眾籌項目融資成功的影響因素及預(yù)測模型研究

黃健青，黃曉鳳，殷國鵬

(對外經(jīng)濟(jì)貿(mào)易大學(xué) 信息學(xué)院，北京 100029)

?

眾籌項目融資成功的影響因素及預(yù)測模型研究

黃健青，黃曉鳳，殷國鵬

(對外經(jīng)濟(jì)貿(mào)易大學(xué) 信息學(xué)院，北京 100029)

眾籌作為中小企業(yè)融資新途徑，需要解決其融資成功率問題。本文基于追夢網(wǎng)的858個項目數(shù)據(jù)，以信任理論為基礎(chǔ)，運(yùn)用回歸分析法探究影響眾籌項目成功的關(guān)鍵因素，并在實(shí)證結(jié)果的基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對項目融資結(jié)果進(jìn)行預(yù)測，優(yōu)化項目設(shè)置?；貧w分析與神經(jīng)網(wǎng)絡(luò)結(jié)合的方法有助于直接檢驗(yàn)項目質(zhì)量，平臺和發(fā)起人可對即將上線的項目進(jìn)行預(yù)測，并根據(jù)結(jié)果從項目質(zhì)量、發(fā)起人特征和不確定性三個方面有針對性地進(jìn)行優(yōu)化改進(jìn)，從而提高項目融資成功的可能性，提升眾籌融資效率。

眾籌；融資成功率；影響因素；信任理論；預(yù)測模型

一、引言

眾籌(Crowdfunding)是一種大眾通過互聯(lián)網(wǎng)進(jìn)行溝通聯(lián)系，并匯集資金支持由其他組織和個人發(fā)起的活動的群體性行為[1]，也是通過互聯(lián)網(wǎng)平臺進(jìn)行小額融資的新型融資模式。根據(jù)盈燦咨詢數(shù)據(jù)顯示，截至2016年年底，我國正常運(yùn)營眾籌平臺共有427家，是2014年的近3倍。2016年全國眾籌行業(yè)共成功籌資224.78億元，是2014年的10.42倍。從預(yù)期籌資額的實(shí)際完成率來看，2016年全國眾籌行業(yè)預(yù)期籌資額共677.84億元，實(shí)際完成率僅為33.16%。由此可見：一方面，眾籌作為一種高效便捷的新型融資模式逐漸受到重視和關(guān)注，發(fā)展迅速；另一方面，眾籌行業(yè)目前的預(yù)期融資實(shí)際完成率并不高，融資效率較低，融資成功率亟待提高。因此深入探究影響眾籌融資成功的關(guān)鍵因素，構(gòu)建行之有效的預(yù)測和改進(jìn)模型，提高眾籌項目融資成功的可能性，對于促使眾籌行業(yè)的發(fā)展具有重大意義。本文將借助信任理論，探究回報眾籌項目成功的關(guān)鍵因素，并基于實(shí)證結(jié)果，構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測模型，探究平臺及項目發(fā)起人如何更好地調(diào)整項目設(shè)置，提高項目融資的可能性，以提高眾籌行業(yè)融資效率，促進(jìn)行業(yè)健康發(fā)展。

二、文獻(xiàn)綜述

國內(nèi)外學(xué)者對于眾籌項目成功的影響因素展開了深入的研究。研究的重點(diǎn)主要包括項目本身的信息、發(fā)起人特征、項目獲得的支持程度、風(fēng)險因素等方面。

起初，關(guān)于眾籌項目的影響因素更多地聚焦在項目本身傳遞的信息上。Evers(2012)[2]從個人動機(jī)角度出發(fā)，對項目質(zhì)量、項目信息、項目需求3個維度進(jìn)行探究，發(fā)現(xiàn)多元化的項目團(tuán)隊與小額贊助額度的設(shè)定也是受歡迎的。Kuppuswamy和Bayus(2013)[3]認(rèn)為項目融資時限、融資額度和回報形式也會影響投資者的投資行為。黃玲和周勤(2015)[4]基于期望理論指出預(yù)設(shè)目標(biāo)金額較低，新穎度較高，以及具有差異化設(shè)置回報種類及多樣化項目宣傳渠道的眾籌項目成功的可能性更大。

隨后，學(xué)者們逐漸引入了發(fā)起人特征的影響。Mollick(2014)[5]發(fā)現(xiàn)發(fā)起人Facebook上的好友數(shù)量也會對項目融資有所助益。Boeuf等(2014)[6]指出對親社會投資者而言，內(nèi)在因素影響產(chǎn)生的積極效應(yīng)大于外在因素影響產(chǎn)生的消極效應(yīng)，項目經(jīng)營者對其它發(fā)起人的項目提供支持有利于增強(qiáng)大眾投資者對自身項目的投資熱情。Liao C等(2015)[7]引入內(nèi)部社會資本的概念，認(rèn)為籌資人對其他項目的點(diǎn)贊數(shù)和支持次數(shù)會對自身發(fā)起項目的融資比率產(chǎn)生影響。

同時，學(xué)者們也對項目獲得的支持程度進(jìn)行了討論。Quercia D和Crowcroft(2014)、Frydrych和Bock(2014)以及Cumming等(2014)[8-10]研究均表明項目獲得的支持人數(shù)會對項目融資帶來積極影響。Quercia D和Crowcroft(2014)和Cumming等(2014)同時還指出了評論數(shù)量對于項目成功的積極作用。黃健青等(2015)[11]從顧客價值視角進(jìn)行研究也表明項目分享次數(shù)、評價次數(shù)、評價數(shù)量對項目是否能達(dá)到全額融資有顯著影響。

此外，項目本身的風(fēng)險性與投資者的決策也有顯著關(guān)系[12]。Agrawal(2011)[13]表明籌資者的地理位置使其感到不同等級的信用風(fēng)險。鄭海超等(2015)從不確定性、投資風(fēng)險、人力資本3個維度構(gòu)建理論模型對股權(quán)眾籌的影響因素進(jìn)行探究，研究指出人力資本越高融資結(jié)果越好，并且不確定性也會對融資水平造成影響，項目提供的股權(quán)份額越高，描述風(fēng)險的信息越少則成功的可能性越小[14]。相關(guān)文獻(xiàn)整理如表1所示。

雖然國內(nèi)外學(xué)者對眾籌成功的影響因素進(jìn)行了多個維度的研究，但仍存在以下幾方面的不足：一是項目獲得的支持程度是在籌資結(jié)束后才呈現(xiàn)的數(shù)據(jù)，而對項目發(fā)起人而言前期預(yù)判更為重要。二是結(jié)果分析多停留在對影響因素的探究層面，在實(shí)際應(yīng)用上，未提供直接預(yù)判項目是否可以獲得成功的方法，無法有針對性地對項目的潛在不足進(jìn)行改進(jìn)，進(jìn)而提高融資效率。基于此，本文將圍繞“提高項目融資成功可能性”的核心出發(fā)，借助信任理論，利用追夢網(wǎng)的眾籌項目數(shù)據(jù)，選取項目初始可獲取指標(biāo)，分析影響項目成功的關(guān)鍵因素，并以關(guān)鍵因素作為輸入因子構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測模型，提供項目融資結(jié)果預(yù)測和改進(jìn)方法，為平臺及項目發(fā)起人提供直接檢測項目設(shè)置，提高融資成功率的有效途徑。

表1 眾籌項目成功的影響因素

三、影響眾籌項目成功的關(guān)鍵因素

(一)理論與假設(shè)

信任是現(xiàn)代商業(yè)活動的核心要素，在互聯(lián)網(wǎng)情境下顯得尤為重要。當(dāng)交易雙方無法確定行之有效的條約和規(guī)則以減少不確定性、降低交易風(fēng)險時，信任便成為了保證交易進(jìn)行的重要工具[15]?；ヂ?lián)網(wǎng)的誕生使得商業(yè)活動打破時間和空間的限制，獲得了更多自由。然而在互聯(lián)網(wǎng)情境下，虛擬環(huán)境的無形性和監(jiān)管漏洞帶來的不確定性和高風(fēng)險，使得信任問題顯得更加突出。根據(jù)CNNIC第37次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，2015年，42%的網(wǎng)民遭遇過網(wǎng)絡(luò)安全問題，有16.4%的消費(fèi)者在網(wǎng)上遭遇到消費(fèi)欺詐，相比2014年上升了3.8%。與此同時，e租寶、中晉資產(chǎn)等問題平臺的出現(xiàn)，也加劇了消費(fèi)者對互聯(lián)網(wǎng)金融的信任危機(jī)。Dongyu Chen等(2014)[16]基于信任理論，對拍拍貸上的貸款者進(jìn)行了問卷調(diào)查，研究結(jié)果表明對于借款人和中介機(jī)構(gòu)的信任是影響貸款者信任的關(guān)鍵因素。蔣驍(2014)[17]以信任理論為基礎(chǔ)，通過問卷調(diào)查，建立結(jié)構(gòu)方程，提出了眾籌出版用戶支付意愿模型。信任已經(jīng)成為了影響用戶在線支付行為意向的決定因素。

本文以信任理論為分析框架，同時引用股權(quán)眾籌和回報眾籌的研究成果，構(gòu)建的理論模型如圖1所示。將傳統(tǒng)情境下對實(shí)體和個人的信任引入到眾籌中，本文認(rèn)為項目質(zhì)量、發(fā)起人特征是影響投資人信任的兩個維度，同時，由于在線交易容易存在信息不對稱，本文將不確定性引入到模型中，關(guān)注項目質(zhì)量、發(fā)起人特征及不確定性對投資人信任的影響，從而影響其投資意愿，反映在項目上即項目的融資比率。

圖1 研究模型

1.項目質(zhì)量

項目質(zhì)量是指通過項目屬性和描述所反映出來的項目價值。眾籌項目的產(chǎn)品質(zhì)量主要體現(xiàn)在融資額度、回報、項目描述等方面，它是投資人衡量項目投資價值的重要因素，直接影響投資人對項目的判斷。具體而言，本文關(guān)注最低投資額、最高投資額和視頻展示所反映出的項目質(zhì)量。

最低投資額是指投資人可以對眾籌項目進(jìn)行投資的最小額度。每個級別的投資額對應(yīng)相應(yīng)的回報，投資額度越高，回報內(nèi)容就越豐富。最低投資額度反映的是投資人可以得到的最低回報和服務(wù)，也是項目能對投資人造成的最低吸引力水平。最低投資額度越高，則投資人可以享受到的回報和服務(wù)水平越高，投資人進(jìn)行投資的意愿也更加強(qiáng)烈，對項目融資比率有積極影響[18]。因此，本文認(rèn)為，最低投資額度越高，投資人可獲得的最低回報質(zhì)量越高，從而會增強(qiáng)投資人對項目的信任，提高投資意愿。

最高投資額是指投資人可以對眾籌項目進(jìn)行投資的最大額度。與最低投資額的設(shè)定相似，最高投資額也反映了投資人可獲得的回報和服務(wù)。最高回報反映了項目能提供的最好回報和服務(wù)，投資額高也意味著對項目回報產(chǎn)品或服務(wù)的精心設(shè)置，從一定程度上反映了項目的高質(zhì)量，容易增強(qiáng)大額投資者對項目質(zhì)量的信任，從而提高投資意愿。

視頻是指項目發(fā)起人在項目描述中使用視頻對項目進(jìn)行介紹或演示。在線交易中，產(chǎn)品質(zhì)量的好壞與賣家自愿披露的信息有著明顯的關(guān)系，賣家自愿披露的信息越多，則其產(chǎn)品的質(zhì)量越好[19]。眾籌項目發(fā)起人使用視頻對項目進(jìn)行介紹，一方面體現(xiàn)了其準(zhǔn)備充分，另一方面也反映了其自愿披露的信息更多，顯示項目質(zhì)量更高，更容易增強(qiáng)投資人對項目的信任，從而提高投資意愿。綜上分析，提出如下假設(shè)：

H1：項目質(zhì)量與融資比率呈正相關(guān)關(guān)系，即項目質(zhì)量越高，投資人對項目越信任，投資意愿越強(qiáng)，項目融資成功的可能性越大。

2.發(fā)起人特征

發(fā)起人特征是指項目發(fā)起人本身的屬性。在電子商務(wù)領(lǐng)域，有大量研究表明，顧客對商家的信任會影響其對產(chǎn)品的信任，進(jìn)而影響顧客的支付意愿。在B2C電子商務(wù)交易中，網(wǎng)店聲譽(yù)顯著影響消費(fèi)者的信任[20]；出版眾籌項目中，投資人對項目發(fā)起人的信任也顯著影響其投資意愿[17]。

發(fā)起人的特征主要反映在發(fā)起人積分上，發(fā)起人積分越高，說明其在平臺上越活躍，歷史信用越好，項目融資成功率越高[18]。由此，本文認(rèn)為發(fā)起人特征會通過影響投資人對項目的信任，進(jìn)而影響其投資意愿，并提出如下假設(shè)：

H2：發(fā)起人特征會對融資比率造成顯著影響，即發(fā)起人積分越高，投資人對項目越信任，投資意愿越強(qiáng)，項目融資成功的可能性越大。

3.不確定性

不確定性是指對項目未來發(fā)展的狀況無法準(zhǔn)確預(yù)測，投資人會基于項目設(shè)置及描述評估其風(fēng)險。在股權(quán)眾籌平臺上，不確定性水平對于投資成功有著消極影響[21]。本文重點(diǎn)關(guān)注目標(biāo)金額、回報級別和風(fēng)險描述帶來的不確定性。

目標(biāo)金額是指發(fā)起人設(shè)定的目標(biāo)籌資額度，除特別合作外，如在規(guī)定的融資期限內(nèi)的融資額未達(dá)到目標(biāo)金額，則項目失??；如果達(dá)到或超過目標(biāo)金額，則項目成功，發(fā)起人可獲得實(shí)際籌集到的資金。目標(biāo)金額越高，也意味著項目融資失敗的風(fēng)險越大，不確定性水平越高，會降低投資人對項目的信任[11]。

回報級別是指項目設(shè)置中提供的回報種類數(shù)量。項目提供的回報級別越多，說明項目回報的產(chǎn)品或服務(wù)越多樣，分散程度越高，需要項目發(fā)起人耗費(fèi)更多的時間和精力。同時回報級別越多，則每種產(chǎn)品和服務(wù)的數(shù)量越少，由規(guī)模報酬理論可知，每種產(chǎn)品的成本會上升。這些都增強(qiáng)了項目實(shí)施的不確定性，會降低投資人對項目的信任，與項目融資比率呈負(fù)相關(guān)[22]。

風(fēng)險描述是指項目描述中涉及的項目推進(jìn)過程中可能遇到的困難和風(fēng)險，以及可能導(dǎo)致的結(jié)果。發(fā)起人在項目設(shè)置中對風(fēng)險進(jìn)行過多的描述容易加深投資人的擔(dān)憂，從而放大項目存在的不確定性，降低項目的信任，從而降低投資意愿。在股權(quán)眾籌中，描述風(fēng)險的信息造成了消極影響[23]。綜合上述分析，本文提出以下假設(shè)：

H3：不確定性水平與融資比率呈負(fù)相關(guān)關(guān)系，即目標(biāo)金額越大、回報級別越多、具有風(fēng)險描述的項目，投資人對項目越不信任，投資意愿越弱，項目融資成功的可能性越小。

(二)研究設(shè)計

根據(jù)以上項目成功影響因素理論分析，本文選取眾籌項目的項目質(zhì)量、發(fā)起人特征、不確定性作為解釋變量，同時使用數(shù)據(jù)采集器和手工采集兩種方式收集了追夢網(wǎng)的相關(guān)數(shù)據(jù)，以融資比率作為因變量，以最低投資額、最高投資額、視頻、發(fā)起人積分、目標(biāo)金額、回報級別和風(fēng)險描述作為自變量，同時，為排除融資模式和項目類別的影響，將其作為控制變量，通過逐步回歸進(jìn)行分析，最終得出本文的結(jié)論。

1.樣本選擇與數(shù)據(jù)來源

在國外學(xué)者研究中，有關(guān)融資模式的研究，IndieGoGo是使用最多的平臺，而有關(guān)眾籌項目成功影響因素的研究中，學(xué)者們的對象多為Kickstarter。國內(nèi)的眾籌平臺中，追夢網(wǎng)的商業(yè)模式與上述兩個平臺最為相似。根據(jù)清科研究中心發(fā)布的《2015年中國眾籌市場發(fā)展報告》顯示，2014年國內(nèi)9家主要的回報眾籌平臺中，追夢網(wǎng)以871個項目位列第三名，具有較大的影響力和關(guān)注度。本文選取追夢網(wǎng)作為數(shù)據(jù)來源，具有一定的代表性。

追夢網(wǎng)創(chuàng)建于2011年9月，2011年與2012年發(fā)起的項目較少，2013年開始平臺逐步發(fā)展并趨于穩(wěn)定，而從2015年3月之后，追夢網(wǎng)轉(zhuǎn)移到移動端，通過APP進(jìn)行眾籌。我們收集了追夢網(wǎng)2011年11月至2015年2月網(wǎng)頁端的952個項目?？紤]到2012年以前平臺處于運(yùn)營初期，還不穩(wěn)定，因而去掉2012年以前的項目。此外，為了使研究更為規(guī)范，考慮項目合理性的同時，根據(jù)指標(biāo)的數(shù)值分布情況，我們剔除了目標(biāo)金額超過2倍標(biāo)準(zhǔn)差的項目，共保留858個項目。其中成功項目435個，失敗項目423個，分布較為均衡。

2.變量選取

根據(jù)前文所述的模型，本文選取項目最后完成的“融資比率”作為被解釋變量，從項目質(zhì)量、發(fā)起人特征、不確定性3種類型的解釋變量選取度量指標(biāo)，具體如表2所示。

此外，以往學(xué)者的研究中指出不同融資模式和項目類別也會對項目融資情況造成影響，因此，本文引入融資模式和項目類別作為控制變量。對于融資模式，AON(All or Nothing)模式記為“1”，KIA(Keep It All)模式記為“2”。對于項目類別，按照追夢網(wǎng)上對類別的設(shè)置進(jìn)行分類，設(shè)計類記為“1”，科技類記為“2”，影像類記為“3”，音樂類記為“4”，人文類記為“5”，出版類記為“6”，活動類記為“7”，其他類記為“8”。

表2 度量指標(biāo)及其說明

3.回歸模型設(shè)定

根據(jù)理論模型、假設(shè)及指標(biāo)選取等，本研究實(shí)證分析的回歸模型方程設(shè)定如下。

FundingRatio=β0+β1*LnMinpledge+β2*LnMaxpledge+β3*Video+β4*LnPoints+β5*Lngoal+β6*LnRL+β7*Risk+ε

(三)實(shí)證分析與結(jié)果討論

為排除指標(biāo)間多重共線性的影響，本文采取逐步回歸分析對影響眾籌項目融資比率的因素進(jìn)行計量分析。除了分類數(shù)據(jù)外，其余指標(biāo)做了對數(shù)變換。具體結(jié)果分析如下。

1.描述性統(tǒng)計

本文對眾籌項目的特征數(shù)據(jù)進(jìn)行了描述性統(tǒng)計，結(jié)果如表3所示。

表3 眾籌項目特征數(shù)據(jù)的描述性統(tǒng)計結(jié)果

2.回歸分析

通過SPSS軟件對相關(guān)數(shù)據(jù)進(jìn)行分析，得到的回歸結(jié)果如表4所示。結(jié)果表明，各指標(biāo)對項目融資比率的影響非常顯著。

表4 眾籌項目成功影響因素回歸結(jié)果

注：*、**、***分別表示達(dá)到了10%、5%、1%的顯著性水平。

(1)眾籌項目的項目質(zhì)量對融資比率影響顯著

最低投資額(Ln_Minpledge)在5%的顯著性水平上與項目融資比率正相關(guān)，最高投資額(Ln_Maxpledge)在1%的顯著性水平上與項目融資正相關(guān)，視頻數(shù)量(Ln_Maxpledge)在1%的顯著性水平上與項目融資正相關(guān)，與原假設(shè)(H1)相符。這與以往學(xué)者們研究的結(jié)果也是一致的，說明最低投資額、最高投資額和視頻數(shù)量都是影響融資比率的關(guān)鍵因素。每一個投資額都有對應(yīng)的回報，投資額越高反映回報越好，對投資人更有吸引力。另外，優(yōu)秀的眾籌項目往往因?yàn)槠鋭?chuàng)意而使投資者產(chǎn)生強(qiáng)烈共鳴，視頻的展示可以帶給投資者直觀的項目體驗(yàn)，提升投資者的認(rèn)同和信任。因此，項目的最低投資額越高、最高投資額越高、視頻數(shù)量越多則說明項目質(zhì)量越好，越能贏得投資人的信任，激發(fā)其投資意愿，從而獲得更多融資。

(2)眾籌項目的發(fā)起人特征對融資比率影響顯著

發(fā)起人積分( Ln_Points)在1%的顯著性水平下與項目融資比率正相關(guān)，與原假設(shè)(H2)相符。發(fā)起人積分體現(xiàn)了發(fā)起人在眾籌網(wǎng)站的活躍度，一般情況下此類發(fā)起人歷史發(fā)起或參與的眾籌項目比較多，相關(guān)的知識和經(jīng)驗(yàn)比較豐富。這也使得他們在眾籌平臺上更有可能受到關(guān)注，項目得到廣泛推廣。與新用戶相比，積分較高的項目發(fā)起人更容易獲得投資人的信任和青睞，越能激發(fā)投資人的投資意愿，從而獲得更多融資。

(3)眾籌項目的不確定性對融資比率影響顯著

目標(biāo)金額(Ln_goal)在1%的顯著性水平上與項目融資比率負(fù)相關(guān)，回報級別(Ln_RL)在5%的顯著性水平上與項目融資負(fù)相關(guān)，風(fēng)險描述(Risk)在1%的顯著性水平上與項目融資負(fù)相關(guān)，與原假設(shè)(H3)相符。目標(biāo)金額設(shè)定越高，則需要越多的投資者參與到項目中，這在一定程度上增加了項目的難度和風(fēng)險，使投資人在投資時有所顧慮。回報級別設(shè)定的多樣化雖然在一定程度上可以增強(qiáng)項目的可擴(kuò)展性，但是卻也大大增加了項目執(zhí)行難度。由于項目發(fā)起人一般提供的回報數(shù)量級別比較小，不能形成規(guī)模報酬效應(yīng)，因此成本也會有所增加。而對于風(fēng)險的描述也容易強(qiáng)化投資人對項目的質(zhì)疑。這些因素都會導(dǎo)致項目不確定性增加，故目標(biāo)金額越高、回報級別越多、風(fēng)險描述越多的項目越難獲得投資人的信任，獲得的融資比率也越低。

四、眾籌項目融資結(jié)果的預(yù)測模型

為了深化眾籌融資成功影響因素的研究，本文在上述回歸分析的基礎(chǔ)上，通過神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測模型的訓(xùn)練，從而對眾籌項目成功與否進(jìn)行預(yù)測，幫助項目發(fā)起人優(yōu)化項目設(shè)置，從而提高融資成功的可能性。

(一)評價指標(biāo)與數(shù)據(jù)來源

基于前文所述的模型，將回歸分析得到的關(guān)鍵因素作為神經(jīng)網(wǎng)絡(luò)的預(yù)測指標(biāo)體系，如表5所示。

表5 眾籌項目預(yù)測指標(biāo)

追夢網(wǎng)上有部分特別合作項目，無論籌集資金是否到達(dá)目標(biāo)金額都算成功，即KIA(Keep It All)的模式，但大部分為AON(All or Nothing)模式，只有籌集金額達(dá)到或超過目標(biāo)金額才算成功。目前學(xué)者研究的重點(diǎn)主要是AON模式，且大多數(shù)眾籌平臺也只提供AON模式。因此，我們在前文所選擇的項目基礎(chǔ)上，剔除了130個KIA模式的項目，最終保留728個AON項目作為樣本。

(2)模型設(shè)計

多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)因其出色的性能被廣泛應(yīng)用于結(jié)果預(yù)測，主要通過目標(biāo)進(jìn)化算法和以梯度為基礎(chǔ)的局部搜索對BP算法進(jìn)行優(yōu)化。本文將其引入到對眾籌項目成功的預(yù)測當(dāng)中，建立預(yù)測模型如圖2所示。

圖2 眾籌項目融資結(jié)果預(yù)測模型圖

具體設(shè)置如下。

第一，網(wǎng)絡(luò)層數(shù)。在前人的研究當(dāng)中，只有一個隱含層的神經(jīng)網(wǎng)絡(luò)應(yīng)用最為廣泛，且效果良好。基于此，本模型選擇了只含有一個隱含層的MPL神經(jīng)網(wǎng)絡(luò)。

第二，輸入的預(yù)測指標(biāo)。輸入層位于網(wǎng)絡(luò)的第一層，主要任務(wù)是接收外部數(shù)據(jù)，其節(jié)點(diǎn)數(shù)取決于輸入項的維數(shù)。根據(jù)前文所述，選擇項目質(zhì)量、發(fā)起人特征、不確定性3種類型的7種指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的因子輸入，考慮到神經(jīng)網(wǎng)絡(luò)可以處理復(fù)雜數(shù)據(jù)關(guān)系，為給模型提供充分的信息，本文將項目類別、項目進(jìn)展、回報執(zhí)行天數(shù)、照片數(shù)量、發(fā)起地點(diǎn)、發(fā)起人性別6個指標(biāo)作為協(xié)變量輸入。其中，除了分類變量外，其他指標(biāo)都進(jìn)行了Ln對數(shù)處理。

第三，輸出的預(yù)測結(jié)果。輸出層的節(jié)點(diǎn)數(shù)意味著輸出的結(jié)果維度。本研究以眾籌項目是否成功作為輸出結(jié)果，故只有成功和失敗兩個維度，最終融資達(dá)到或超過目標(biāo)金額即為成功，記為“1”，否則為失敗，記為“0”。

第四，隱含層的節(jié)點(diǎn)數(shù)。對于有限個輸入到有限個輸出的映射，隱含層的節(jié)點(diǎn)數(shù)問題迄今為止尚未找到很好的解決辦法，其設(shè)定通常跟設(shè)計者的經(jīng)驗(yàn)和前人的試驗(yàn)來確定[24]，本文將其設(shè)定為計算中自動選擇最優(yōu)的隱含層節(jié)點(diǎn)。

(三)結(jié)果分析與討論

通過SPSS多層感知器神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行分析，由系統(tǒng)隨機(jī)分配訓(xùn)練集和測試集，結(jié)果排除了111個項目。在剩下的617個項目中，497個項目作為訓(xùn)練集，占80.6%，120個項目作為測試集，占19.4%。神經(jīng)網(wǎng)絡(luò)通過對訓(xùn)練集樣本進(jìn)行學(xué)習(xí)，擬合出預(yù)測模型，再通過測試集數(shù)據(jù)對模型進(jìn)行檢驗(yàn)。具體分類結(jié)果如表6所示。

表6 眾籌項目融資結(jié)果預(yù)測表

由表6可看出訓(xùn)練樣本的正確率為87.5%，測試樣本的正確率81.7%，訓(xùn)練樣本和測試樣本的準(zhǔn)確率都比較高，且相對穩(wěn)定。對于項目發(fā)起人而言，進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測的意義在于通過模型輸入項目指標(biāo)的設(shè)定值，從而預(yù)測是否成功。若不成功，可根據(jù)前文回歸得到的關(guān)鍵影響因素，及其相關(guān)關(guān)系進(jìn)行調(diào)整，直至項目預(yù)測成功。由此可見，對于失敗項目預(yù)測的準(zhǔn)確率更為重要，而此模型中，對于失敗項目，即觀測值為“0”的項目，訓(xùn)練集的正確率為89.2%，測試集的正確率為88.5%，預(yù)測效果比平均水平更好，更滿足實(shí)際需求。

預(yù)測結(jié)果的高準(zhǔn)確性對于眾籌平臺和項目發(fā)起人有著重要意義，他們可將相關(guān)指標(biāo)輸入到模型中，對融資結(jié)果進(jìn)行預(yù)測，如果預(yù)測結(jié)果為失敗，可通過前文實(shí)證的結(jié)果對項目設(shè)置進(jìn)行有針對性的改進(jìn)，從而提高融資成功的可能性，提高眾籌融資效率。

五、結(jié)論與建議

以上研究表明，項目質(zhì)量、發(fā)起人特征、不確定性3個維度中，最低融資額、最高融資額、視頻數(shù)量、發(fā)起人積分對眾籌項目的成功有正向影響，而目標(biāo)金額、回報級別和風(fēng)險描述則對其有負(fù)向影響。

基于研究結(jié)果，針對預(yù)測失敗的項目，對項目平臺和發(fā)起人提出以下幾點(diǎn)改進(jìn)建議。

1.調(diào)整項目投資額的設(shè)定，并使用多媒體手段進(jìn)行項目的展示。項目發(fā)起人可以通過適當(dāng)提高最低投資額和最高投資額，并相應(yīng)地給予更好的回報和服務(wù)，顯示發(fā)起人的精心準(zhǔn)備和優(yōu)質(zhì)項目的信號。同時，多使用視頻等多媒體宣傳手段，生動且直觀地展示項目，提高項目的吸引力，增強(qiáng)投資人對項目的信任。

2.多參與平臺互動，提高發(fā)起人積分水平。發(fā)起人積分很難短時間內(nèi)提高，需要項目發(fā)起人長期保持在眾籌平臺上的活躍程度，多關(guān)注其他眾籌項目，并與其他項目發(fā)起人和投資人進(jìn)行互動，從而提高投資人對發(fā)起人的信任，同時為自己積累經(jīng)驗(yàn)和人脈，為合理調(diào)整項目設(shè)置提供知識和經(jīng)驗(yàn)的儲備，從而提高融資成功的可能性。

3.降低項目的不確定性，控制風(fēng)險。眾籌作為一種互聯(lián)網(wǎng)金融模式，以在線交易的形式完成投融資，很容易出現(xiàn)信息不對稱導(dǎo)致的逆向選擇，發(fā)起人應(yīng)盡可能降低項目的不確定性，如減少不確定的風(fēng)險描述，給投資人傳遞確定性信息，從而提高其對項目的信任感。另外，過高的目標(biāo)金額和過多的回報級別設(shè)定也容易提高投資人的感知風(fēng)險，發(fā)起人應(yīng)通過合理設(shè)定目標(biāo)金額和回報級別來控制風(fēng)險，增強(qiáng)投資人的投資意愿。

調(diào)整項目設(shè)置后，發(fā)起人可通過預(yù)測模型再次進(jìn)行預(yù)測，直至獲得滿意的結(jié)果。

研究不足及展望：(1)本文的研究數(shù)據(jù)存在一定局限性。本文選取的是追夢網(wǎng)的數(shù)據(jù)，共采集眾籌項目952項，結(jié)合平臺運(yùn)營穩(wěn)定期間的考慮和指標(biāo)的數(shù)值分布情況，剔除了部分項目，共保留858個項目。樣本量相對國外的研究而言比較少，未來可嘗試將其拓展到其他平臺上，提高研究的外部有效性。(2)本文的研究變量存在一定局限性。投資人對項目的信任還可能受地理位置和文化差異等因素的影響。然而，由于平臺信息透明程度、項目參與者對個人信息公開程度不足等原因，導(dǎo)致在研究過程中對影響因素的梳理不夠全面。伴隨著越來越多的眾籌平臺的興起，關(guān)于眾籌項目的信息展示也越來越豐富，未來可嘗試引入地理位置、文化差異等因素對于項目的影響。(3)本文的研究對象具有一定局限性。雖然追夢網(wǎng)是國內(nèi)的主流眾籌平臺，具有一定代表性，但是不同平臺的眾籌項目特點(diǎn)各不相同，基于追夢網(wǎng)研究得到的結(jié)果在一定程度上不能完全遷移到其他眾籌平臺上，存在一定局限。蔣驍(2015)[17]研究指出投資人對眾籌項目的信任還會受到對眾籌平臺的信任的影響，可見，不同眾籌平臺影響項目成功的關(guān)鍵因素也可能存在差異，建立的預(yù)測模型也不盡相同。未來可嘗試對不同眾籌平臺進(jìn)行對比研究，提出更有針對性的結(jié)論與建議。

[1]ORDANINI A, MICELI L, PIZZETTI M, ET AL. Crowd-funding: Transforming customers into investors through innovative service platforms[J]. Journal of service management, 2011, 22(4): 443-470.

[2]EVERS M W, LOUREN?O C, BEIJE P. Main drivers of crowdfunding success: A conceptual framework and empirical analysis[M]. Erasmus Universiteit, 2012.

[3]MOLLICK E R, KUPPUSWAMY V. After the campaign: Outcomes of crowdfunding[J]. UNC Kenan-Flagler Research Paper, 2014 (2376997).

[4]黃 玲, 周 勤. 基于期望理論的眾籌設(shè)計研究[J]. 財經(jīng)科學(xué), 2015 (6): 32-42.

[5]MOLLICK E. The dynamics of crowdfunding: An exploratory study[J]. Journal of Business Venturing, 2014, 29(1): 1-16.

[7]LIAO C, ZHU Y, LIAO X. The role of internal and external social capital in crowdfunding: Evidence from China[J]. Revista de CercetaresiInterventieSociala, 2015, 49: 187-204.

[8]AN J, QUERCIAD, CROWCROFT J. Recommending investors for crowdfunding projects[C]//Proceedings of the 23rd international conference on world wide web. ACM, 2014: 261-270.

[9]FRYDRYCH D, BOCK A J, KINDER T, et al. Exploring entrepreneurial legitimacy in reward-based crowdfunding[J]. Venture Capital, 2014, 16(3): 247-269.

[10]AHLERS G K C, CUMMING D, GüNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[11]黃健青, 陳 歡,李大夜. 基于顧客價值視角的眾籌項目成功影響因素研究[J]. 中國軟科學(xué), 2015 (6): 116-127.

[12]吳喜雁, 周建波. 大眾參與眾籌投資決策影響因素分析[J]. 科技進(jìn)步與對策, 2015, 32(24): 12-16.

[13]AGRAWAL A K, CATALINI C, GOLDFARB A.The geography of crowdfunding[R].National Bureau of Economic Research, 2011.

[14]鄭海超, 黃宇夢, 王 濤, 等. 創(chuàng)新項目股權(quán)眾籌融資績效的影響因素研究[J]. 中國軟科學(xué), 2015 (1): 130-138.

[15]LUHMANN N. Trust and power[M]. Chichester: Wiley, 1979.

[16]CHEN D, LAI F, LIN Z. A trust model for online peer-to-peer lending: A lender’s perspective[J]. Information Technology and Management, 2014, 15(4): 239-254.

[17]蔣 驍. 基于信任的眾籌出版用戶支付意愿研究[J]. 科技與出版, 2014(5): 6.

[18]黃健青, 劉雪霏, 鄭建明. 眾籌項目成功的關(guān)鍵因素：基于 KIA 與 AON 融資模式的實(shí)證研究[J]. 財貿(mào)經(jīng)濟(jì), 2015, 36(9): 74-84.

[19]LEWIS G. Asymmetric information, adverse selection and online disclosure: The case of eBay motors[J]. The American Economic Review, 2011: 1535-1546.

[20]趙宏霞, 劉巖峰. 關(guān)系營銷, 網(wǎng)店聲譽(yù)對 B2C 電子商務(wù)交易信任的影響[J]. 軟科學(xué), 2013, 27(8): 80-84.

[21]AHLERS G K C, CUMMING D, GüNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[22]MOUTINHO N, LEITE P M. Critical success factors in crowdfunding: The case of kickstarter[J]. 2013.

[23]AHLERS G K C, CUMMING D, GüNTHER C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015.

[24]肖玲諾, 史建鋒, 孫玉忠. 基于 BP 神經(jīng)網(wǎng)絡(luò)的產(chǎn)學(xué)研知識創(chuàng)新聯(lián)盟風(fēng)險評價研究[J]. 中國軟科學(xué), 2011 (12): 173-179.

(本文責(zé)編：海 洋)

Influencing Factors and Forecasting Model for Successful Crowdfunding Projects

HUANG Jian-qing, HUANG Xiao-feng, YIN Guo-peng

(SchoolofInformationTechnology&Management,UniversityofInternationalBusinessandEconomics,Beijing100029,China)

Crowdfundingbecomes a new way of SME financing,it needs to solve the problem of financing success rate. In this paper, we summarized the indicators mentioned in Trust Theory and analyzed the factors influencing the success of crowdfunding projects on the “Dreamore” platform by using regression. Based on these contents, we constructed the forecasting model by neural network to predict and improve financing results. The model that combines regression and neural network is a direct method to test the quality of the projects and enhance the possibility of its financing success. The crowdfunding platform and project sponsors can use this model to predict about on-line projects, then adjust the project settings pointedly from project quality, sponsor characteristics and uncertainties according to the results, which will enhance the possibility of financing success.

crowdfunding;success rate of finance; influencing factors; trust theory; forecasting model

2016-11-15

2017-04-26

北京市社會科學(xué)基金基礎(chǔ)類重點(diǎn)項目(15JGA007)；教育部人文社會科學(xué)研究規(guī)劃基金“企業(yè)互聯(lián)網(wǎng)金融發(fā)展路徑及風(fēng)險防范研究—基于平臺經(jīng)濟(jì)視角”(14YJAZH035)。

黃健青(1966-)，女，福建莆田人，對外經(jīng)濟(jì)貿(mào)易大學(xué)信息學(xué)院教授，碩士，研究方向：互聯(lián)網(wǎng)金融、電子商務(wù)、現(xiàn)代服務(wù)業(yè)。

F270

A

1002-9753(2017)07-0091-10