基于门槛模型的风险投资进入创新型企业时机与方式研究
樊明雪1 谢 赤1,2黄维亮1
(1. 湖南大学工商管理学院; 2. 湖南大学金融与投资管理研究中心)
摘要: 通过改进突变级数法建立企业成长性综合评价指标体系,并将其与门槛模型进行结合,构建企业成长性门槛模型,进而对风险投资进入创新型企业的时机和方式展开探讨。研究显示,风险投资进入创新型企业的时机存在明显的双门槛效应:成长性大于高门槛值时,风险投资将承担太大的风险;而小于低门槛值时,企业的成长价值又太小;只有当企业成长性处于两个门槛值之间时,风险投资才适合进入创新型企业。类似地,在风险投资进入方式上也存在双门槛效应:企业成长性小于低门槛值时,风险投资不会选择任何一种方式投资;成长性在高低门槛值之间时,选择单独投资;成长性超过高门槛值时,则选择联合投资。综合两个双门槛效应可知,创新型企业成长性在0.580~0.708之间时,风险投资者应该采用单独投资;而当其成长性高于0.708低于0.732时,风险投资则更应该选择联合投资方式;若其成长性为其他值,则风险投资不宜进入。
关键词: 创新型企业; 风险投资; 企业成长性; 门槛模型
1 研究背景
所谓创新型企业,一般指拥有持续创新机制,能够将资源要素系统地转化为创新绩效,以获取持续稳定的竞争优势的企业,是从主流企业发展模式演变出来的一种新的形态[1, 2]。创新型企业主要分布在高科技行业,通常其综合成长性较高,具有较大的投资价值,是风险投资机构最青睐的投资对象。
风险投资者通常倾向于选择具有好的成长性、高的未来价值回报的创新型企业作为投资目标,而何时进入创新型企业,以什么样的方式进行投资,则成为风险投资者们关心的主要问题。不过需要注意的是,选择一个成长性高的企业进入固然可以为风险投资者带来高的收益,但因为这类企业同时存在未来的不确定性,投资者将承担较大的风险。据此,研究风险投资进入创新型企业的时机和方式,无疑能够为风险投资者制定相关决策提供参考。本研究试图通过建立创新型企业成长性评价综合指标体系,并结合门槛模型的构建和门槛值的计算,对风险投资进入的时机和方式展开系统的探讨。
RKEF工艺最早由美国Elkem公司开发并应用于工业生产,目前是国内外大型镍铁冶炼首选工艺。该工艺主要分为干燥、焙烧- 预还原、电炉熔炼、精炼等几个工序,RKEF工艺缺点是无法回收镍矿中的钴,对钴含量较高的氧化镍矿并不适用。另外,由于工艺能耗高,适宜于处理镍含量大于2%、钴含量小于0.05%的矿石,且要求当地要有充沛的电力或燃料供应[1]。
2 文献综述
2.1 关于风险投资进入创新型企业的研究
HELLMANN等[3]指出,拥有创新策略的企业更容易得到风险投资的青睐。PURI等[4]认为,风险投资偏好高科技行业和增长速度快的企业。陈见丽[5]选择创业板上市企业为对象,对风险投资进入的时机及偏好进行了实证分析。周莉[6]的研究表明,风险投资者并不以风险和收益作为考虑的主要因素,而是选择在较早的种子期来进行投资。吴翠凤等[7]认为,风险投资机构与创新型企业距离近或企业财务有优势时,风险投资更容易介入;同时,距离越近越容易发生联盟介入,距离越远或风险投资机构越成熟则重复介入的可能性更大。KAPLAN等[8]表示,优秀的风险投资者往往更注重一个企业的技术竞争力,即其是否在技术上比其他竞争对手更有优势。LUTZ等[9]证实,德国的风险投资机构投资近距离的企业的概率更大。CUMMING等[10]研究发现,在风险投资市场中同样存在着本地偏好,并对本地偏好的影响因素进行了探讨。苟燕楠等[11]的研究证明,在企业初创期和发展期进入的风险投资与企业研发投入之间存在显著的正相关关系,在企业扩张期进入的风险投资与企业研发投入之间存在显著的负相关关系;在企业发展期进入的风险投资与企业专利数之间存在显著的正相关关系,在企业扩张期进入的风险投资与企业专利数之间存在显著的负相关关系。
杰克在收拾自己的用品,苏婷婷进来,问:杰克,要出差吗?杰克沉着脸:最近事情多,我搬到公司里去。傍晚,杰克走进一家饭店,问:这里需要服务员吗?柜台人员转身喊:老板!老板从里屋出来:啥事?柜台人员指着杰克:这位外籍先生想当服务员。 老板看看杰克,问:会端盘子吗?杰克回答:当然,我在唐人街端过盘子。
2.2 关于企业成长性的研究
TOMCZYK等[12]认为,企业家的价值观与所提供的福利总额之间没有关系。ALEX[13]证明就业增长可以带来销售增长和利润增长,但利润增长却不说明销售和就业发生了增长。CAPASSO等[14]认为,研发支出对企业成长性有积极的影响。COAD等[15]发现,年轻企业的研发投入更能促进企业成长,但年轻企业的研发投入比成熟企业的研发投入的风险要大得多。慕静等[16]利用多元统计中的主成分分析法,建立一种新的中小企业成长性评价模型,并初步证明了该模型的合理性。徐维爽等[17]采用综合指标评价体系对创业板上市公司的成长性进行度量,并在此基础上探讨技术创新能力对成长性的贡献,证实创业板公司的成长性并不高。
2.3 关于门槛模型的研究
王永华[18]研究证明,电信基础设施对于区域创新能力存在门槛效应。吴晓晓等[19]发现,随着政府资助强度的提高,企业研发投入强度的系数发生由正到负的变化,二者之间呈现倒U型关系。张林等[20]证实,提升区域金融实力可以显著促进实体经济的增长;FDI溢出对实体经济增长影响的大小和方向都存在基于区域金融实力的双门槛效应,FDI的引入必须与区域金融实力和经济发展水平相适应。ADENIYI等[21]采用门槛模型研究尼日利亚金融发展与经济增长的关系,发现存在一个金融发展的门槛值,使得金融发展对经济增长的影响出现反转。PAN等[22]借助阈值模型考察以收入增长为背景的房价,证实由于收入和劳动力的增长,房价随着需求的增加而上涨。
总体而言,目前关于创新型企业与风险投资进入时机和方式的文献还不多见,仅有的少量研究也主要考虑的是在企业上市前的风险投资进入时机及方式,对于上市后的情况则缺乏深入的探讨。同时,关于创新型企业成长性的现有研究,通常也局限于成长性综合评价指标的建立,围绕风险投资进入的实证分析较为少见,更鲜有通过量化的方式考察风险投资进入时机和方式的。此外,门槛模型过去更多地被应用于科学和工程领域,即使近些年在经济领域崭露头角,也更多地运用于区域经济或者宏观经济方向上。由此,考虑到创新型企业的成长性可能对风险投资者的进入时机与方式存在门槛效应,本研究试图借鉴HANSEN[23]的方法构建门槛模型,并结合成长性综合评价体系,建立一个成长性门槛模型来探讨风险投资进入创新型企业的时机和方式。
3 门槛模型的构建
如前所述,创新型企业的成长性对于风险投资进入的影响需要从两个方面来考虑:①低成长性的创新型企业,其市场行情相对低迷,已难有乐观的发展前景,投资它们获得回报的空间无疑是有限的;②投资高成长性的创新型企业会给风险投资者带来较高的收益,但同时这类企业存在的风险也可能较大。由此,就风险投资者而言,存在一个取舍或者折中的过程:考虑创新型企业成长性由低到高的变化,在其达到某一个门槛数值时,风险投资者便可以进行投资,但当其继续增加超过另一个门槛数值时,投资者便不再考虑投资了,这样便形成了一个可投资区间。同时,在创新型企业成长性的这个可投资区间内,风险投资者既可以进行单独投资(即单独的组织或者机构对于单个项目进行投资),也可以采取联合投资方式(即不同地区、不同部门、不同所有制的法人组织,或是自然人按一定的协议或章程联合出资开展投资),这时他们就又需要做出相应的选择。基于此,本研究拟引进门槛模型来对上述两个问题进行探讨。以创新型企业的成长性为门槛变量,借助HANSEN[23]面板门槛模型的优势,以严格的统计推断方法实现对门槛值的参数估计,实证分析创新性企业成长性对风险投资进入的面板门槛效应。
3.1 变量的选择
(1) 被解释变量 风险投资VC 和风险投资方式VCW 。其中,风险投资被设置成0-1变量,用于判断风险投资是否进入创新型企业;风险投资方式也为0-1变量,联合投资为1,单独投资为0。
(2) 核心解释变量(门槛变量) 企业成长性G 。本研究使用主成分分析法和突变级数法,针对创新型企业的财务指标来建立成长性综合评价体系,由此计算出每个企业每个季度的成长性,作为核心解释变量。同时,企业成长性也被作为门槛变量。
新疆轮台工程位于天山南麓,为典型的暖温带大陆性干旱气候,平均气温为11.1 ℃,历年极端最低温度-25.5 ℃,暖风器的进风温度按冬季采暖室外计算温度-11 ℃,暖风器出口空气温度30 ℃。经咨询电厂暖风器的运行情况,暖风器出口风温能满足系统设计要求。
a =-6x 2,b =8x 3,c =-3x 4;
3.2 门槛模型建立
门槛模型构建于HANSEN[23]的面板数据模型的基础之上
VC i,t =α 0+β 1G i,t I (G i,t ≤γ )+β 2G i,t I (G i,t >γ )+
α 1lnL i,t +α 2P i,t +α 3C i,t +α 4S i,t +α 5Y i,t +ε i,t ;
(1)
VCW i,t =α 0+β 1G i,t I (G i,t ≤γ )+β 2G i,t I (G i,t >γ )+
α 1lnL i,t +α 2P i,t +α 3C i,t +α 4S i,t +α 5Y i,t +ε i,t ,
(2)
式中,i 表示个体;t 表示时间;I 表示关于G 的分段函数;γ 表示成长性指标门槛值;α 0~α 5、β 1和β 2均表示回归参数;ε 表示扰动项。
根据HANSEN[23]所使用的方法,将单一门槛模型的基本形式定义为
随着“互联网+”模式的快速发展,越来越多的新型行业逐步开始得到快速发展,并且在一定程度上对传统公共图书馆带来了很大挑战和冲击。这种冲击是一种非常重要推动力,近些年随着新型行业的持续不断快速发展,在很大程度上也有效驱动了传统图书馆的自身变革,使得公共图书馆工作者要以一种与时俱进的心态积极从互联网发展模式中寻找行业最新发展趋势,进而有效确定图书馆未来行业发展的新动态,最后再通过互联网为该行业的快速发展提供重要力量。
僧无可,生卒年不详,河北道幽州范阳县(今河北省涿州市)人,贾岛从弟,素有诗名。作有《奉和段著作山居呈诸同志三首次本韵》。段著作为段成式,据此知段成式作有《山居呈诸同志三首》诗,今佚。《金石萃编》卷一○八《寂照和尚碑》,“宣德郎、守秘书省著作郎、充集贤殿修撰、上柱国段成式纂”,“少华山树谷僧无可书”。清毕沅《关中金石记》卷四:“《安国寂照和尚碑》,开成五年正月立,段成式撰文,僧无可正书。”张延峰《咸阳安国寺探赜》[1]载:“题款后刻1行44字,文为‘开成六年岁次辛酉正月葵酉朔六日戊酉门人圆进……等同建’。落款开成六年实为会昌元年(公元841年)。”如此知僧无可与段成式在开成六年①前后有交游。
(3)
(4)
式中,作为解释变量的x i 表示一个m 维的列向量;门槛模型的待估系数θ 1与θ 2是列向量,θ 1′与θ 2′分别表示待估系数转置后的行向量;e i 表示残差项;q i 表示门槛变量;γ 表示门槛值。HANSEN[23]认为可以有n 种不同的门槛值,因而存在n 种将样本划分为不同组别的方式,需要选出其中的最优者。
进一步可以将式(3)和式(4)改写成单一方程形式
(3) 控制变量 本研究的控制变量包括:创新型企业的规模S (营业收入)、利润P (营业收入利润率)、资本密集度C (总资产/营业收入)、资本结构L (负债率)、上市存续期Y (企业上市的年限)5个指标。
林木在生长过程中容易受到病虫害、强风、雨雪以及森林火灾等诸多不利因素的影响,形成大片受害林,这也是森林抚育管理工作的重点内容,需要管理人员予以重视。具体来说,管理人员应对受害林进行仔细检查,伐除因遭受灾害而出现明显的生态功能降低情况的林木,在林木空隙处或林中空地进行补植,将林木密度调节到最佳。这样既能保证经济效益,又能提高林木抵御风、雪、暴雨的能力。针对受虫害影响严重的林木区域,管理人员还应当仔细检查与分析,确定主要病虫害,有针对性地采取病虫害防治措施,如在相关区域喷洒农药等,避免病虫害进一步扩散。
对钻孔灌注桩半湿孔作业的几点建议:(1)在充分调研当地地质特性的基础上,可尝试使用半湿孔作业法,如遇特殊软土地层或地下水位较高的情况,慎用本方法,总之,需与地质地层情况相适应;(2)注意干湿交界面的设定,需充分考虑地下水的影响并尽量设置在耐水浸性地层上;(3)钻进过程中泥浆补浆方法有待进一步优化,可考虑带卷扬机的软管直接送至孔底或通过钻杆灌浆。
(5)
式中,x i ′表示解释变量x i 转置后的行向量;d i (γ )表示虚拟变量;θ 和δ n 均表示待估系数;n 为可能的门槛数。对于门槛值γ ,根据条件最小二乘估计方法,得到相应的残差平方和函数
S n (γ )=S n [θ (γ ),δ n (γ ),γ ]。
(6)
估计得到的门槛值就是使S n (γ )最小的表示如下
(7)
式中,Γ n =Γ ∩{q 1,q 2, …, q n }。HANSEN[23]将门槛变量中的每一观测值均作为可能的门槛值,将满足式(7)的观测值确定为最后的门槛值。
(3) 评价指标体系确定 以主成分的特征值和方差贡献率作为判断的主要标准,对所有样本公司的上述11项财务指标进行主成分筛选,计算结果见表1。
2018年9月27日,中国奶业20强(D20)峰会在内蒙古自治区呼伦贝尔市召开。农业农村部副部长于康震在峰会上作主旨演讲。他强调,要认真学习领会习近平总书记重要指示和李克强总理批示精神,贯彻落实《国务院办公厅关于推进奶业振兴保障乳品质量安全的意见》和全国奶业振兴工作推进会精神,以推进供给侧结构性改革为主线,着力提高奶业供给体系的质量和效率,更好适应消费需求总量和结构变化,加快实现奶业全面振兴。
(8)
式中,S 0表示在零假设下的残差平方和。
门槛值不存在的零假设为
Image feature training and fusion algorithm based on deep learning representation
H0:θ 1=θ 2。
(9)
由于LM统计量并不服从标准的分布,故以“自举(Bootstrap)”来获得渐近分布,进而得到相应的概率p 值,也称为Bootstrapp 值。确定某一变量存在门槛效应时,还需要进一步获得其门槛值的置信区间,即零假设为
(10)
似然比统计量可表示为
(11)
当LR n (γ )≤c (α )=-2ln(1-α )时,不能拒绝零假设(α 表示显著性水平)。其中,在95%的置信水平下,c (α )=7.35。
4 创新型企业成长性的度量
4.1 指标体系建立
根据11项二级指标在各自主成分上的载荷系数由大到小排序,可以得到它们的重要性次序,见表3。
按照科学性、可操作性、独立性、合理性、综合性等指标选取原则,根据企业成长理论并考虑创业板上市公司的特点,在考虑前人财务指标成长性评价的研究成果的基础上[24~26],选取流动比率、速动比率、资产负债率、资产报酬率、净资产收益率、成本费用利润率、研发支出营收比、人均研发支出、总资产增长率、总资产净利率和净资产增长率11个财务指标作为创新型企业成长性评价指标。以此为基础,采用主成分分析法建立创业板上市公司成长性评价指标体系。
(2) 数据适用性检验 针对上述493家创业板上市公司2015~2016年8个季度的数据,采用KMO检验法和Bartlett球形检验法进行适用性检验,得到的结果分别是KMO统计量等于0.670,为良好水平;Bartlett球形检验的显著概率为0.000,表明各指标间相关性较强,可进行下一步的主成分分析。
随后检验门槛效应的显著性,构造Lagrange乘数(LM),统计量为
表1 主成分的特征值和贡献率( N = 493)
注:N 表示创业板上市公司数,时间跨度为8个季度,表2~表10同。
由表1可知,11个主成分中,特征值大于1的公因子有4个,表明度量创业板上市公司成长性的11项指标可以载荷于这4个因子。同时,这4个主成分的方差贡献率达到原有全部指标的83.460%,表明它们较好地涵盖了原始数据所包含的信息。不仅如此,后续研究以这4个指标作为控制变量,也满足突变级数法对单一状态变量数量的限制要求。4个主成分的方差贡献率从大到小依次为31.720%、25.690%、15.970%和10.080%,据此便可对各主成分的相对重要性进行排序。
在此基础上,采用最大方差正交旋转法对初始载荷矩阵进行因子旋转,具体见表2。
表2 旋转因子载荷矩阵
注:提取方法为主成分分析法;旋转方法为Kaiser正态化最大方差法。
由表2可知,第1主成分在资产报酬率、净资产收益率、成本费用利润率和总资产净利率上有较高载荷,这4项指标通常被用于度量企业的盈利能力,故将其命名为“盈利能力因子”;第2主成分在流动比率、速动比率和资产负债率上有较高载荷,为“偿债能力因子”;第3主成分在总资产增长率和净资产增长率上有较高载荷,为“发展能力因子”;第4主成分在人均研发支出和研发支出营收比上有较高载荷,为“创新能力因子”。由此,作为创新型企业代表的创业板上市公司成长性评价体系便由盈利能力、偿债能力、发展能力和创新能力4个一级指标和相应的11个二级指标构成。
(1) 样本选取与数据来源 中国证券市场创业板被称为第二证券交易市场,是在“主板”之外,为暂时无法上市的中小企业和新兴企业提供融资途径和成长空间的市场。一般认为,创业板上市公司可以较好地反映创新型企业的特征。由于2015~2016年期间,创业板市场波动相当大,到达过高潮也经历了低谷,能够很好反应出不同市场状态下风险投资者的行为,同时考虑到样本数据的完整性,因此,本研究主要考察在这一时间段内风险投资者的行为。在此期间的创业板市场中,筛选出数据完整的上市公司493家,其中有风险投资进入的124家,无风险投资进入的369家。实证研究所使用的数据为面板数据,它们均来源于国泰安数据库及Wind数据库。
1.平台(P),是承载网络培训的技术系统,根据业务模式,进行系统功能开发并迭代,随着移动互联网技术的发展,移动学习越来越成为网络培训的主流模式,所以,适应多种终端、模块化功能设计是技术平台建设的基础。在满足网络培训业务的同时,要设计好数据库结构便于进行数据采集、数据分析以及学员行为分析。
表3 企业成长性评估指标体系
4.2 成长性度量模型
(1) 突变模型形式选择 本研究对创业板上市公司成长性的度量,拟通过突变级数模型来进行。突变模型的初等形式有多种,其中尖点突变、燕尾突变和蝴蝶突变在实际中应用较为广泛,它们对应的一级指标分解情况分别为2个子指标(n =2)、3个子指标(n =3)和4个子指标(n =4),表达式分别为
f (x )=x 4+ax 2+bx ;
(12)
(13)
(14)
(2) 归一公式推导 对突变势函数求一阶导数并令其等于0可得到零界点集,再求二阶导数令其等于0,可以得到尖点集,它们分别为
a =-6x 2,b =8x 3;
(15)
后来,是在一年之后。一年之后,关于钻戒的事,已被罗兰人淡忘了。即使玉敏,也把它锁进了记忆深处,很少去回想了。然而事物是有因果关系的,时光可以把因果关系拉到无限长,但只要有因,果迟早要来。你今天咬了狼一口,狼惦记上了,迟早也要咬你一口。
(16)
a =-10x 2,b =20x 3,c =-15x 4,d =4x 5。
(17)
将模型中各个控制变量的不同质态化为同一质态,即将控制变量化为状态变量表示的质态,可以分别得到尖点突变、燕尾突变和蝴蝶突变的归一公式。将其中的控制变量化为状态变量表示的值,即可得到由归一公式表达的突变级数,分别为
x a =a 1/2,x b =b 1/3;
(18)
x a =a 1/2,x b =b 1/3,x c =c 1/4;
(19)
x a =a 1/2,x b =b 1/3,x c =c 1/4,x d =d 1/5。
(20)
(3) 互补性确定 通过归一公式用控制变量计算出状态变量值,进而确定非互补性和互补性,以便进行下一步状态变量的计算。
本研究前面将创新型企业的成长性用4个一级指标来进行度量,这里则对应分别构建4个突变模型。从模型的类型来看,盈利能力模型为蝴蝶突变,偿债能力模型为燕尾突变,发展能力模型和创新能力模型则均为尖点突变,且这4个模型皆为互补型。
4.3 模型计算结果及分析
在经过对上述创新型企业成长性模型进行运算之后,得到2015~2016年8个季度的创业板上市公司成长性描述性统计结果(见表4)。由表4可知,成长性的理论最大值为1,最小值为0,当然,实际中成长性很难达到理论最大值以及最小值。成长性越接近于1,代表企业的发展未来越好;越靠近0,则意味着其发展前景越不乐观。
表4 2015~16年创业板上市公司成长性
描述性统计分析
由表4不难发现,总体上成长性指标的平均值是在不断下降的,这反映了目前在创业板上市的企业的发展态势在逐步趋于稳定,同时这也与样本公司的上市存续期大多在3年以上有关。此外,创业板上市公司的成长性绝对值普遍还是比较大的,但其极值差距也大,说明个体之间的差异明显。
5 风险投资进入时机
表5 创业板上市公司门槛模型变量
描述性统计结果
5.1 门槛模型估计及讨论
在得到493家创业板上市公司8个季度的成长性指标后,将其与门槛模型中的其他变量一起进行统计分析(见表5)。由表5可知,各变量的公司间差异较大,例如,资本结构从最小的0.007到最大的0.904;营业收入利润率从-99.903到85.640。
本研究采用Stata 15.0软件估计面板回归门槛,得到相应结果后再对门槛效应是否存在进行检验(见表6)。由表6可知,以创业板上市公司成长性为门槛变量,在5%的显著性水平下,单门槛效应和双门槛效应均通过检验,而三门槛效应没有通过检验,因此下面着重考虑双门槛模型。
表6 门槛存在的自抽样检验
注:**、*分别表示在1%、5%显著性水平下显著,下同。
运用式(9)对门槛效应的存在性进行检验,由此得到门槛值的估计结果(见表7)。
表7 门槛值估计结果
图1 风险投资进入时机门槛值似然比统计量图
根据493家创业板上市公司2015~2016年8个季度的3 944个数据,进一步分别筛选出2015年与2016年中,不同上市存续期的企业在各成长性区间内风险投资进入的次数,结果见表9。值得一提的是,由于在2015年创业板市场经历了一波大行情,投资者们都十分看好对创业板公司的投资,因此,在高成长性企业中有风险投资的占比是最大的(见表9)。由表9可知,在整个2015年内拥有风险投资背景的低成长性企业几乎不存在,风险投资主要集中在上市存续期为0~1年或者3~5年的高成长性企业,这里上市存续期为0意味着公司上市不满1年。此后,因为2015年的股价异常波动以及2016年的熔断制度的短暂实施,高成长性以及中成长性创业板企业中的风险投资有所减少,低成长性企业中的风险投资显著增多。然而,这当中不能排除风险投资者尚未折现退出,从而导致存在风险投资的低成长性企业较多的可能性。
南京外秦淮河、运粮河、内秦淮河表层沉积物中碱性磷酸酶活性分布如图1所示。由图1可见,南京城市河流表层沉积物中APA在各采样点分布各有不同。3个河段的平均APA分布表现为:外秦淮河(10 214.9 mg·kg-1·h-1)<运粮河(15 095.2 mg·kg-1·h-1)<内秦淮河(20 021.2 mg·kg-1·h-1)。
按照3个成长性区间对2015~2016年8个季度的样本进行分组统计,以讨论样本整个成长性的分布情况,以及有无风险投资进入的分布情况(见表8)。由表8可知,创业板上市公司主要集中在中成长性和低成长性区间,属于高成长性的较少。对于风险投资来说,样本企业高度集中在中成长性区间,说明风险投资更倾向于较为稳妥的投资方向(策略),此时风险和收益都处于一个可以接受的范围内。
表8 不同成长性区间内风险投资进入的次数
表9 不同上市存续期企业在不同成长性区间内
风险投资进入的次数
根据双门槛值,可以将创新型企业分为低成长性(G ≤0.580、中成长性(0.580<G ≤0.732)和高成长性(G >0.732)3个类别(区间)。绘制风险投资进入时机门槛值似然比统计量图(见图1)。由图1可知,水平的虚线为95%显著水平线,实线(曲线)代表似然比统计量(LR )值,当LR线跨过95%显著水平线时,便意味着门槛的出现。这很好地解释了现实中风险投资的行为:当风险投资者选择高成长性的企业进行投资时,在获得高收益的同时往往面临高风险。本研究中,企业成长性一旦高于0.732,投资者所面临的风险将过大,获得的收益就不足以弥补所承担的风险,投资者便不会选择在此时进入企业。同样,若企业成长性过低,小于0.580,此时进入企业所获得收益过小,投资者也不会选择进入企业。由此,只有企业成长性介于两门槛值之间时,才是投资者进入企业的最佳时机,投资者面临适度风险的同时也可以获得较高收益。
由表9还可知,风险投资无论是在哪个成长性区间内,都是上市存续期为0或1年的占了绝大多数,其次以3~5年的居多。拥有风险投资的低成长性企业主要集中在2016年,而且上市存续期为1年的最多。这主要是因为在2015年下半年创业板受到了较大冲击,很多企业的基本数据受到影响,这同时也是2016年拥有风险投资的企业比2015年少的主要原因。此外,2016年上市存续期为4~7年低成长性企业较多。这些企业大部分经过市场的沉淀,主要是经历了2015年的高速发展之后开始趋于稳定,其成长性处在一个较低的水平。总的来说,风险投资者对于进入时机的门槛效应是存在的,而且其更加青睐于一些新上市的或者上市时间不长的企业。
5.2 模型的估计结果与分析
得到了以成长性为门槛变量的双门槛值后,对解释变量为风险投资进入时机的双门槛模型进行估计,计算结果见表10。
表10 风险投资进入时机门槛模型估计结果
由表10中成长性门槛区间系数可以看出,成长性对于风险投资者的投资时机在不同门槛值下有着明显的差异,但其对于风险投资者的投资意愿均是正向效应,这反映了目前市场上,越具成长性的公司越容易成为风险投资者的选择对象。不过,低成长性区间的成长性门槛系数与中成长性区间的相差非常大,由0.110到0.190,差值达到0.080;而高成长性区间的系数与中成长性区间的系数则相差不多,由0.190到0.230,差值仅为0.040,这意味着在中成长性区间内,企业成长性的增加给予投资意愿效用的增加比在低成长性区间大很多,而高成长性区间所带来的边际效用与中成长性区间则相差不大。
换言之,在中成长性区间内的创新型企业最容易获得风险投资者的偏爱。企业的成长性一旦进入这个区间,风险投资者就可以选择进入企业。通常而言,新上市的企业成长性将趋于两级分化,但是市场会促使它们保持平稳发展,也就是说在低成长性的时候,收益回报期长,投资者更倾向于等待其成长性上升至某一水平再进行投资;高成长性的时候,高回报伴随高风险,风险投资者的意愿不会特别强烈。鉴于此,在这个区间的成长性企业会获得一个比较客观的收益,而且风险投资者也不用承担太大风险,即当其成长性在达到0.580~0.732这一区间时,风险投资机构便可以选择进入企业。
6 风险投资者的投资方式
6.1 门槛模型的估计及检验
本研究主要探讨在不同的企业成长性区间内,风险投资者选择什么样的投资方式。为此,这里将投资方式设为0-1变量,0代表单独投资,1代表联合投资。类似于前面的做法,对2015~2016年8个季度中有风险投资进入的124家创业板公司,使用门槛回归来确定门槛个数(见表11)。
表11 投资方式门槛存在的自抽样检验( N = 124)
注:N 表示有风险投资进入的创业板上市公司数,时间跨度为8个季度,表12~表14同。
图2 风险投资方式门槛值似然比统计量图
由表11可知,在企业成长性对于投资方式的影响上是显著存在双门槛效应的。由此,下面对于投资方式的分析依旧采用双门槛模型。更加直观地,可以从风险投资进入时机门槛值似然比统计量图(见图2)中看出,LR线穿过了95%显著线,门槛值显著存在。
进行检验后得到门槛估计结果(见表12)。对于风险投资方式的企业成长性,可以将其根据双门槛值分为低成长性(G ≤0.559)、中成长性(0.559<G ≤0.708)和高成长性(G >0.708)。
表12 门槛值估计结果
6.2 模型的估计结果及分析
对于区间内两种不同的投资方式进行统计分析,并就双门槛模型进行估计,得到的结果见表13。
表13 投资方式门槛模型估计结果
根据124家有风险投资进入的创业板上市公司8个季度的风险投资相关数据,各个成长性区间内风险投资以联合投资或单独投资方式进入企业的次数见表14。
表14 投资方式描述分析
从表13和表14可以直观地看出,在联合投资样本中,高成长性区间的企业占了大部分,门槛回归系数为0.400;而在单独投资样本中,则是中成长性区间的企业为数居多,门槛回归系数为0.260。低成长性企业的成长性系数为0.060,T检验不显著,说明单独投资与联合投资没有太大的区别。且根据前文的分析可知,处于低成长性区间的企业一般也不会被作为风险投资的对象。
范坚强把茶杯盖摔在地上,对绑在柱头上的一杭说:“我再问你一次,东西在哪里?”一杭一脸胜利者的表情,“我说过,没有,记事本是我编出来骗你的。”
在中成长性区间,单独投资明显比联合投资要多,这主要是因为中成长性企业的投资风险较好把控,同时此类企业也是风险投资者所中意的投资对象。此外,联合投资更多地是为了防范未知的风险,而且联合投资也会相应地损失自己一部分利益。这也反映了风险投资者对于投资对象的风险控制态度,即如果目标企业的风险能有把握加以控制,风险投资者会选择单独投资,以追求利益最大化。
在高成长性的区间内,因为其在未来可能带来高回报的同时,也会存在大的不确定性。当选择高成长性的企业进行投资时,投资者往往可能会面临高的风险,因此采取联合投资方式可以较好地规避风险,成长性高的企业也可以带来相当大的回报。同时,一般高成长性的企业大多从事新兴产业,其风险较其他行业会更加不好把控和预防,进入高成长性阶段的企业对资金的需求也相对较多,风险投资者可以通过联合投资来缓解流动性压力。此外,这类企业所需要的投资数额也较大,对于单一风险投资机构来说,资金流转会比较困难,因此风险投资者会更偏向于选择联合投资的方式。
7 结语
本研究以证券市场创业板上市公司的相关财务数据为样本,借助于突变级数法建立创新型企业成长性综合评价模型,并在此基础上采用门槛模型从成长性的角度出发,探讨风险投资进入企业的时机和方式。相关实证研究得到以下主要结论:① 在实证研究的整个样本区间内,企业成长性门槛值回归系数都显著为正,符合创业板上市公司的特征。它们普遍成长性较高,且未来也有很大的增值空间。② 风险投资者进入创新型企业的时机存在明显的双门槛效应,门槛值分别为0.580和0.732。这意味着当企业成长性介于两个门槛值之间时,风险投资进入企业是最合适的。否则,成长性大于高门槛值时进入,将导致风险投资者承担风险过大;成长性小于低门槛值时,风险投资进入企业的意义不大。此外,风险投资者在选择投资对象时,通常倾向于上市存续期为0~1年的刚上市企业,或3~5年而依旧拥有较高成长性的企业。③ 中成长性区间的成长性系数0.190较之低成长性区间的0.110明显要大,高成长性区间的成长性系数0.230只是略高于中成长性区间,但是其涉及的风险可能很大。中成长性区间集中了大部分拥有风险投资的企业,同时大多数新上市的企业也身处其中,这也符合拥有风险投资的企业在上市3~4年后风险投资将会选择退出变现的事实。④ 在风险投资进入方式上也存在双门槛效应,其门槛值分别为0.559和0.708。这意味着当企业成长性介于两个门槛值之间时,选择单独投资最合适;当成长性大于高门槛时,选择联合投资,否则风险投资不会选择任何一种方式投资。⑤ 在联合投资样本中,高成长性区间的企业占了大部分,门槛回归系数为0.400;在单独投资中,则是中成长性区间的企业为数居多,门槛回归系数为0.260;而对低成长性区间的企业,则不建议其进入,门槛回归系数为0.060也反映出这一观点。⑥ 综合考虑风险投资进入企业的时机和方式,创新型企业成长性在0.580~0.708之间时,风险投资者应该采用单独投资;而当其成长性高于0.708低于0.732时,风险投资则更应该采用联合投资方式;若其成长性为其他值,则风险投资不宜进入。
参考文献
[1] 何建洪, 贺昌政, 罗华. 创新型企业的形成:基于网络能力与战略创新导向影响的研究[J]. 中国软科学, 2015(2): 127-137.
[2] LAZONICK W. Innovative Enterprise and Shareholder Value[J]. Law and Financial Markets Review, 2014, 8(1): 52-64.
[3] HELLMANN T, PURI M. The Interaction between Product Market and Financing Strategy: The Role of Venture Capital[J]. Review of Financial Studies, 2000, 13(4): 959-984.
[4] PURI M, ZARUTSKIE R. On the Life Cycle Dynamics of Venture Capital and Non-Venture Capital Financed Firms[J]. Journal of Finance, 2012, 67(6): 2 247-2 293.
[5] 陈见丽. 风投介入、风投声誉与创业板公司的成长性[J]. 财贸经济, 2012(6): 57-64.
[6] 周莉. 风险投资介入时机研究[J]. 当代财经, 2003(9): 57-60.
[7] 吴翠凤, 吴世农, 刘威. 风险投资介入创业企业偏好及其方式研究——基于中国创业板上市公司的经验数据[J]. 南开管理评论, 2014, 17(5): 151-160.
[8] KAPLAN S N, SENSOY B A, STROEMBERG P. Should Investors Bet on the Jockey or the Horse? Evidence from the Evolution of Firms from Early Business Plans to Public Companies[J]. Journal of Finance, 2009, 64(1): 75-115.
[9] LUTZ E, BENDER M, ACHLEITNER A K, et al. Importance of Spatial Proximity between Venture Capital Investors and Investees in Germany[J]. Journal of Business Research, 2013, 66(11): 2 346-2 354.
[10] CUMMING D, DAI N. Local Bias in Venture Capital Investments[J]. Journal of Empirical Finance, 2010, 17(3): 362-380.
[11] 苟燕楠, 董静. 风险投资进入时机对企业技术创新的影响研究[J]. 中国软科学, 2013(3): 132-140.
[12] TOMCZYK D, LEE J, WINSLOW E. Entrepreneurs’ Personal Values, Compensation, and High Growth Firm Performance[J]. Journal of Small Business Management, 2013, 51(1): 66-82.
[13] ALEX C. Exploring the Processes of Firm Growth: Evidence from a Vector Auto-Regression[J]. Industrial and Corporate Change, 2010, 19(6): 1 677-1 703.
[14] CAPASSO M, TREIBICH T, VERSPAGEN B. The Medium-Term Effect of R&D on Firm Growth[J]. Small Business Economics, 2015, 45(1): 39-62.
[15] COAD A, SEGARRA A, TERUEL M. Innovation and Firm Growth: Does Firm Age Play a Role?[J]. Research Policy, 2016, 45(2): 387-400.
[16] 慕静, 韩文秀, 李全生. 基于主成分分析法的中小企业成长性评价模型及其应用[J]. 系统工程理论方法应用, 2005, 14(4): 369-371.
[17] 徐维爽, 张庭发, 宋永鹏. 创业板上市公司成长性及技术创新贡献分析[J]. 现代财经:天津财经大学学报, 2012, 32(1): 63-68.
[18] 王永华. 我国人力资本与区域创新能力的非线性关系研究——基于面板门槛模型的经验证据[J]. 经济问题, 2015(6): 47-50.
[19] 吴晓晓, 苏朝晖. 政府资助与企业研发投入——基于面板数据门槛模型的实证研究[J]. 软科学, 2015, 29(9): 38-42.
[20] 张林, 冉光和, 陈丘. 区域金融实力、FDI溢出与实体经济增长——基于面板门槛模型的研究[J]. 经济科学, 2014(6): 76-89.
[21] ADENIYI O, OYINLOLA A, OMISAKIN O, et al. Financial Development and Economic Growth in Nigeria: Evidence from Threshold Modelling[J]. Economic Analysis and Policy, 2015, 47(1): 11-21.
[22] PAN H, WANG C. House Prices, Bank Instability, and Economic Growth: Evidence from the Threshold Model[J]. Journal of Banking & Finance, 2013, 37(5): 1 720-1 732.
[23] HANSEN B E. Threshold Effects in Non-Dynamic Panels: Estimation, Testing, and Inference [J]. Journal of Econometrics, 1999, 93(2): 345-368.
[24] 陈晓红, 马鸿烈. 中小企业技术创新对成长性影响——科技型企业不同于非科技型企业?[J]. 科学学研究, 2012, 30(11): 1 749-1 760.
[25] 马红, 王元月. 融资约束、政府补贴和公司成长性——基于我国战略性新兴产业的实证研究[J]. 中国管理科学, 2015, 23(S1): 630-636.
[26] 王爱群, 唐文萍. 环境不确定性对财务柔性与企业成长性关系的影响研究[J]. 中国软科学, 2017(3): 186-192.
Analysis on Opportunity and Mode of Venture Capital Entering Innovative Enterprises Based on Threshold Model
FAN Mingxue XIE Chi HUANG Weiliang
(Hunan University, Changsha, China)
Abstract : Through the improved catastrophe progression method, this study establishes the enterprise growth comprehensive evaluation index system, and combines this system with the threshold model to construct the enterprise growth threshold model, and then discusses the opportunity and mode of venture capital entering the innovative enterprise. Research shows that there is a clear double threshold effect when venture capital enters an innovative enterprise: When the growth is greater than the high threshold, the venture capital will bear too much risk, and the growth value of the enterprise is too small when the value is lower than the low threshold. Only when the growth of the enterprise is between the two thresholds, the venture investment is suitable for innovation. Similarly, there is also a double threshold effect on the way venture capital is entered: Venture capital will not choose any kind of investment when the growth of the enterprise is less than the low threshold. When the growth is between the high and low thresholds, choose to invest separately. If the growth exceeds the high threshold, choose joint investment. Based on the two double threshold effects, when the growth of innovative enterprises is between 0.580 and 0.708, venture capitalists should adopt separate investments. When their growth is higher than 0.708 and lower than 0.732, venture capital should be choose joint investment. If the growth is other values, the venture capital should not enter.
Key words : innovative enterprise; venture capital; enterprise growth; the threshold model
收稿日期 :2018-09-19
DOI编码: 10.3969/j.issn.1672-884x.2019.07.010
基金项目 :国家自然科学基金资助项目(71373072,71340014);高等学校博士点专项科研基金资助项目(20130161110031)
中图法分类号: C93
文献标志码: A
文章编号: 1672- 884X( 2019) 07- 1035- 09
(编辑 丘斯迈)
通讯作者: 谢赤 (1963~),男,湖南株洲人。湖南大学(长沙市 410082)工商管理学院教授、博士研究生导师。研究方向为金融工程与风险管理、资本市场投融资管理、金融企业管理。E-mail: xiechi@hnu.edu.cn
标签:创新型企业论文; 风险投资论文; 企业成长性论文; 门槛模型论文; 湖南大学工商管理学院论文; 湖南大学金融与投资管理研究中心论文;