复杂网络视角下科技型初创企业的风险评估

苏越良，詹维锋

(华南理工大学工商管理学院，广东广州 510641)

0 引言

科技型初创企业往往是高成长性与高风险性并存的，因此它们的存活率极低。无法对科技型初创企业的高风险性进行准确评估，是制约科技型初创企业成功的重要原因。科技型初创企业指的是通过创业者的研究开发出了具有科技型的现代化产品并开始初期运营的企业，其最大的特点是以专利技术等无形资产作为价值核心，所以该类企业的价值具有高度的未来性和不确定性［1］，传统的企业风险评估方法体系已经不适用于科技型初创企业［2］。因此，一种科学准确的科技型初创企业风险评估方法对于创业者、投资者以及政府三方都具有重要的意义。如何科学准确地评估科技型初创企业的价值，是当今学术界、创业界以及投资界都急需解决的重点问题。

目前，现有文献对企业风险评估大多数都是从财务风险、技术风险、市场风险等（且以财务风险为主要评估方向）多个维度选取相关指标［3］，然后利用因子分析法［4］、机器学习［5］、BP 神经网络［6］等方法建立风险评估模型，从而对企业的风险进行评估。基于创业企业的特点，有的学者对上述方法模型进行了修正，杨顺勇等［7］、李双兵等［8］学者还分别将复合实物期权理论和模糊数学等理论引入到创业企业的风险评估中，都取得了一定的研究成果。此外，Sienou 等［9］基于风险流动的视角，将BPRIM 概念模型引入到了企业风险评估过程之中；郑征等［10］将三角模糊数引入到企业估值中，提出了适合创业企业风险评估的模糊复合实物期权定价模型；Biancardi 等［11］利用模糊方法对初创企业的资产波动率和项目延期的机会成本进行了建模，提出了一种将随机方法与模糊分析相结合的风险评估方法。这些学者的尝试都为创业企业的风险评估提供了的新的思路。

但是这些方法和模型需要大量数据和信息作支撑，而科技型企业初创期间可利用的经营数据较少，因此仍无法完全适用于科技型初创企业。有不少学者认为评估指标的选取会严重影响对科技型企业风险评估的准确性，并且各个指标的重要程度排序不能完全主观决定，应该进行更多的实证研究与分析。如迟国泰等［12］基于科技创新投入、产出，以及环境等影响因素，利用主成分分析和相关分析的方法构建了以企业为主体的科技创新评估指标体系；于善丽等［13］根据指标体系的违约鉴别能力最大标准建立了企业的债信评级体系，从而完成对指标体系的遴选；Luo 等［14］分析了中小企业的技术IE，基于DEA Malmquist 指数法从投入和产出两个方面出发构建海洋科技型中小企业评估指标体系。

如果选择的指标体系不合理，那么对企业风险评估的准确性将大打折扣。然而，目前还没有相对完备且适用于科技型初创企业风险评估的指标体系。基于上述问题，本文从企业风险评估影响因素角度出发，采用全面梳理法结合复杂网络理论对科技型初创企业的风险展开研究，深入探究其风险评估的指标体系，以期为我国科技型初创企业的发展和研究提供相关参考。

1 复杂网络特征分析

1.1 复杂网络统计特征描述

对于复杂网络的具体概念，Watts 等［15］学者给出了一个较为明确较为规范的定义：具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。复杂网络常用的统计指标有节点的度、聚集系数、网络直径、平均路径长度等等。

节点的度指的是和该节点相关联的边的条数，而网络中所有节点vi的度ki的均值称为网络的平均度，记为K，即：

聚集系数指的是节点和其邻接节点之间相互连接的程度，节点vi的聚集系数ci定义为节点vi的ki个邻接节点之间实际存在的边数ei和可能存在的边数之比，即：

网络直径指的是网络中任意两个节点vi和ji之间的距离dij的最大值，而平均路径长度指的是网络中任意两个节点vi和ji之间的平均值，记为L，即：

1.2 PageRank 算法

PageRank 算法又称网页排名算法，它是由 Google的两位创始人Page 等［16］提出来的。PageRank 算法是通过网络之间的超链接关系来确定一个页面的等级，简单来说就是一个高等级的页面可以使其他低等级页面的等级提升。PageRank 算法具体的做法是预先给每个节点赋予一个PR 值（下文用PR 值来指代PageRank 值），然后通过下式中的算法不断迭代更新每个节点的PR 值，直至达到平稳分布为止。

1.3 模块化特征

模块化是用于衡量网络划分为模块（也被称为集群或社团）的强度。模块化程度高的复杂网络在模块内部节点间的联系比较密切，而在不同模块的节点间联系就比较疏远。利用复杂网络的模块结构特性方法可以挖掘重叠社群结构［17］、探究应急程序模块化［18］、检测多层网络社区等［19］，从而复现模块化的社团结构，对复杂网络的分析具有重要的理论意义和实践价值。本文使用常用的社团检测指标模块化度量值Q来衡量模块划分的好坏［20］，模块度Q值的取值范围为［-0.5,1)，Q值越大，则说明复杂网络的社团结构越明显。在真实的复杂网络中，模块度Q值一般取值范围为(0.3,0.7)，Q值的具体计算公式如下所示。

2 科技型初创企业风险评估的复杂网络模型构建

2.1 科技型初创企业风险评估影响因素分析

科学的指标体系是风险评估的重要前提，倘若选择的指标体系不合理，那么对企业风险评估的准确性将大打折扣。加上科技型初创企业历史数据不足等特点，对其风险评估指标的选取除了要注重科学性、客观性、综合性、系统性、动态性、可操作性等原则之外［21］，还应该要注重于定性指标和定量指标相结合［22］。

一是基于网络爬虫技术使用Python 软件从相关网页爬取和“科技型初创企业”“风险评估”“评估指标体系”等有关方面的信息，剔除广告、注释以及无效评论后使用Python 的jieba 库对清洗后的数据信息进行jieba 分词、词性标注、去停用词等文本预处理操作，最后提取语义相似度和相关度都较高的影响因素绘制下列的词云图（如图1 所示）［23］，将出现的高频词作为科技型初创企业风险评估的影响因素，这种方法具有客观性、全面性、及时更新性等显著特性与优势。

图1 科技型初创企业影响因素词云

二是以“科技型初创企业”“风险评估”“评估指标体系”等为关键词在中国知网以及和万方数据知识服务平台进行高级检索，检索筛选发表在核心期刊的文献并整理与风险评估的相关影响因素作为本文评估指标体系构建的依据，这些影响因素是众多学者使用验证过的，实用性较强、可靠程度较高。具体整理结果如表1 所示。

表1 科技型初创企业风险评估影响因素

三是从国家相关权威科技报告中提取影响因素，比如中国科技发展战略小组［39］发布的《中国区域创新能力评估报告2021》、中国科学技术发展战略研究院［40］发布的《国家创新指数报告2021》以及国家统计局［41］社科文司中国创新指数研究（China Innovation Index，CII）课题组发布的2021 年中国创新指数等。

四是从影响较广、权威性较强、深受推崇的相关指标体系中提取相关影响因素，比如目前比较有权威性是世界银行发布的全球创新指数、欧盟发布的综合创新指数等。

通过上述四种渠道和方法进行初步的整理和筛选，初步得出了包括研发费用投入、教育背景、自主创新能力等共109 个科技型初创企业风险评估影响因素。

2.2 科技型初创企业风险评估复杂网络模型的构建及全局分析

科技型初创企业风险评估影响因素呈现高度复杂性，因此可以把科技型初创企业风险评估的影响因素作为复杂网络的节点集V，各个影响因素间的相互关联作为节点之间的连边集E，节点的数量为N。所有的节点集和连边集就构成了科技型初创企业风险评估的复杂网络拓扑结构模型G=(V，E)。对整理得到的109 个影响因素构建复杂网络模型，用一个109×109 的邻接矩阵A来表示网络G中各个影响因素V之间的相邻关系，邻接矩阵A中的元素为，如果两个影响因素之间具有关联关系，则，否则。各个影响因素之间的关联关系通过彼此是否关联来确定。

由于各个影响因素间的影响关系是双向的，因此构建的复杂网络是无向网络。根据上述方法确定影响因素之间的关系后就可以构建科技型初创企业风险评估影响因素的复杂网络模型。本文使用复杂网络软件Gephi 画出了复杂网络图并计算出该复杂网络的相关统计量，具体结果如图2 和表2 所示。

表2 科技型初创企业风险评估复杂网络的拓扑参数统计量

图2 科技型初创企业风险评估影响因素的复杂网络

对构建的复杂网络模型进行全局分析：从表2的数据可知，本文构建的复杂网络的平均度为4.917，表示每个节点平均有4.917 个关联节点，说明构建的复杂网络具有较高的关联度、复杂性以及无标度特性；平均路径长度为 2.279，表示任意两个节点之间的平均路径为2.279，说明构建的复杂网络具有典型的小世界特性。综合上面的结果分析可以得出：本文构建的科技型初创企业风险评估影响因素的复杂网络具有比较明显的复杂网络特性。

3 科技型初创企业风险评估模块化分析及评估指标体系构建

然而，影响因素过多以及各个影响因素之间复杂的关联性都不利于进行模块化分析，同时也可能会降低企业风险评估的准确性。因此，本文从上文整理的109 个影响因素中先剔除意思相近或者重复程度较大的指标，然后再筛选出在四种收集渠道和方法中都出现且出现频率较高的35 个影响因素并对它们进行编号。这样既能够避免信息冗余，也能最大限度保留评估指标的信息，具体对应关系和统计结果如表3 所示。

表3 科技型初创企业影响因素的编号

然后对影响因素进行进一步筛选，请7 位专家对这35 个影响因素打分，计算各个影响因素的Person 相关系数，对Person 相关系数超过0.9 的两个影响因素进行比较后剔除与其他影响因素关系较强的那个。经过计算发现，行业前景A2和行业发展程度A35、教育背景A7和学历A26、供需状况A9和市场容量A20、专有程度A12和创新程度A31的相关系数都超过了0.9，和其他影响因素进行对比后本文剔除供需状况A9、专有程度A12、学历A26和行业发展程度A35这4 个影响因素。完成相关性分析后对剩下的31 个影响因素进行主成分分析，分析结果表4 所示。

表4 科技型初创企业影响因素主成分分析总方差解释

前4 个主成分累计方差贡献已超过80%，故而提取前4 个主成分就能够比较好地解释原有变量所包含的信息。接下来对这4 个主成分的特征向量做进一步分析，行业经验A3、行业壁垒A14、上下游议价能力A27和创业目的A33这4 个影响因素在两个主成分上的特性向量的绝对值都小于0.1，可以说明这些影响因素对最终主成分的贡献率较小，因此将这些影响因素也进行剔除。经过上述的定性和定量分析筛选后，我们最终从109 个影响因素中选取了27个影响因素作为指标来构建科技型初创企业风险评估指标体系。接着使用上文提到的PageRank 算法计算每个评估指标的PR 值并进行归一化处理，然后将归一化后的结果作为每个评估指标的权重。具体结果如表5 所示。

表5 科技型初创企业影响因素各个评估指标的权重

在科技型初创企业风险评估复杂网络中，连接较为紧密的部分可以被看成一个社团（模块），其内部的节点之间有较为紧密的连接，而在两个社团间则相对连接较为稀疏。利用复杂网络的社区结构特性方法来挖掘复现模块化的社团结构，对科技型初创企业风险评估复杂网络的分析具有重要的理论意义和实践价值［42］。我们使用复杂网络软件Gephi0.9.26 进行网络的模块化分析，根据上文提及的公式计算模块度Q。计算得到模块度Q的数值高达0.62，说明模块划分效果较好，同时说明构建的复杂网络的社团结构较为明显。模块化分析将评估指标分为了4 个模块，具体分类结果如图3 和表6所示。

表6 科技型初创企业风险因素模块划分结果及权重

图3 科技型初创企业风险评估复杂网络模块化分类结果

模块划分多以指标相关联而形成，例如模块1经营能力中的营销机制A21和营销战略设计A22、模块2 科技能力与产品质量中的专利情况A24和创新成果转化A25等等，反映复杂网络的能挖掘指标之间的关联性。模块2 科技能力与产品质量和模块4 企业建设与行业情况的权重均超过30%，说明这两个模块较为重要。而模块2 科技能力与产品质量中的评估指标技术储备A29、专利情况A24、创新成果转化A25、自主创新能力A15都是与科技有关的，因此该模块所占的权重较大，符合科技型初创企业的特点。模块化结构分析表明模块内部评估指标之间的相互关联关系更加密切和频繁。根据复杂网络的全局分析以及模块化分析最终构建了表7 所示的科技型初创企业的风险评估指标体系：

表7 科技型初创企业风险评估指标体系

4 应用分析

本文根据科技型企业的特点，并结合刘乐等［43］的研究，以成立时间为6 年或不足6 年的科技型企业界定科技型初创企业。本文选取10 家科技型初创企业进行实证分析，具体的企业数据来源于Wind 数据库、CSMAR 国泰安数据库以及相关企业的年报，部分缺失数据来源于国家统计局、证券交易所和专家打分等。为了消除量纲的影响，本文首先对数据进行如下的标准化处理：

其中竞争者X41、行业竞争情况X46、和经济周期X49属于正向指标，其余指标均为负向指标。得到10 家企业的标准化得分后，然后与上文使用PageRank 算法计算得出的对应指标的权重线性相乘，最后加总得出企业风险评估的综合得分。标准化后的数据和企业总额得分如表9 所示。

表9 企业标准化后的数据及综合得分

根据企业风险管理的基本理论以及参考相关文献，可以把综合得分F按照将企业风险划分为低风险、中风险和高风险三个等级，企业风险对应的区间为［0.388 9,0.480 4),［0.480 4,0.571 9),［0.571 9,0.663 5］。这10 家企业的综合得分及对应的风险等级如表10所示。

表10 企业综合得分及相对应的风险等级

企业的价值和预期风险水平是成反比关系的，将10 家科技型初创企业的风险评估综合得分与企业当前的估值（企业估值数据来源于新财富的统计数据，截至2022 年11 月30 日）进行对比，发现企业风险评估综合得分的大小与企业当前估值大小排序基本成反比关系，这说明了本文构建的科技型初创企业风险评估指标体系具有一定有效性和合理性。

5 结论与启示

（1）本文先梳理和筛选和科技型初创企业相关的影响因素，然后基于复杂网络视角从全局化和模块化的角度建立了科技型初创企业风险评估模型，这种视角方法能够揭示科技型初创企业影响因素间的复杂的关联关系，可以帮助我们更好地理解和评估其风险状况。

（2）本文的研究为科技型初创企业的风险评估提供了一种系统和全面的方法，从而为科技型初创企业的风险管理和决策提供重要的参考。此外，如何选取指标以及如何挖掘指标间彼此的关联关系，是科技型初创企业风险评估的关键所在，同时也是科技型初创企业风险评估未来的研究方向。