专业化投资对风险投资的影响

一、理论分析与研究假设

专业化投资策略包括聚焦于某个投资阶段、某个行业或某个地域的投资，专业化投资让风险投资机构积累了专业的投资经验，有助于减少风险投资家与企业家之间的协调成本，便于风险资本家的经验和知识向被投资企业转移（Grant和Baden-Fuller，2004；Heeley和Matusik，2006；Simon，1991）[2-4]。Brown和Duguid（1991）认为同一社会环境有助于知识或经验的分享，因为相同的环境意味着人们的语言以及对事物的看法是相通的。也就是说，同一个领域的知识或经验比跨领域的知识或经验更容易被共享[5]。Dougherty（1992）考察产品研发中的协调沟通成本后发现，随着产品线的增加，知识跨度加大，团队成员之间的凝聚力下降，知识或经验被团队成员共享的效率降低[6]。跨领域的知识共享需要明确的制度或规则的支持（Kogut和Zander，1992）[7]，而这些是需要花费成本的，即知识共享或协调成本与知识的专业化程度呈负相关关系。除此之外，具有专业化知识或经验的投资机构能在投资前对相同领域企业的发展前景做出更准确的判断，在投资后能帮助被投资企业克服该领域特有的技术难题，有助于识别企业潜在的风险并找到问题的解决方法（Matusik和Fitza，2012）[8]，提升被投资企业的价值。虽然多元化知识储备可能为解决复杂问题提供更大的选择余地，寻找新颖的解决方法，当企业现有技术不符合市场需求时，也可能带领企业走向另一条与现在完全不同的发展道路，但是大多数现存的VC机构规模相对较小，风险资本家的人力资本有限，多元化投资导致风险资本家在各领域的投入过于单薄（Jenner，2013）[9]，因此多元化投资的优势无法完全显现（Matusik和Fitza，2012）[8]。基于上述分析，我们提出假设1。假设1：VC机构专业化投资集中度越高，投资绩效越好。风险条件下的市场均衡理论认为，投资者面临的投资风险越大，其获得的预期收益越高（Sharpe，1964）[10]。这一原则同样适用于风险投资行业，即风投机构如果选择投资于高风险的企业，则投资回报较高，反之，如果投资于低风险的企业，那么未来的投资回报较低。如前文所述，风投机构选择专业化投资策略的动因之一是应对相关的投资风险，而依据市场均衡理论（即风险收益对称原理），这一动因本身也会导致采取专业化投资策略的风投机构的投资绩效更好。虽然如此，但这并不是解释专业化投资绩效的唯一原因，除此之外，采取专业化投资的机构在某一专业领域积累了丰富的投资经验，这些经验使其投资于自己专注领域时游刃有余，不仅在投资前能对投资项目质量做出准确判断，而且投资之后能对被投资企业提供更加专业和针对性的增值服务，甚至在准备退出时还能利用自身在该领域积累的资源寻求与高声誉的承销商、会计师事务所等中介机构合作，这些都是专业化投资获得高回报的重要原因（Heeley和Matusik，2006；Matusik和Fitza，2012）[3，8]。基于上述分析，本文提出了假设2。假设2：控制风险因素之后，专业化投资策略与投资绩效之间的正相关关系依然显著。正如前文所述，具有专业化投资经验的VC机构对其擅长的领域具有非常深入的了解和认识，在筛选项目时，能对项目的质量包括企业家的特质做出相对准确的判断，因此在投资前可以筛选到质量较高的项目，即专业化投资策略具有事前选择高质量项目的功能。进入企业之后，掌握专业化技能和投资经验的VC机构能更加敏锐地识别企业的经营风险，并寻找到恰当的解决方式，可为被投资企业提供更好的价值增值服务，这就是专业化投资策略具有的事后提供价值增加的功能。例如，专业化投资经验有助于VC机构准确判定某个特定领域的商业计划书的质量，帮助企业建立特有的经销渠道和客户群，或提供技术化的支持，这些都有助于提升企业价值（Matusik和Fitza，2012）[8]。因此，本文认为VC机构专业化投资策略的事前选择功能和事后价值增加功能在提高投资绩效方面具有相互补充的作用。为了验证这两项功能，本文参考Das等（2011）对联合投资事前选择功能和事后价值增加功能的研究[11]，在考虑专业化投资策略内生性的情况下探讨其对投资绩效的影响，如果专业化投资策略较高的投资绩效来自于事前选择功能和事后价值增加功能的共同作用，那么考虑专业化投资策略内生性之后这种影响将依然显著。基于上述分析，本文提出了假设3。假设3：考虑专业化投资策略内生性的情况下，专业化投资策略与投资绩效之间的正相关关系仍然显著。

二、研究设计

（一）样本与数据

本文选取2012年12月31日之前所有风险资本支持的A股上市公司作为初始样本，并按照如下标准进行筛选：（1）如果一家上市公司有风险资本支持但风投机构信息缺失，或有联合风险资本支持但其主导风投机构无法确定，则将其剔除；（2）剔除金融类上市公司的样本；（3）剔除相关数据缺失的样本。最终样本共涉及433家上市公司。研究所需财务数据全部来自CSMAR数据库。通过CVSource数据库，我们可以判定一家投资公司是否为风险投资机构，以及一只基金是否为风险投资基金。对于上市公司是否有风险资本支持，必须同时满足以下条件才能界定为具有风险投资背景：（1）查阅上市公司年度报告，前十大股东中至少包含一家风险投资机构或风险投资基金；（2）风险投资机构或风险投资基金的投资性质必须为VC-Se－ries或PE-Growth，同时必须发生在企业IPO之前。对于主导VC机构的判定，我们采取如下标准：（1）只有一家VC机构投资的样本，则该机构自动认定为主导VC机构；（2）对于联合风险资本支持的样本，一般以参与首轮投资且累计投资金额最多的机构为主导VC机构；（3）如果有多家风投机构均参与了首轮投资且累计投资金额相等，则认定拥有较多董事会或监事会席位的机构为主导VC机构；（4）如果按照前三条标准仍然无法判定主导VC机构，则剔除该样本。

（二）模型构建与变量定义

1.构建专业化投资集中度的度量指标。现有文献主要利用VC机构参与投资的投资阶段（行业或地域）数目、赫芬达尔指数以及熵来度量其投资的专业化集中程度（Gupta和Sapienza，1992；Clercq，2003；Gompers等，2009；Dimov和Clercq，2006；Ge－jadze等，2012；Matusik和Fitza，2012；Jenner，2013；李严等，2012）[12-16，8，9，17]。本研究在综合考虑上述指标的基础上，借鉴Gompers等（2009）[14]的研究采用赫芬达尔指数（Herfindahl-HirschmanIndex，简称HHI）来度量VC投资的专业化程度，公式如下：HHI=∑P2i（1）其中，Pi为VC机构退出前在各阶段（行业或地域）进行投资的投资事件比例。HHI数值越大，说明VC机构投资的专业化程度越高。2.专业化投资策略对投资绩效的影响。为了验证假设1，本文首先按照中位数将投资绩效分为投资绩效较好和投资绩效较差两组样本，比较两组样本的专业化投资集中程度是否存在显著差异，即进行独立样本T检验。然后构建如下OLS模型做进一步分析：Return=α+β1HHI+β2Controls+ε（2）其中，因变量Return表示VC机构的投资绩效，分别用账面回报倍数（BR）和账面内部收益率（IRR）进行度量。为了减轻异常值的不良影响，本文对模型因变量进行95%分位和5%分位的缩尾处理（win－sorization）。HHI为衡量VC机构投资专业化程度的指标，如果系数β1显著为正，则表明VC机构的专业化投资策略对投资绩效有正面影响，研究假设1成立。Controls是一组可能影响VC投资绩效的控制变量，现有风险投资文献研究表明，退出条件（Econdi－tion）、VC机构持股比例（VCshare）、VC机构声誉（VCreputation）、VC机构投资期（VCinvperiod）、VC机构的股权性质（GVC）等对风险投资绩效具有重要影响（Nahata，2008；Jenner，2013；党兴华等，2011；张学勇和廖理，2011）[18，9，19，20]，因此，本文对这些因素加以控制。ε为影响投资绩效的不可观测的因素。另外，为了更好地满足变量正态分布的要求，在多元回归分析中，我们分别对BR、IRR、Econdition、VC－share、VCinvperiod进行了对数化处理。3.专业化投资策略对投资绩效的影响机理1。为了验证专业化投资策略对投资绩效的正面影响并不仅仅是由与专业化投资策略相关联的风险因素所引起的（即假设2），我们首先选取早期或发展期哑变量、高风险行业哑变量作为投资风险的衡量指标，在控制投资风险因素的情况下检验专业化投资策略对投资绩效的影响，回归模型如下：Return=α+β1HHI+β2Controls+β3Egrowing+β4Hri-ndustry+ε（3）模型中，Egrowing为早期或发展期哑变量。如果VC机构投资时企业所处发展阶段为早期或发展期，则取值为1，表示投资风险较高；反之，如果VC机构投资时企业所处发展阶段为扩张期或获利期，则取值为0，表示投资风险较低。Hrindustry为高风险行业哑变量。如果VC机构投资的企业属于高风险行业，则取值为1，表示投资风险较高；反之，如果VC机构投资的企业不属于高风险行业，则取值为0，表示投资风险较低。其他变量的定义与模型（2）相同。如果系数β1显著为正，则表明控制风险因素之后，VC机构专业化投资策略对投资绩效仍然有正面影响，假设2得到初步证实。其次，为了进一步分析风险因素对专业化投资策略与投资绩效关系的影响机理，本文运用独立样本T检验的方法来检验风险因素是否为VC机构采取专业化投资策略的动因，并将全部样本分为高投资风险组和低投资风险组，进行分组回归，来检验该动因是否为专业化投资策略影响投资绩效的唯一原因，回归模型与模型（2）相同。如果分样本回归结果显示专业化投资策略与投资绩效之间的正相关关系仍然显著，则表明投资风险不是专业化投资策略影响投资绩效的唯一原因，假设2成立。4.专业化投资策略对投资绩效的影响机理2。为了验证VC机构专业化投资策略的事前选择功能和事后价值增加功能在提高投资绩效方面具有相互补充的作用，在考虑专业化投资策略内生性的情况下，我们检验专业化投资策略与投资绩效之间的正相关关系是否仍然显著（即假设3）。一般来说，随着VC机构投资经验和管理资产规模的不断增加，其经营实力也越来越雄厚，逐渐克服了有限人力资本对多元化投资的限制，采取多元化投资策略的优势越来越明显，即VC机构经营年限越长、管理资金规模越大，其专业化投资集中程度越低。基于此，我们选取VC机构经营年限（VCage）和VC机构管理资金额（Cumanagement）作为专业化投资策略的工具变量，并采用二阶段最小二乘法进行检验。本文建立二阶段最小二乘回归模型如下所示：模型中，VCage表示VC机构的经营年限，Cumanagement表示VC机构管理资金额，②其他变量的定义与模型（2）相同。如果第二阶段回归模型中系数β1显著为正，则表明在考虑了专业化投资策略内生性的情况下，专业化投资策略对投资绩效的正向影响仍然显著，即专业化投资策略对投资绩效的正向影响不仅仅源于其事前选择功能，还与其事后价值增加功能有关。表1列示了各研究变量的定义与计算方法。

三、实证结果与分析

（一）变量的描述性统计分析

表2列示了各变量的描述性统计结果。由表2可知，第一，衡量VC机构投资集中程度的指标HHI-Industry、HHI-Location和HHI-Stage均值分别为0.320、0.448和0.557，略低于Gejadze等（2012）以及Dimov和Clercq（2006）利用美国数据计算的相关指标均值[16，15]。⑥三个指标的标准差分别为0.254、0.316和0.207，说明不同VC机构的专业化投资集中程度存在一定的差异。第二，首轮投资时VC机构平均经营年限为3.763年，说明VC机构普遍较年轻。VC机构管理资金额平均为264828.9万美元，平均持股比例为11%，这印证了风险投资不是以控股为目的的投资。此外发现，VC机构平均投资时长为2.902年。第三，VC机构在进行首轮投资时，平均有35.1%的企业处在早期或发展期，而具有风险投资背景的企业中仅有19.6%的企业所属行业为高风险行业，从中可以看出，VC机构面临的投资风险主要源于其投资阶段较早而非投资行业的选择。其他变量的描述性统计结果详见表2。本文来自于《山西财经大学学报》杂志。山西财经大学学报杂志简介详见

（二）单变量均值和中位数检验

本节按照账面回报倍数的中位数将全样本分为低账面回报倍数和高账面回报倍数两组，然后采用独立样本T检验和独立样本非参数Mann-WhitneyU检验分别对两组子样本的均值和中位数差异进行检验。同理，对于账面内部收益率，我们按照其中位数将全样本分为低账面内部收益率和高账面内部收益率两组，并分别进行独立样本T检验和独立样本非参数Mann-WhitneyU检验。表3中对低账面回报倍数和高账面回报倍数两组均值和中位数差异的检验结果表明，除阶段专业化投资集中度、VC机构股权性质哑变量和高风险行业哑变量外，其他变量在两组子样本中均存在显著差异。第一，在账面回报倍数较高的样本中，主导VC机构行业专业化投资集中度和地域专业化投资集中度均值（0.341和0.491）都高于账面回报倍数较低的样本（0.293和0.396）。无论是独立样本T检验还是Mann-WhitneyU检验，显著性水平均在10%以上。第二，控制变量的对比结果显示，账面回报倍数较高的样本拥有较好的退出条件，其风险投资股东的持股比例较高，参与投资的VC机构声誉较好，投资期限较长，风险资本首轮投资时企业处在早期或发展期的概率较大。表3右半部分列示了对低账面内部收益率和高账面内部收益率两组样本差异的检验结果，这与对低账面回报倍数和高账面回报倍数两组样本的检验结果非常类似，即在账面内部收益率较高的样本中，主导VC机构拥有较高的行业专业化投资集中度和地域投资集中度，样本企业拥有较好的退出条件，其风险投资股东的持股比例较高，风险资本首轮投资时企业处在早期或发展期的概率较大。然而，与低账面回报倍数和高账面回报倍数两组样本差异检验结果不一致的是，对账面内部收益率较高的样本而言，其主导VC机构的投资期限较短，原因是账面内部收益率与投资期限负相关（由表1账面内部收益率的计算公式可知），即投资期限越短，账面内部收益率越高。综上所述，单变量均值和中位数检验的结果表明：VC机构行业投资集中度越高，投资绩效越好；地域投资集中度越高，投资绩效越好；阶段投资集中度与投资绩效无显著的相关关系。这部分支持了假设1，但由于单变量检验未控制其他变量的影响，因此还需要通过多元回归分析才能得到更为稳健的实证证据。

作者：沈维涛 胡刘芬 单位：厦门大学管理学院