；Mollica和Zingales，2007)。第三，中国经济中的地域因素十分重要(董锁成等，2002；陆铭、陈钊，2005；乐国林、毛淑珍，2011)。伴随着中国经济结构调整、产业转型以及新区域规划思路的展开，中国正在勾画新的经济地理版图，区域差异越来越受到国内学者的关注(赵勇、魏后凯，2015；白俊红、蒋伏心，2015)。就创新创业和风险投资而言，显然区域因素会从多个角度诸如市场需求、融资便利、产业规划、人才集聚等多方面影响它们的成败和退出。 已有研究指出，风险投资具有地理集聚性(Chen，Gompers，Kovner和Lerner，2010；汪明峰等，2014)，并且风险投资的集聚也会促进创业活动的集聚(Mollica和Zingales，2007)。本文根据投资机构总部数量和投资规模，将北京、上海、广深三个地区界定为中国的风险投资中心(以下简称为“VC中心”)。③以VC中心为核心，通过研究风险投资在VC中心、相近地区、较远地区的投资退出率差异发现：风险投资中心并不是退出率最高的地区。以省份为界，随着项目所在地与风险投资中心距离的增加，VC中心、VC中心近距离省份、远离VC中心省份的退出率先升后降，VC中心的退出率最低。究其原因：第一，退出率的地区差异与因距离带来的交易成本和逆向选择有关，因为VC会提高远距离项目的投资决策标准，在一定范围内的远距离项目因选优因素而具有更高的成功率。第二，地区的产业集聚以及投资机构的专业性和行业经验能显著提高退出率，有助于削弱因地理距离带来的逆向选择性。 投资人的专业性削弱了地理因素的制约值得深思，尤其结合VC中心的退出率最低这一事实。地理距离除了可能令投、融资双方面临更多的信息不对称外，它带来的交易成本直接地体现在了考察项目、谈判，以及投后管理的面对面沟通成本等方面。对于专业性较差的投资人来说，除非异地项目显著地体现出高于本地项目的价值，否则他将不会投资于该项目。因此，专业性不足的投资人对距离的敏感性强，更加局限于本地的投资。本文发现退出率对距离的敏感性强，说明VC中心的项目之所以多，除了VC中心本身的集聚效应外，也是由于专业性较差的VC投资者集中所造成的，这导致了VC中心的过度投资，也会降低VC中心的退出率。根据周育红、宋光辉(2014)对中国创业投资网络研究的结果，中国创投网络规模在逐年增加，但是网络质量却有下滑的趋势。当然，处于VC中心的创业企业的融资门槛相应下降了，对于创业者来说，他们将更容易获得资金的支持。不过这有利于早期的创业企业，创新的孵化需要较为宽松的环境并允许试错。 本文的贡献在于：第一，在国内文献中率先从经济地理的视角探讨风险投资的退出问题，为从地理区位角度研究风险投资开辟了新方向；第二，发现了退出率与VC中心距离的非线性关系，并从逆向选择、地区产业集聚以及VC机构专业性等三个角度进行了解释，为认识国内风险投资的运作规律提供了新的认识；第三，为国内风险投资的区域战略布局提供了借鉴。 本文后续部分的安排如下：第二部分是对中国风险投资地理特征的描述；第三部分是理论分析和研究假设；第四部分介绍研究设计和数据样本；第五部分为实证结果；第六部分为结论与启示。 二、中国风险投资的地理特征 从空间分布的角度看，中国风险投资存在三个突出的特征。 (一)形成北、上、广深三个风险投资中心
图1 中国风险投资机构总部数量地区排名 注：以上统计数据为截至2014年末各地现存的风险投资机构总部的数量。仅列出前12名城市。 资料来源：清科私募通数据库。 风险投资的地理集聚现象已为人们所熟知，在中国也不例外。从风险投资机构总部数量来看(见图1)，北京、上海、广州和深圳地区无疑是中国的风险投资中心，按照机构总部数量多少的降序排列，北京、上海、广深拥有的机构总部数量与其他城市形成了明显的阶梯级差。从投资项目数量来看，在2002-2012年发生的风险投资案例中，北京、上海、广深地区的投资总数超过了其他地区的总和。2012年VC中心的投资案例数占据全国当年投资总数的近40%。在发展风险投资方面，北京、上海、广州和深圳在人文环境、科研力量、产业基础和企业规模等方面分别具有一定的基础，拥有各自的资源禀赋优势，对于风险投资的成功有着重要促进作用。
图2 累计退出率的地区比较 注：(1)本图为示意图，中华人民共和国地图请参见官方文件。(2)由于风险投资期限的原因，最新的投资(2013年和2014年)还来不及退出，为了保证退出率计算的准确性，对于成熟期投资的退出率，我们只计算到2012年；类似地，扩张期投资成功率不包括2012-2014年，初创期投资成功率不包括2011-2014年。为了提高投资成功率度量的准确性，我们还剔除了年投资案例数小于10的观测值(如西藏自治区)。另外，广东省的数据为剔除了广州和深圳的退出率。 资料来源：清科私募通数据库。
(二)投资存在地区偏好 国外文献研究表明，从经济环境的角度，不同地区具有适合于发展不同细分行业的“经济生态环境”(Zacharakis，Shepherd和Coombs，2003；Green，2004)。本文对中国的数据分析，也发现风险投资对于不同行业、不同生命周期阶段的企业投资存在着地区偏好，主要是：从行业的角度看，不同行业的投资会在不同地区集聚，TMT行业有83.23%的投资、计算机软硬件有66.02%的投资发生在北、上、广深三地，而传统行业的投资仅有33.29%位于VC中心。某些高技术行业如节能环保、半导体、生物医疗等在其他地区也存在集聚现象。从投资阶段来看，初创期项目集中于风险投资中心，而成长期、成熟期投资则分布较广，初创期的投资有66%发生在VC中心，扩张期和成熟期则分别有54.32%和36.68%发生在VC中心(见表1Panel A)。总体来看，高新技术领域的投资以及其他行业的早期投资更多地发生在VC中心。 这种投资在地域上的不均匀分布为比较风险投资的退出率带来了挑战，为了最大限度地消除自选择性引起的偏差，本文在计算地区(省际)层面的退出率时，根据行业和投资阶段进行了细分。从研究样本来看，各个地区对不同行业和不同投资阶段的投资均有涉及，只是投资的强度有所差异。 (三)总体的退出率与距VC中心的距离呈现先增后减特征 定义“退出率”为VC投资项目的退出案例数(通过IPO或并购退出)占VC投资项目总数的比例。我国三个VC中心是投资活动最活跃的地区，投资项目总量和退出案例总量都居于全国最前列。但是，就退出率而言，VC中心却并不是最高的。本文根据来自清科私募通数据库的样本计算了各地区截至2012年累计投资的案例数和截至2014年累计成功退出的案例数，并以退出总数与投资总数之比作为累计退出率，结果如图2所示，其中颜色越深的地区退出率越高。
为揭示规律，按照各省(地区)距离VC中心的远近，将国内的风险投资项目划分为三个区域，分别为VC中心、VC中心近距离省份和远离VC中心的省份，计算各区域的平均退出率。本文以某省与VC中心的平均距离④为标准，将风险投资区域划分为三类：北京/上海/广深为“VC中心”，平均距离上述VC中心300公里以内的为“VC中心近距离省份”，距离VC中心超过300公里则为“远离VC中心的省份”。之所以选择300公里，是因为这是高铁一小时的行程。将三类地区的退出率作比较，并进行t检验，结果如表2所示。表2还列出了以其他距离标准(500/700公里)⑤作为划分依据的t检验结果。无论如何划分“VC中心”、“VC中心近距离省份”和“远离VC中心的省份”，都可以观察到：与风险投资中心邻近的省份，平均退出率总体最高；距离风险投资中心较远的省份，平均退出率相比邻近省份较低。以300公里的标准为例，平均退出率的地区差异在统计上是显著的。即使我们把邻近VC中心地区的界定标准放宽到500公里甚至700公里，上述退出率仍呈现同样的特征；尽管总体退出率的差异在统计上不显著，但作为主流退出方式的IPO退出率仍然呈现显著差异。 三、理论分析和研究假设 从上述特征来看，显然地理因素对风险投资区域退出率有着重要而特殊的影响。中国风险投资退出率的地区差异，需要综合地理距离带来的VC逆向选择、地区环境禀赋以及投资者的经验等来解释。 (一)交易成本促使VC对远距离投资项目进行更严格的筛选 风险投资本身具有不确定性高、信息不对称程度大、投资者主动参与被投项目管理等特点(Lerner，1995；Kaplan和Stromberg，2003)，因而地理临近的重要性在两个方面体现得较为突出：一是有助于投资人更多地了解被投企业的信息，降低投资的信息成本，二是便于参与监督，降低监督成本。其中，监督在交易成本中占有相当大的比重，因为VC与创业企业家往往需要面对面的沟通，这与地理上的可达性直接相关，并且会直接影响到事前的投资决策。从交易成本(包括信息成本和监督成本)的角度出发，VC投资人会更加谨慎对待需要付出更高交易成本的远距离项目，进行严格筛选，而对于近距离、特别是VC中心的项目，由于信息成本和监督成本低，VC对项目的筛选标准可以降低，结果会出现地理上的逆向选择(Chen等，2010)，即近距离项目质量较差、远距离项目质量较优，这是解释VC中心退出率低的一个重要原因。同理，由于高技术行业投资的信息不对称程度和监督成本更高，在高科技行业子样本中，VC与被投企业的距离和退出率之间的正相关性会比在传统行业子样本更明显。因此本文提出假设1： H1：VC投资项目的退出率与其距离VC的远近具有正相关性，且在高科技行业的投资中会表现得更加显著。 投资机构所面临的交易成本的高低会随其行业经验的差异而有所不同，对于专业性强的投资人来说，即便存在信息不对称，投资人依然可以较好地对项目作出判断；而专业性较差的投资人在企业价值识别和进行有效监督及投后管理方面能力较弱，这会加大其投资决策对距离的敏感性。因而投资人的行业经验将有助于克服交易成本带来的制约。已有研究表明，专注于某个领域有助于VC投资者积累相关的信息和经验，使之更有效地解决在关键问题上面临的困难(Gupta和Sapienza，1992)；高科技行业的高信息不对称程度为那些专注于这些行业的投资人创造了比较优势(Sapienza和De Clercq，2000)；公司背景的VC(即CVC)基于对行业的深刻认知和专有资源能够更快地在联合投资中取得主导地位(Keil，Maula和Wilson，2010)。基于上述原因，我们提出假设2： H2：投资人的行业经验与退出率具有正相关性，并且能够有效降低距离对投资决策带来的影响。 (二)区域产业集聚对VC的成功退出具有重要影响 经济地理学的理论指出，交易成本、规模收益递增等因素导致了产业集聚的形成(Helpman和Krugman，1985)，包括人力资本的形成、面对面交流带来的新思想、特定产业专属的基础设施等(Duranton和Puga，2004)。根据“循环累积效应”理论，⑥地区优势产业和风险投资之间可能会存在互相加强的现象。尽管从长期动态来看这种投资强度的增加是内生于VC选择的，但是对于某一个具体时点上的VC投资决策而言，区域产业的集聚优势是一个外生因素。VC在投资时会根据地区所特有的禀赋资源进行选择(Florida和Smith，1993；Avnimelech和Teubal，2006)。具体来看，一般传统行业的产业集聚对VC投资的影响相对有限，因为传统行业的成功更加依赖于一般的创业环境资源，对于产业集聚所带来的技术和知识溢出效应的依赖较少。而高科技的产业集聚对于VC的投资是很关键的，可以预期，如果地区产业的集聚效应强，那么VC对高科技行业的投资可能具有较高的退出率。因此本文提出假设3： H3：地区产业聚集会显著提高VC投资的退出率，主要呈现在高科技行业样本中。 四、研究设计 (一)样本选择与数据来源 风险投资事件及其退出的数据样本来自清科私募通数据库。为了避免因数据的截尾问题使退出率计算出现偏差，本文选取了从2006年1月1日到2014年12月31日中国内地的所有风险投资退出事件，以及与这些退出事件相对应的2002年1月1日至2012年12月31日的投资事件。样本中的投资事件覆盖了风险投资的各个阶段，⑦由于不同阶段的投资具有不同长度的退出周期，选取样本窗口时本文对上述因素亦会加以考虑。⑧另外，在剔除投资期小于半年和投资时点不详的样本，并剔除房地产行业(多为地产基金投资项目)以及种子期的观测值后，共得到8731个投资事件和1254个退出事件。⑨剔除控制变量缺失的观测值后，最终得到2352个VC中心的投资事件和2130个其他地区的投资事件。在回归分析中，以单个投资事件为单位，对样本进行了上下1%的缩尾处理。 (二)变量定义与模型设计 为了揭示风险投资退出率的差异，首先根据被投企业在不同行业、不同生命周期对各地区的退出率进行比较。将退出率定义为某一时间区间内风险投资的所有项目中最终实现IPO或通过并购退出的事件比例，并按照省区来划分。例如，2009年有279个注册在北京市的创业企业被VC投资，截至2014年12月，其中有40个通过IPO或并购实现了退出，则2009年北京的投资成功率为14.34%。在实际计算中，为了避免自选择性造成的偏差，按照上述定义方式，进一步根据行业、投资阶段进行了细分，计算出了风险投资退出率，⑩并把退出率分解为IPO退出率和并购退出率。退出率的地区比较结果见表2。 本文进一步利用投资事件微观数据，通过回归分析对各地区退出率的差异进行解释，其中，虚拟变量exit作为被解释变量，表示投资是否成功退出。对应前文提出的三个假设，解释变量分别为：(1)风险投资决策中投资人面临的交易成本高低，用投资地与VC投资人所在城市的距离取对数(Ln_distance)来衡量；(2)投资人的行业经验(experience)，以截至投资年份VC在其被投公司的同行业中成功退出的项目数占VC已投资项目总数的百分比来衡量；(3)区域产业集聚程度(LQ，Location Quotient的首字母缩写)，用某地区某行业在该投资年度的投资密度作为其代理变量。为衡量地区产业聚集度，参照Green(2004)构建了VC投资密度指标，即“某地区某行业VC投资金额占该地区所有VC投资金额的比例/该行业全国VC投资总额占全国所有行业获VC投资总量之比”：
例如在样本窗口期内，广东省在半导体和电子元器件方面的风险投资金额占省内全部VC投资的比例相当于该行业全国平均水平的2.3倍。其背景是凭借产业集群带来的整体竞争优势，广东省的电子信息等产业正逐渐成为国际市场的重要力量。 控制变量的选取考虑了影响风险投资成功率的各项因素。GDP的高低可以在一定程度上反映地区创业条件的好坏(Jeng和Wells，2000)。更多的科研成果意味着更多的风险投资机会，以及更高的科研成果商业化的成功概率(Kr
ussl，Frause和Manigart，2012)，将各省区科研人员的人均专利申请数放入回归方程，作为创新的代理变量。另外，使用樊纲指数(11)的总指数作为综合指标衡量地区创业环境的好坏。出于稳健性的考虑，本文从樊纲指数的细分指标(12)当中，选取了各省份的金融市场发展程度(finance)、民营经济活跃度(private)、产品市场的地方保护程度(product)等作为控制变量，进行了稳健性检验。本文还控制了行业、投资阶段和投资年份。变量描述和资料来源见表3。 为了验证假设1，以是否退出作为被解释变量，被投资企业所在城市与投资人所在城市之间的距离作为解释变量，回归模型如(1)式(其中X表示地区控制变量，下同)：
如果投资决策对距离具有敏感性，则应当观测到(1)式中
显著为正。并且，在高科技行业的子样本估计得到的
参数相比于传统行业子样本估计得到的该参数更显著。本文在实证结果中还测算了距离每增加100公里对退出率的边际影响。 为了验证假设2，在上述模型(1)的基础上加入投资人行业经验的代理变量，及其与距离的交互项，回归模型如(2)式所示。
如前所述，投资人经验(experience)这一指标基于投资人的历史投资记录，较为直观地反映出投资人在该行业过往的成功投资“经验”，同时不同的VC机构之间具有可比性。投资人经验指标的取值越高，代表投资人在该行业经验积累越丰富。如果投资人的经验有助于提升被投资项目的成功率，那么可以观测到显著为正的
。交互项系数
则描述了叠加投资人经验影响后的距离对项目退出成功率的影响，如果假设2成立，那么
应显著为负。 另外，出于稳健性考虑，对于风险投资人的经验指标，本文分别采用了两个备选指标：“截至投资年份VC在其被投公司的同行业当中成功退出的项目数占VC在该行业已投资项目总数的百分比(experience1)”“截至投资年份VC已成功退出的项目数占VC已投资项目总数的百分比(experience2)”，进行了稳健性检验。其中experience1直接描述了VC投资人在被投资企业同行业投资的历史成功退出率；experience2将VC投资人在所有行业投资的历史成功退出率考虑在内，衡量了投资人的综合实力。 为了验证区域产业集聚的影响(假设3)，在上述模型(1)的基础上加入度量某产业投资密度的代理变量及其与距离的交互项，回归模型如(3)式：
其中，区域产业集聚度(LQ)即投资密度，是一个相对指标。若该指标取值大于1，表明在该地区被投资企业所在行业获得风险投资的比例比全国平均水平要高，反之，则不及全国的平均水平；并且，LQ取值越大，相对投资密度越大。如果假设3成立，那么可以预期(3)式中
显著大于零。 五、实证结果 (一)描述性统计 全部样本的投资阶段和行业构成如表1所示，其中Panel A列出了投资案例数据，Panel B列出了退出案例数据。在各个投资阶段和各个行业的投资中，IPO都是最主要的退出方式，占比83.57%。在初创期投资中，并购退出与IPO退出几乎平分秋色，是两种退出方式占比最接近的。表4列出了回归样本的描述性统计，包括平均退出概率、被投资企业所在城市与投资机构所在城市的距离，以及相关的创业环境指标。
描述性统计印证了省际层面退出率的规律，即退出率随着被投资企业距离VC中心越来越远而呈先升后降的趋势。另外可以发现的规律是，远距离项目的子样本和VC中心投资项目的子样本相比，投资人的专业性更强。除了VC中心的退出率明显较低外，其他地区的退出率和其GDP呈正相关的趋势。从创业环境来看，地区市场化的程度和一些重要的细分维度指标也是随着距离VC中心越来越远而呈先升后降的规律，可见偏远地区在企业成长所需的商业基础设施等一般环境要素上是相对欠缺的。 (二)退出率地区差异的解释 退出率的地域特征如何解释？其原因背后对于我国的风险投资实践能带来怎样的启示？通过投资事件层面的大样本数据，本文进行了进一步的考察。 1.交易成本造成了风险投资谨慎筛选远距离项目 为了考察交易成本是否导致了投资人对远距离项目采用了更严格的筛选标准，本文采用被投资企业所在城市和投资机构所在城市之间的直线距离作为交易成本高低的代理变量。(13) 如表5所示，回归(1)-(3)分全样本、传统行业以及高科技行业列示了实证结果。所有结果均显示被投资企业到VC投资人所在城市的地理距离对于退出率存在显著的影响。以回归(1)为例，经计算距离的边际效应为1.37%，也就是说，距离每增加100公里，退出概率相应地提高了1.37个百分点。这说明了本文假设1的成立，因地理距离造成信息不对称程度加大、不易于投资人主动参与被投项目管理等，从而提高了VC远距离投资的筛选标准。 高科技行业投资的信息不对称程度相比传统行业更严重，基于本文的实证结果，在高科技行业，距离每增加100公里，则VC的退出概率增加1.41个百分点。从按行业属性分组的回归结果来看，研究假设H1进一步得到了验证。 2.投资人的经验有助于克服信息不对称，弱化逆向选择的影响 行业经验的积累使VC具备了甄别企业真实情况、克服信息不对称的能力，同时也能更高效地进行投后管理，而且距离带来的交易成本(含监督成本)并不会对行业经验丰富的投资人构成很大的局限性。以截至投资年份之前该VC在某行业中的成功退出率作为投资人的行业经验指标，表5中(4)-(6)的回归结果表明，投资人的行业经验显著提升了投资成功退出的概率(experience前的系数显著为正)，从边际上看，投资人在某行业的历史投资成功率每提高1%，被投资企业的退出概率则增加0.86%；同时，距离和投资人行业经验的交互项显著为负，说明投资人的经验可以削弱距离的制约，其边际效应为-0.02%。并且，在对专业水准要求较高的高科技行业，投资机构行业经验越丰富，其退出概率对距离的敏感度越低。 3.区域产业禀赋有利于投资的成功 作为地区环境控制变量的樊纲总指数(FG)对项目退出概率的影响同样非常显著，说明地区市场化程度对创业企业的发展具有重要影响。这在一定程度上揭示了为什么距离VC中心较远的地区，平均退出率大幅下降。 从区域特殊禀赋的角度看，地区产业集聚度是重要体现指标。表5中(7)、(8)以LQ投资密度作为地区产业集聚的代理变量，可以看到，对于高科技行业而言，一个地区的产业风险投资密度对该产业风险投资的退出概率具有正向的作用。在边际上，LQ投资密度相对于平均水平每增加1倍，退出概率将增加4.28个百分点。也就是说，从风险资本的配置角度，VC应考虑项目所在地是否是该行业的重要集聚地。
注：表中Ln_distance为投资项目所在城市与投资机构所在城市的地理距离的对数。由于风险投资中心所具有的特殊禀赋会对投资人的项目投资决策产生影响，为了更好地验证远距离投资是否存在“逆向选择”，在剔除了风险投资中心的被投资企业后，(1)为全样本的回归结果，(2)和(3)分别为区分了传统行业和高科技行业的分组回归。该结果验证了假设1，即退出率与距离投资机构的远近正相关，并且在高科技行业尤为显著，证实了投资人确实对远距离项目采取了更严格的投资标准。(4)-(6)在考虑了风险投资机构的行业经验(以截至投资年份VC在其被投公司的同行业当中成功退出的项目数占VC在该行业已投资项目总数的百分比来衡量)后，可以发现，投资人的行业经验不仅显著地提升了投资成功退出的概率，同时也削弱了远距离企业获得风险投资的制约(距离和投资人行业经验的交互项显著为负)。在(7)和(8)中，LQ为地区(省)产业投资密度，按照Green(2004)定义投资密度为“某行业某地区VC投资金额占该地区所有VC投资的比例/该行业全国VC总投资占全国所有行业VC投资总量”。从表中的结果可以看到，一个地区的产业投资密度对该产业的投资退出概率具有正向作用，尤其是对于高科技行业而言。其中，***、**和*分别为在1%、5%和10%的显著水平下显著。 (三)稳健性检验 从实证结果的可靠性出发，本文做了两方面的稳健性检验。首先，参考已有的研究，将几个重要的描述地区环境的细分维度作为控制变量，即各省单位科研人员的专利申请数(patent)、金融市场发展程度(finance)、民营经济活跃度(private)和产品市场的地方保护程度(product)，分全样本、传统行业以及高科技行业再次进行回归，假设1的结论仍然成立。其次，在验证假设2时，本文采用了一种投资人经验的度量指标，本文用表3中另外两个备选的不同指标度量VC经验，距离因素不再显著，即投资人的行业经验降低了交易成本。(14) 六、结论与启示 北京、上海、广深是我国风险投资机构总部的三大集聚地，就VC投资项目和退出项目的数量来看，也名列前茅。但运用退出率指标考察，这三大区域并不领先，反而是VC中心周边相邻省份的退出率最高。本文认为这一现象受以下三方面因素的共同作用。一是对于远距离的项目，投资人进行了更加严格的筛选，离VC中心越远，获得投资的项目质量越高。二是行业经验丰富的投资人在投资决策当中能更好地克服信息不对称，其行业经验有助于甚至可以完全摆脱地理距离的局限，降低其在投资决策中面临的交易成本，并在投资后进行有效的监督和管理。从样本中确实可以观测到在远距离项目的子样本中，投资人的专业性平均而言是较强的，说明VC中心退出率较低，部分是因专业性较差的投资人集中所导致的。三是不同行业的地区集聚对于投资项目的成功具有不可忽视的影响。在远离VC中心的内陆地区，某些行业的投资也有较高的退出率，这是因为地方的产业集聚优势所致。表6是本文主要发现的总结。
本文的发现揭示了我国VC退出率地区差异背后的多重原因，为改善我国风险投资的资源配置提供了思路。一是加大对VC中心周边地区/邻省的资金配置，因为这些地区的投资效率相对较高。二是提高投资人的专业水平，这有利于从根本上提升我国风险投资的效益，让更多优秀的企业获得资源。三是风险投资的发展应与区域经济发展相结合，实现风险投资和区域优势产业的相互促进作用(Florida和Smith，1993；Avnimelech和Teubal，2006)。 本文的发现对于我国风险投资行业从业者的启示在于：第一，投资人需要根据其所专注的行业，选择相应产业集聚的地区。采用专注性的策略有利于加深投资人对行业的理解，发掘好的投资机会，克服地理因素的局限。尤其是在投资人水平参差不齐的当下，先于竞争对手成长起来的投资人将获得更大的边际收益，这一边际收益既来源于扩大其投资的地理范围后所拥有的更大的可选项目基数，也来源于产业集聚地区的特殊禀赋。第二，VC中心城市适合于“哑铃型”创业企业成长，即处于初创期和成熟期的企业。高新技术领域的初创期项目将得益于VC中心提供更好的知识产权保护和教育、科研资源(Chen和Marchioni，2008)，同时发达的金融市场有利于初创期项目通过并购或其他方式实现退出，也为成熟期的企业走向资本市场提供了更多便利。国内其他地区则适合处于生命周期中端(扩张期)的“纺锤型”企业。扩张期企业需要的资源，如人口、需求、市场等，非VC中心的地区均能提供。也就是说，创投机构可以在不同地区侧重于投资不同生命周期的企业。 本文的发现也为从经济地理学角度研究风险投资开辟了新的方向。后续可以基于风险投资历史数据，进一步研究：风险投资因地理便捷、同城效应带来的逆向选择性，具体体现在哪些方面？是忽视财务数据、不重视公司治理、还是投资人过于自信乐观？是否风险投资在项目所在地附近设立分支机构，就可以提高投资的成功率？风险投资在考察祖国边疆地区的项目时，到底是以何种标准在选择？等等。本文的不足之处在于，产业集聚以及地区创业环境对VC退出率的作用机制还有待于进一步考察，其中创业一般环境对退出率的影响是难以被清楚观察的，但对于创业企业的生存和发展又是重要的。本文仅通过控制地区环境的综合情况间接给出了创业一般环境对退出率的影响。另外，退出率仅是体现风险投资是否成功的指标之一，某些风险投资出于其他动机(如实施产业政策、扶持地方就业、帮助LP的主体产业发展等)进行的投资行为，并不能完全用退出率来衡量是否成功。 ①比如2015年3月23日中共中央、国务院发布《关于深化体制机制改革加快实施创新驱动发展战略的若干意见》提出“壮大创业投资规模，按照市场化原则研究设立国家新兴产业创业投资引导基金，带动社会资本支持战略新型产业和高技术产业早中期、初创期创新型企业发展”，以发挥VC对创新创业的引导作用。 ②资料来源：清科研究中心《清科观察：上半年百亿级政府引导基金频现，600亿基金支持中小企业发展》。 ③类似“金融中心”，是一个经济学名词。本文相应提出“风险投资中心”的概念，用风险投资机构数量、从业人员、资本规模等指标来界定。另外，文中的“广深”指广州和深圳，从地理分布来看这两个地方非常接近，通勤只需要半小时。并且广州和深圳从风险投资机构和投资项目的数量来看相近并都很多。因此，本文将广州和深圳合称“广深”。 ④以位于同省的被投资企业所在地与最临近VC中心的平均距离作为该省与VC中心的距离。比如江苏省拥有VC被投资企业的各地级市距离上海市的公里数平均为171公里，则界定江苏省为VC中心近距离省份；山西省拥有VC被投资企业的各地级市距离北京市的公里数平均为496公里，则山西省为远离VC中心的省份；江西省拥有VC被投资企业的各地级市距离深圳平均572公里，则江西省为远离VC中心的省份。 ⑤以上海为例，上海到安徽合肥的行程约469公里，到江西上饶约518公里，到福建宁德687公里，到江苏北端的连云港(已接近山东)478公里。可见从VC中心到与其相隔省份的距离基本在400到700公里之间，本文所选取的区域划分的距离标准也基本符合现实的情况。 ⑥该理论由诺贝尔经济学奖得主缪尔达尔提出。其主要观点是如果某一地方在初期阶段就获得了一种竞争优势，那么从动态过程来看，其后的发展机会本身还具有“乘数效应”。 ⑦我们直接采用清科私募通数据库对样本的投资阶段所做的界定，包括初创期、扩张期、成熟期。 ⑧本文根据退出样本对投资的平均期限，即投资日到退出日之间的时间跨度(清科数据库有具体的投资日期和退出日期，本文这里的时间跨度精确到天)进行了统计，发现初创期的项目平均投资期限为4.66年，扩张期约为3.2009年，成熟期为2.2003年。为了客观反映成功退出的比率，对于初创期的投资，本文剔除了2010-2014年的样本。同理，本文剔除了2012-2014年的扩张期投资和2013-2014年的成熟期投资。 ⑨需要说明的是，我们把同一管理机构在同一时间点通过其旗下的不同基金(如一期基金和二期基金等)投资某一公司的情形视为一个投资事件，同样，当同一投资机构在同一时间通过旗下不同基金退出某一公司的情形也被视为一个退出事件。为了降低退出率的测量误差，剔除了省区内年投资项目数小于10的观测值。 ⑩基于这些投资和退出事件，本文对距离VC中心远近不同的省份的退出率进行了比较。在计算退出率时控制了不同年份、行业和投资阶段。其中投资阶段和行业都是基于清科数据库的界定。根据产业特征，我们把清科行业进一步归集为六大类，分别是TMT(互联网、通信、媒体等)、半导体和其他电子设备、传统行业(消费、零售和制造业等)、计算机软硬件、医疗健康(包括生物技术和制药等)和节能环保(如新能源、清洁技术等)。 (11)由于樊纲指数最新可得的数据截止到2009年，我们采用了各项指标的三年移动平均值作为后续年份数据的估计。樊纲指数反映了各个地区在市场化改革、民营企业发展、自由定价制度、市场准入、垄断、政策法规服务等方面存在的制度上的差异，对各地区的市场化进程进行了较为全面的比较，通过持续的测度提供了一个稳定的观测体系，完全采用客观指标衡量各地区市场化改革的深度和广度，基本概括了市场化的各个主要方面，详见樊纲等《中国市场化指数各地区市场化相对进程2011年报告》。 (12)这些细分指标本身是由几个具体的维度构成，例如“非国有经济发展”这一指标就是由非国有经济占工业销售比重、固定资产总投资比重、非国有经济占城镇总就业人数比重组成的。因此，相比于单个代理变量，指数得分能够更加综合、准确地反映出某地区创业环境的状况。 (13)在同城投资中被投资企业和投资人之间的地理距离为零，由于VC中心的退出率最低，剔除VC中心的被投资企业的样本，一方面去除了VC中心丰富的创业资源禀赋对投资人决策带来的特殊影响，另一方面也增强了回归结果的稳健性。 (14)因篇幅所限，正文没有列出稳健性检验的结果，如有需要可联系作者索取。
标签：退出率论文; vc投资论文; 风险投资基金论文; 风险投资退出论文; 集聚效应论文; 概率计算论文; 风投论文; 投资论文; 逆向选择论文; 创业论文; 地理论文;
