■朱传奇
本文通过抓取国内最有影响力的众筹平台——“众筹网”项目数据和投资人信息,从众筹融资的需求出发研究投资人行为。研究结果表明,众筹市场中存在一定程度的羊群效应。研究还发现:这些羊群效应是“非理性的”,即投资人只是单纯地模仿其他人的投资决策,而项目的相关信息对投资人的投资决策影响较小;众筹融资中具有较强的“目标效应”,当项目融资目标达成后,潜在投资人虽降低了对项目不确定性的担心,但其行为更多受到责任扩散效应的影响。
作为一种互联网金融的主要形式,众筹融资(Crowdfunding)为众多的初创企业提供了重要融资手段。通常而言,众筹项目发起人,即资金需求者,可以借助互联网平台从多个投资人得到预定数量的资金支持;而在项目完成后,他们也将以产品或者股权等形式回馈众多投资人。相比传统的融资方式,众筹融资具有以下特点:首先,项目发起人往往面对多个投资人。项目发起人仅需要在众筹平台发布项目的相关信息并设定一定金额的融资目标,任何访问该众筹网站并浏览到该项目信息的普通用户都是潜在投资人,可以参与投资,而每个投资人也只需投资融资目标金额的一小部分。其次,项目的相关信息,诸如项目类型、项目发起人背景、当前募集资金状态和募资时间都是可以在众筹平台上观察到的公开信息。这些信息对绝大多数缺乏相关项目经验和专业评估能力的潜在投资人具有重要的信号价值。最后,和传统的金融机构不同,投资人很难观察项目发起人的信用状况或监督项目的执行情况,因此借贷市场中的信息不对称问题在众筹融资市场中更加严重。上述这些特点都使得在众筹融资中,项目相关特征信息和其他投资人的投资状态(如当前已融资比例)对潜在投资人的投资决策有着十分重要的影响。
学者们最初对众筹的研究主要集中在其商业模式、融资风险及法律制度的监管。例如:胡吉祥和吴颖萌(2013)考察了众筹融资的发展现状,分析了行业发展进程中的问题和风险,并提出应辩证看待众筹发展中的创新和风险,积极将其纳入监管体系,制定专门的监管规则,引导行业健康发展;夏恩君等人(2015)也对当前国内众筹的发展进行分析,并对未来相关研究进行展望。随着众筹平台的不断发展,国内外学者开始利用众筹项目数据对众筹成功的影响因素进行研究。例如:Agrawal et al.(2011)利用美国SellaBand众筹平台数据考察地理距离和空间分布对艺术类众筹项目的影响;Kuppuswamy&Bayus(2013)利用Kickstarter众筹平台的数据来考察公众信息对众筹项目成功的重要性。国内学者主要从项目信息和投资者动机等方面来分析影响众筹项目成功的主要因素。例如:黄玲和周勤(2014)利用产业组织模型来考察众筹自反馈机制的设计如何有效的发挥众筹过程中参与三方的异质性激励作用,并利用“点名时间”的项目数据对模型结论进行验证;黄健青等(2015)利用“追梦网”的数据,对“Keep-it-All”和“All-or-Nothing”两种融资模式进行比较,考察其对项目众筹融资的影响;郑海超等(2015)根据信号理论,基于“大家投”网站数据分析股权众筹项目融资绩效的影响因素;陈玉婕等(2015)从项目信息、人力资本与项目风险三个维度对众筹项目的变量进行归类,基于“追梦网”数据分析影响众筹项目成功的因素。
观察性学习和羊群效应(Herding Behavior)的相关研究来之于Banerjee(1992)和Bikhchandai et al.(1992)开创性的文章。后续相关的研究在两方面不断得以蓬勃发展:一方面,研究者试图通过各种经济学实验来证明羊群效应的存在性。通过田野实验,Salganik et al.(2006)发现消费者通常下载那些经常下载的歌曲。Tucker&Zhang(2011)发现展示点击率可以吸引网页访问者去那些最受欢迎的网店。而另一方面,研究者利用各种微观数据对羊群效应进行研究。Herzenstein et al.(2011),Zhang(2010)发现那些在等待肾脏移植的病人更可能拒绝肾源在观察到其他病人的拒绝行为上。Agrawal et al.(2011)发现在众筹网站上那些资源丰富的音乐家更容易受到其他投资人的关注。目前国内学者对融资平台的羊群效应分析,大多数集中在P2P借贷平台上。例如:Herzenstein等(2011)以及Zhang和Liu(2012)利用Prosper.com的贷款数据研究均发现:已经成功吸引很多投资人的小额贷款项目更可能继续吸引其他投资人,因此存在一定程度的“羊群效应”。廖理等(2015)利用人人贷平台数据研究信息不对称会显著影响羊群行为的强弱。唯一利用众筹市场数据的研究来自李晓鑫等(2016),他们利用点名时间的数据研究信息披露和投资经验如何影响到羊群行为,然而他们的工作更多是从项目发起人的角度,与本文关注点不同。同时他们并没有区分“理性”和“非理性”羊群效应。
当前互联网金融市场上投资人的行为研究处于 起 步 阶 段 ,如 Marinesi&Girotra(2017)、Kuppuswamy&Bayus(2017)等发现众筹项目是否达到融资目标这一信息会对投资人的投资决策有较大的影响。在“All-or-Nothing”的融资机制中,对投资人而言,投资一个没有达成融资目标的项目往往意味着较大不确定性,而那些在募集时间内达到融资目标的项目没有这种不确定性,会受到投资人的青睐,故而会存在这样的“目标效应”。然而这一目标效应在实际众筹中是否存在正是本文研究主要关注问题之一。
本文以众筹投资人为研究对象,着重分析众筹融资中的各种信息如何影响投资人的行为。本文试图回答以下三个关键问题:第一,在众筹融资中是否存在“羊群行为”?即其他投资人的投资情况(如当前已募集资金的比例)是否会影响到这个投资人的投资决策?即投资决策是来自对观察到的信息的判断,还是来自被动地摸拟其他投资人?第二,投资人的羊群行为是“理性的”,还是“非理性的”?而“理性羊群行为”是指投资人观察到各种公开信息并进行分析研判后做出决策的结果。第三,众筹融资中是否具有“目标效应”?即融资目标在募集日期之前实现会如何影响投资人的行为?
本文利用网络爬虫技术从“众筹网”收集2013年2月~2016年2月的项目众筹数据和投资人数据。众筹网于2013年2月正式上线,是中国最具影响力的众筹平台,目前众筹网平台采取“All-or-Nothing”的机制,即当项目募集到预定的筹资金额目标才算作成功,否则所募集资金将会全部退还给投资人。对于每一个众筹项目,记录了项目的整个融资过程,以及投资人的相关信息。
为避免异常值的影响,删除存在以下特征的众筹项目所有的观测值:(1)融资目标的百分位大于99%或小于1%的项目;(2)众筹持续时间小于3天或大于90天的项目;(3)项目支持者数小于10人的项目。经过上述处理后,样本中共包含403个项目。对应403个众筹项目,本文共抓取10万投资人数据,包括投资人识别ID、投资时间点及投资金额,这些数据可以构建灵活时间刻度的融资动态信息。在这些项目的投资动态信息中,为了避免个别投资人的异常单笔投资金额对结果造成影响,对个人投资金额进行了1%的缩尾处理,并将每个项目单日筹集到的金额进行加总。本文的样本中包含这些项目共计11640个观测期。表1对这些项目的特征进行了描述性统计。表2为投资动态的描述性统计。
表1 项目变量的描述性统计
表2 单日投资动态的描述性统计
本文的数据集包括了每个众筹项目的融资状态和投资者的投资信息,将项目融资状态按天进行汇总,得到了时间和项目的微观面板数据。记第i个众筹项目在第t天收到的众筹资金为yit,同时用Yit-1来表示累积到t-1天为止项目i已融资的金额。为了检验众筹融资中是否存在“羊群效应”,可以验证yit与之前的累积募集金额Yit-1是否存在正相关关系,因此构建如下的基准计量模型:
其中,Xit-1为该项目在t-1期是否已经达到融资目标,如果达到目标即设为1,否则设为0;Zi表示与项目属性和项目发起人相关的非时变变量,包括融资目标、项目关注数、项目分享数、关键词个数、项目支持数、以及项目认证信息、项目类别和项目所在省份等等。α、β、γ为模型中的待估计参数,εit为随机误差项。将采用OLS方法对其进行估计。
显然,简单地对模型(1)进行OLS回归,结果会受到不可观测到的异质性特征的影响。就众筹项目数据采集而言,不可能收集所有项目所有可能的异质性信息的来源。比如项目发起者的视频或者图片更容易吸引投资人,但是本文的数据并不包括照片质量等变量。从计量分析角度出发,之前的基准模型中的随机误差项包括两部分:
其中,νit和其他解释变量相互独立,而μi代表了不可观测的项目异质性特征。显然,μi中这些不可观测的非时间变量与潜在投资人的出资金额和累积筹资金额存在相关性,故而对α的估计存在严重的不一致问题,导致了内生性问题。基于Hausman检验,本文的面板数据结构更适用于固定效应模型。采用固定效应模型可以有效地控制项目中存在的异质性因素,分析累积融资额对潜在投资人的影响。由于Zi和μi都代表非时变的相关变量,两者出现在同一回归方程中会产生多重共线性问题,故而修正后的控制不可观测异质性特征的计量模型如下:
如前所述,即使完全控制不可观测的异质性个体特征,仍然需要识别这样的羊群效应是来自于投资人的“理性”还是“非理性”的行为。投资人不需要任何观察性学习就会产生“非理性”羊群行为,通常表现为三个方面:一是投资人通过观察投资项目的受欢迎度,简单地复制前期投资人的行为,扮演“从众跟随”的非理性角色。二是在面临不确定性环境下,投资人往往通过观察他人的行为来做出决策。比如,Croson&Shang(2008)发现投资人通过观察其他人的捐赠金额来决定自己的捐赠金额。三是网站上提供“最受欢迎的”众筹项目以及其他相关的排序等展示影响。因此,本文利用在项目层面上可观察到的信息来区分理性或者非理性的羊群效应。如果投资人只是简单复制其他人的项目参加决策,他们将对其他人如何做出决策没有任何反应。正如Simonsohn&Ariely(2008)发现的一样,那些没有经验的eBay用户往往选择那些有众多投资人的投资项目而忽略了那些是因为价格低廉导致的结果。然而,如果投资人是理性的观察性投资人,他们在观察其他人的投资情况同时也会考虑到现有的公开项目信息,再做出决策。为此,本文采用Zhang&Liu(2012)的识别策略,在原有的模型基础上加入交互项,交互项为已募集资金的百分比与其他可观测变量的乘积。其扩展模型如下:
在基于互联网的众筹平台中,固有的信息不对称使得潜在的投资人存在诸多不确定的风险。为了考察潜在投资人的出资决策将会产生何种变化,首先将样本区间分为两段,考察在融资目标实现之前和实现之后投资者行为如何受到这一目标门槛的影响。其次,将累计筹资百分比和项目在上一期是否达到融资目标的交互项引入模型中,从而扩展模型变为:
表3第(1)列所示,累计募集资金的百分比对潜在投资人出资额的影响系数为正且比较显著,表明当一个项目已经获得较高的筹资比例时,在剩余的募集期间内该项目将继续获得潜在投资人较多的出资,这似乎证明潜在投资人表现出跟随已有出资人对该项目进行出资的羊群行为。而第(2)列报告在模型(1)中加入已达到融资目标这一门槛变量。回归结果表明已达到目标的系数为负且非常显著,表明虽然到达融资金额使得潜在投资人降低了项目的担忧,但是在实现融资目标以后,已达到目标百分比对当日融资的比例起到相反的作用,即如果潜在投资人发现项目已获得较多的融资金额,那么责任旁观的心理就使得该投资人会降低自己的责任感,减少自己的投资金额。如前所述,如果不控制其他不可观测变量,比如项目间的不可观测异质性,就无法确定是否真的存在羊群效应,会导致错误的结论。第(3)列中报告的是控制不可观测的异质性项目特征的结果,第(4)列是加入已达到融资目标这一门槛变量的回归结果。结果发现控制不可观测的异质性信息后,已完成百分比对出资额的影响从0.051变为0.025,但仍然显著。这表明即使在控制了不可观测的异质性特征后,仍然会有羊群效应出现。投资人存在某种程度的从众跟随行为,因此羊群效应在众筹市场中普遍存在。另外还发现,在控制了不可观测的异质性项目特征后,已到达目标的回归系数仍然显著为负,表明投资人仍存在较强的社会责任扩散心理。
表3 基准模型与控制不可观测异质性的模型
表4为方程(4)的回归结果。其中列(1)和列(2)是未采用固定效应的回归结果,列(3)和(4)是采用了固定效应的回归结果。首先是加入交互项后,虽然已完成百分比所对应的回归系数为正,但是不显著。其次已达成目标的回归系数为负且显著,这表明在潜在投资人心理中仍然存在社会责任扩散效应。最后,在添加的10个交互项中,只有3个交互项变量回归系数是显著的,其余7个交互项回归系数都不显著,因此项目的相关信息对投资人的决策影响较小,体现出一定的“非理性”羊群效应。而本文发现身份证和组织机构代码证等认证信息会减小投资人的非理性行为,但项目实物图片信息反而会加大投资人的非理性行为。
表4 理性的和非理性的羊群效应
显然,对众筹融资的项目发起人而言,有针对性的融资策略设计取决于能否区分开“非理性羊群行为”和“理性羊群行为”。具体而言,如果是“非理性羊群行为”在整个效应中占据支配作用,那么项目发起人可以通过“购买”早期的投资行为来吸引其他潜在投资人。而如果是“理性羊群行为”占据主导地位,那么项目发起人通过“购买”早期投资的行为就不一定有效。因为理性投资人不仅仅关心当前募资的状态,还会考虑和分析背后的各种因素。如果这些理性的投资人认为项目发起人的这种策略只是为了吸引潜在的非理性投资人,那么这种“购买”的早期行为只会减弱羊群效应中传达项目质量优良的信号。
表5 目标效应模型
为了验证已达成融资目标这一信号如何影响潜在投资人的众筹决策,表5为融资目标的门槛效应回归结果。其中列(1)和(2)为达到融资目标之前的回归结果。结果显示,在达到融资目标前,已完成百分比显著为负,这也验证了我们在投资曲线中所看到的下降趋势。表明在融资目标达成之前,投资人对项目是否成功有极大的不确定性。列(3)和(4)利用达成融资目标之后的样本进行回归,可以看到已完成百分比回归系数显著为正,投资人的行为有很强的羊群效应。
列(5)和(6)为模型(5)的回归结果。其中,(5)没有控制不可观测异质性信息,而(6)采用控制不可观测异质性信息的固定效应模型。其中,已完成百分比为负,在固定效应下显著,而达到目标后,项目融资成功的概率已经确定,项目筹资中的不确定性大大降低,因此可以看到交互项为正。最后,已达成目标的系数表明仍然是有社会责任扩散效应的影响。
1.Dynamic GMM。考虑到作为因变量的融资比例和作为解释变量的累计融资比例之间可能存在典型的联立内生性问题,导致回归结果出现一致性的偏差。因此,本文使用动态广义矩估计(Dynamic GMM)对模型进行检验。模型(3)中对参数进行一致的、无偏的估计的假设条件是随机误差项νit不存在时间序列上的持续性。只有在该假设前提下,累积融资比例和其他时变变量及相应的滞后项才可以视作与νit不存在时间序列相关性的外生变量,因而保证模型估计结果的一致性。但如果假设不成立,即误差项连续相关,则可能与解释变量的滞后项序列相关,因此导致内生性问题。本文使用的面板结构数据属于短面板数据,故采用动态广义矩估计结构。通过对模型(3)进行一阶差分,得到如下的差分等式:
表6为动态广义矩阵模型的估计结果。和基准的模型一样,第(1)列和第(2)列表明在全样本下无论是否控制不可观测的异质性特征,已完成百分比的回归系数为正且非常显著。这表明在众筹融资市场的羊群效应是存在的。同时为了验证融资目标的门槛效应,将样本分为“达到目标之前”和“达到目标之后”,结果发现在广义矩估计下,当日融资金额百分比与已完成百分比始终存在显著的正向关系。
表6 动态广义矩估计模型
2.替代性的衡量指标。在基准模型中,本文使用的是当日融资金额的百分比作为被解释变量,已累计融资的百分比作为解释变量,为了验证研究结论的稳健性,我们考虑选取当日融资金额作为被解释变量,而用已累计的金额作为解释变量。结果表明在新的衡量指标下,众筹市场中仍然存在类似的羊群效应。且回归结果中已达到目标的系数为负,仍然体现出责任扩散效应对投资人的影响。3.以周为时间区间加总融资金额。在基准模型中,本文加总当日融资金额作为被解释变量。但有一种可能是日度融资数据容易受到其他不可观测因素的影响。比如投资人浏览众筹网站的时间以及投资人当前可投资金额等等。这些不可观测因素可能会放大日度数据的随机性从而掩盖了融资金额的趋势。为此,我们选取以周为时间区间对融资金额进行加总,并以此为新的被解释变量。结果表明基准模型中的结论仍然成立。众筹市场中仍然存在类似的羊群效应,当达到融资目标后,主要是责任扩散效应在影响投资人的投资决策。
表7 替代性变量的回归结果
表8 以周为时间区间加总的融资金额的回归结果
本文选取国内目前最有影响力的众筹平台——“众筹网”上的403个项目数据及相对应近10万投资人的数据,分析了项目的相关信息尤其是已经融资的比例如何影响潜在投资人的决策行为,探索投资人究竟是否表现为羊群的从众行为,同时分析了融资目标是否具有目标效应。本文得到的主要结论如下:第一,在众筹市场中存在一定程度的羊群效应。在控制项目间不可观测的异质性后,当潜在投资人看到众筹项目已经获得较高融资比例时,将会吸引更多潜在投资人参与投资。第二,结果表明这些羊群效应是非理性的。即投资人只是单纯地模仿其他人的投资决策,而项目的相关信息对投资人的投资决策影响较小。第三,在众筹融资中具有较强的“目标效应”,即是否已达到融资目标对潜在投资人的投资决策有着十分重要的影响。同时也识别出了不确定性和社会责任扩散效应对投资人决策影响程度的大小。
本文的研究结论表明,首先应加强众筹市场中的投资者的教育,减弱投资者的非理性的羊群行为。政府部门应当积极发挥投资者教育的主体作用,将众筹的相关知识、风险和权益等纳入现有的金融投资者教育体系中,充分调动众筹市场各方(如众筹平台、行业协会和新闻媒体)共同开展投资者教育活动。其次,设置合理的融资目标金额对项目成功有着重要的影响。作为项目发起人,往往面临不确定性和责任扩散效应对融资金额的干扰,因此发起人应该通过各种方式有效地进行项目信息的发布和宣传,吸引更多的潜在投资人,进而提高项目的成功率。
本文在数据分析与实证研究中仍存在一定的不足之处。基于数据可得性原因,只能爬取成功融资项目的筹资数据,对众筹失败的项目中投资人的投资决策未能研究。同时,本文的研究也没有考虑潜在投资人的社会网络关系,财务状况和个人背景等信息。在下一步的研究中,希望能将众筹未成功的项目纳入到数据集中,同时也收集更丰富的投资人信息,全面地考察众筹市场中的羊群效应,以及各种项目信息对潜在投资人行为的影响。