奖励众筹融资绩效的影响因素及动态预测方法研究

发布时间：2020-07-28 14:31

【摘要】：奖励众筹,是一种由传统融资脱媒发展而来的创新性融资模式,具有形式多样、投资灵活、成本低、交易便捷、覆盖广等优势。通过互联网融资能有效降低融资成本,扩大融资范围,一定程度上降低了“融资难,融资贵”对中小企业的发展限制。但随着2017年众筹行业深度洗牌,我国奖励众筹面临着融资完成率较低,投资者参与度相较2016年大幅降低的问题。因此,研究如何对项目进行优化改进、提高投资者的参与度,进而提高融资绩效,使得众筹能够更好地服务各实体经济细分市场,真正实现众筹这种普惠金融模式服务于资产和资金两端,具有重要的意义。本文主要从以下几个方面展开研究:第一,基于精细加工可能性模型,沿中央路径和边缘路径两条路径,从项目质量信号、投资者参与情况以及不确定性度量三个方面出发,建立了多元回归模型,分析奖励众筹融资绩效影响因素。研究表明奖励众筹融资绩效的高低与目标融资额、点赞人数、评论次数、支持人数、更新次数以及回报种类相关。第二,利用面板数据构建了固定效应模型,用于分析投资者行为的动态变化规律。研究发现项目融资早期的新增融资绩效迅速下降,而到项目融资末期,随着截止效应的影响,新增融资绩效出现小幅递增的趋势;说明先行投资者的投资行为对潜在投资者投资行为存在挤出效应,当已实现的融资绩效越高,投资者新增投资行为越弱。第三,从动态变化的视角出发,采用函数主成分分析(FPCA)构建了关于投资者投资活动特征以及考虑时滞影响的评论活动特征的综合得分模型,并通过相关性检验验证得到正在融资项目与已众筹成功项目在投资和考虑时滞影响的评论特征方面存在很强的相似性。进一步,将众筹项目的投资特征综合得分、时滞影响的评论特征综合得分以及项目特征作为输入变量,构建广义回归神经网络(GRNN)模型,实现众筹项目融资绩效的动态预测。最后,基于“众筹网”数据的实证结果表明,本文构建的FPCA-GRNN模型能够实现对项目绩效的实时预测,即使在众筹项目早期数据量较少情况下也能达到较好的预测精度。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F724.6;F832.2
【图文】：

技术路线图,投资者,项目发起人,筹融资

图 1-1 技术路线图1.3 本研究创新之处（1）本文研究了奖励众筹融资绩效的动态变化规律，为了检验规律是否具有稳定性，分析了每一个月间隔下已众筹成功项目和正在众筹项目的特征相似性，基于该相似性构建了投资者投资和考虑时滞影响的特征综合得分模型，对投资者活动的动态变化提供了量化的方法。（2）提供了众筹项目绩效的实时预测模型，使得投资者能够基于该模型更好的进行投资决策。此外，该模型为项目发起人提供了融资结果的预判，使得项目发起人能够及时了解他们是否需要增强与投资者的互动以及更新项目动态来吸引更多的项目投资，以更好的达到项目的融资目标。（3）本文将 FPCA-GRNN 应用在众筹领域，充分将 GRNN 神经网络的较好容错性、强逼近能力、训练速度快的特性与 FPCA 能够刻画投资者活动变化轨迹以及速率轨迹的特点进行结合，有效解决项目早期数据量较少情况下模型预测精度较低的问题，使

流程图,流程图,成功率,平台

图 2-1 奖励众筹项目发起流程图盈灿咨询融资影响因素的研究平台自其兴起就在全世界获得了高速的发展，尽管每年奖励，并不是每个在平台上筹资的项目都能最终筹资成功。He示，除了新兴的 Sonicangel 平台拥有高达 92％的成功率外Kickstarter 等自称拥有较高成功率的平台，其成功率约在从平台上提交的项目来看，Kickstarter 21 个月内成功筹资 12000 个项目相比，成功率达到 33%，为研究样本中成Ulule 的成功率约为 25%，紧接其后。其余奖励众筹平台的ajorCompany 不到 1%[11]。认为，项目本身的特点，如融资期限、图片个数、融资规模成功。Cordova 等（2015）研究表明，项目的筹款期限对集

项目质量,投资者,筹融资,信号

图 3-1 研究框架图筹融资绩效影响因素分析与假设理论研究框架，本文围绕项目质量信号、投资者参与情况以下七个假设。量信号度量与假设信号是指投资者接收到的信息质量，也就是项目发起人在对否准确、详实、完整的向投资者进行介绍。已有的研究表明目质量信息（如项目文字说明长度、图片或视频介绍以及项策的信息）以及个人信誉特征（如个人基本信息、社交网络]。项目质量的可识别信号可以预测项目的成功，通常质量越而低质量的项目通常拥有较少或缺乏支持者。这是由于质量应进一步放大，使得项目质量的影响倍增。高质量的项目为

【相似文献】