2. 中央财经大学 经济学院, 北京 100081, 中国;
3. 麻省理工学院 城市研究与规划系, 中国未来城市实验室, 剑桥 02139, 美国
2. School of Economics, Central University of Finance and Economics, Beijing 100081, China;
3. China Future City Lab, Department of Urban Studies and Planning, Massachusetts Institute of Technology, Cambridge 02139, USA
风险投资主要是指向具有较高风险的初创企业提供资金支持并取得公司股份,以期通过在后续融资中转让股权或者公司上市后出售股份,取得较高资本收益的投资行为。风险资本通常是指投资于未上市的新兴初创企业(尤其是新兴高科技企业)的一种承担高风险、谋求高回报的资本形态。除了资金支持以外,风险资本通常会帮助初创企业获取专业知识、增强社会联系,并且积极参与初创企业的经营管理活动,助力初创企业实现更好的发展。这种独特的投资模式为高风险的创新创业活动提供了良好的支撑,从而在新兴产业的发展过程中起到关键性作用[1-2],对于构建高精尖经济结构、推动产业升级和促进经济增长意义重大。
风险投资对于信息的依赖性高,因此风险投资机构与风险投资活动都呈现出明显的空间集聚特征。一方面,由于区域间经济发展的不平衡,绝大部分风险投资机构都设立在经济发展较好的大城市。例如,北京、上海集聚了全国超过35%的风险投资机构,是目前中国风险投资机构的核心集聚地,由此形成了以北京和上海为核心节点的风险投资城市网络[3]。在发达国家,风险投资也主要集聚在少数几个大城市,特别是金融中心和地处高科技集群地区的城市。例如,美国超过50%的风险投资公司集中在旧金山、波士顿和纽约[4],英国超过70%的风险投资机构将总部设在大伦敦地区[5]。另一方面,由于信息不对称是导致风险投资活动失败的关键因素之一,风险投资机构往往倾向于投资本地区的企业,这有利于投资机构更好地监管其投资,为被投资企业提供运营上的帮助[6]。已有研究表明,风险投资机构与被投资企业在地理上的邻近性有助于减少投资的不确定性、弥补信息不充分和减小投资风险[6-8]。因此,风险投资在空间上的流动往往局限于经济发达地区[9],而风险投资的中心城市对周边城市的带动作用十分有限[10]。
除了空间上的邻近性,风险投资对于专业知识和行业经验也有着较高的要求,这种特征在备受风险资本青睐的高新技术行业尤为突出。丰富的专业经历能帮助风险资本的管理者更好地感知代理风险和市场风险,从而影响他们的投资决策[11]。随着风险投资机构自身的发展,投资领域不断扩展,越来越多的投资进入到新兴行业中。同时,由于初创企业发展的高度不确定性,组合投资成为分散投资风险的主要手段[12],这进一步促进了风险资本从已有投资经验行业向新行业扩散。
为了更好地发挥风险投资在支撑高新技术产业发展、促进城市经济增长中的作用,探究风险资本在城市选择与行业选择上的微观决策机制意义重大。国外相关研究表明,初创企业的特征是影响风险投资决策的重要因素,例如互联网行业中拥有博士学位的初创企业家更容易获得风险资本的青睐[13]。同时,风险资本自身的属性也与投资决策有着密不可分的联系。例如,拥有工程科技类教育背景的风险资本管理人会更加关注企业早期投资,拥有经济管理类教育背景的风险资本管理人会更加关注跨行业投资[14]。对于风险投资决策,多家风险资本联合对一家初创企业进行投资的联合投资模式能有效降低信息不对称性,帮助风险投资进入陌生的市场[15]。考虑风险投资的城市选择,相关研究证实了初创企业特征、风险资本属性与联合投资网络三者协同起着重要的作用[16]。但是,现有研究尚未对风险投资的行业选择进行深入的实证分析,并且尚未考虑城市选择与行业选择之间的协同效应。
本文将基于风险投资事件的微观数据,构建反映风险资本属性、初创企业特征、联合投资者属性的相关指标,用于测度影响投资决策的因素。在此基础上,建立风险资本投资初创企业的决策模型,识别影响风险投资决策的因素,然后通过引入交叉项,重点分析各因素对风险资本进入新城市和新行业的调节作用。
1 指标构造与描述性分析 1.1 数据来源本文所使用的风险投资事件数据来自于清科集团的私募通数据库,研究时段为2000年至2017年,共包含119 683条投资样本。数据中包含了投资方名称、被投企业名称、投资时间、投资轮次、投资阶段、被投公司所在地、被投资公司所处行业等信息。为了便于后续对风险投资的城市扩散效应与行业扩散效应进行分析,本文将投资事件信息中的被投资公司所在地字段进行清洗,同时利用高德地图API得到地级市层面的地理编码。另外,根据《国民经济行业分类(GB/T 4754—2017)》标准,本研究识别了投资方所处的行业大类。在实证研究中,本文剔除了部分信息缺失以及存在奇异值的样本,经过数据整理后,共保留了76 197条投资样本。
1.2 变量构造为了便于分析风险资本投资初创企业决策的微观机制,本文根据已有文献构造了3类解释变量:风险资本属性、初创企业或被投资企业属性、联合投资者属性[16]。同时,为了更进一步分析风险投资的城市扩散效应与行业扩散效应,本文还构造了反映风险资本是否进入新城市和是否进入新行业的虚拟变量。本研究将新城市定义为风险资本之前没有投资过的城市;同理,新行业是指之前没有投资过的行业。具体的变量定义如表 1所示。表 2报告了各变量的描述性统计结果。
变量类别 | 变量名称 | 变量说明 |
城市扩散效应 | NEW_CITY | 该风险投资是否进入新城市:1=是;0=否 |
行业扩散效应 | NEW_IND | 该风险投资是否进入新行业:1=是;0=否 |
风险资本属性 | VC_AGE | 风险资本的年龄:投资事件发生年份减去风险资本初次投资年份 |
VC_IND_EXP | 风险资本的行业经验:之前投资该行业的次数 | |
VC_CITY_EXP | 风险资本的城市经验:之前投资该城市的次数 | |
初创企业属性 | ROUND | 被投资企业的融资轮次:1=“种子轮”“天使轮”“Pre-A”;2=“A”;3=“B”“C”“D”“E”“F”“G”;4=“上市定增”“战略投资”“新三板定增” |
STAGE | 被投资企业的发展阶段:1=“种子期”;2=“初创期”;3=“扩张期”;4=“成熟期” | |
联合投资者属性 | CO_IND_EXP | 联合投资者投资该行业的经验平均值 |
CO_CITY_EXP | 联合投资者投资该城市的经验平均值 |
变量 | 样本数 | 均值 | 标准差 | 最小值 | 最大值 |
NEW_CITY | 76 197 | 0.470 | 0.499 | 0 | 1 |
NEW_IND | 76 197 | 0.493 | 0.500 | 0 | 1 |
VC_AGE | 76 197 | 3.941 | 4.568 | 0 | 19 |
VC_CITY_EXP | 76 197 | 8.181 | 21.638 | 0 | 301 |
VC_IND_EXP | 76 197 | 8.525 | 26.834 | 0 | 380 |
ROUND | 76 197 | 2.297 | 0.893 | 1 | 4 |
STAGE | 76 197 | 2.697 | 0.959 | 1 | 4 |
CO_IND_EXP | 76 197 | 5.366 | 14.688 | 0 | 376 |
CO_CITY_EXP | 76 197 | 5.461 | 18.463 | 0 | 298 |
1.3 描述性分析
图 1描述了2000—2017年期间中国风险投资城市扩散效应和行业扩散效应随时间变化的趋势。其中,图 1a中蓝色柱体表示投资于新城市的事件数,红色柱体表示投资于已有投资经验的城市的事件数;图 1b中蓝色柱体表示投资于新行业的事件数,红色柱体表示投资于已有投资经验的行业的事件数。从图 1可以看出,中国的风险投资事件整体上呈现出逐年上升的趋势,反映出风险投资事业的蓬勃发展。从风险投资的城市扩散效应来看,首先风险资本整体上更多投资于没有投资经验的新城市的初创企业;其次,随着时间的推移,风险投资在城市间的扩散现象越来越明显。这一方面是由于风险投资机构在北京、上海等大城市的集中度较高,它们需要在其他城市寻找投资机会以满足自身的投资需求;另一方面由于高铁、互联网等基础设施建设增强了中国城市间的交流,为跨城市投资提供了便利。对行业扩散效应的分析发现,风险投资在行业间的扩散在2013年出现拐点:2013年以前风险资本更多投资于新行业,而2013年及以后风险资本更多投资于已有历史投资经验的行业。这可能是由于2013年及以后移动互联网与人工智能的飞速发展促生了大量相关初创企业,约有近1/3的投资集中于互联网信息服务行业。
本文进一步统计了各个省份分别属于投资于新城市、投资于已有投资经验的城市的风险投资事件数,以及投资于新行业、投资于已有投资经验行业的风险投资事件数,以反映中国风险投资活动城市扩散效应与行业扩散效应的空间分布,如表 3所示。从表 3的第2和3列可以看出,贵州、四川、云南等经济发展水平相对较低的地区的风险投资活动相对较少,并且这些地区的风险投资活动受城市扩散效应影响较大,进入新城市的风险投资事件占总投资事件的比重较高。风险投资活动在经济发展水平较高的北京、上海、广东、江苏等地区较为密集,进入新城市的风险投资事件与未进入新城市的风险投资事件并重。这反映了中国的风险投资活动的空间集聚程度较高,经济发展水平较低地区更依赖城市扩散效应。表 3的后两列对风险投资的行业扩散效应空间分布进行分析。与城市扩散效应相似,行业扩散效应对风险投资活动较不活跃的地区影响较大,但是行业扩散效应在空间分布上的异质性小于城市扩散效应。
省、自治区或直辖市 | 风险投资事件数 | |||
进入新城市 | 未进入新城市 | 进入新行业 | 未进入新行业 | |
北京市 | 11 523 | 6 675 | 7 534 | 10 664 |
天津市 | 685 | 187 | 504 | 368 |
河北省 | 427 | 59 | 321 | 165 |
山西省 | 155 | 39 | 144 | 50 |
内蒙古自治区 | 247 | 14 | 173 | 88 |
辽宁省 | 537 | 92 | 417 | 212 |
吉林省 | 2 867 | 352 | 1 198 | 2 021 |
黑龙江省 | 175 | 68 | 161 | 82 |
上海市 | 6 903 | 4 361 | 4 813 | 6 451 |
江苏省 | 4 241 | 1 254 | 3 047 | 2 448 |
浙江省 | 3 688 | 1 655 | 2 765 | 2 578 |
安徽省 | 755 | 143 | 595 | 303 |
福建省 | 1 142 | 290 | 824 | 608 |
江西省 | 708 | 69 | 335 | 442 |
山东省 | 1 509 | 270 | 1 157 | 622 |
河南省 | 749 | 108 | 543 | 314 |
湖北省 | 1 178 | 605 | 957 | 826 |
湖南省 | 783 | 280 | 646 | 417 |
广东省 | 6 859 | 3 345 | 4 978 | 5 226 |
广西壮族自治区 | 166 | 34 | 154 | 46 |
海南省 | 218 | 30 | 145 | 103 |
重庆市 | 454 | 133 | 348 | 239 |
四川省 | 1 394 | 534 | 968 | 960 |
贵州省 | 129 | 94 | 143 | 33 |
云南省 | 263 | 35 | 205 | 93 |
西藏自治区 | 51 | 14 | 51 | 14 |
陕西省 | 609 | 196 | 463 | 342 |
甘肃省 | 105 | 23 | 99 | 29 |
青海省 | 57 | 6 | 37 | 26 |
宁夏回族自治区 | 91 | 16 | 82 | 25 |
新疆维吾尔自治区 | 236 | 52 | 204 | 84 |
2 实证分析 2.1 实证策略
本研究借鉴网络分析的思路将“风险资本-初创企业”的二元对作为分析的单元,构建Logistic模型分析风险资本投资初创企业的影响因素。由于潜在的未实现“风险资本-初创企业”二元关系数量庞大(例如3万家风险资本与3万家初创企业能形成9亿种二元投资关系),为了避免同一企业多次进入样本导致企业属性对应系数的标准差被低估,同时为了减小样本量过大带来的计算成本,本文参考已有研究通过随机抽样的方式构造潜在的二元投资关系[16]。为了控制风险资本的供给与需求在不同时间的差异,本研究将在一个季度内有过投资活动的风险资本与在同一季度内接受风险投资的初创企业通过随机抽样的方式进行匹配,对于实际发生的投资,保持风险资本不变,随机抽取未接受该风险资本投资的初创企业进行配对,生成10倍于真实二元投资关系数量的潜在未实现投资关系,即对于某家风险资本而言,真实二元投资关系与潜在未实现二元投资关系之比为1比10;同时剔除重复样本。设定变量REALIZED=1表示真实实现的投资,REALIZED=0表示潜在未实现的投资。
2.2 模型估计结果与分析表 4为城市扩散效应的模型估计结果。表 4第(1)列报告了各个因素对风险投资概率影响的估计结果。具体来看,风险资本年龄(VC_AGE)的系数显著为负,表明随着成立时间的增加,风险资本的投资量显著下降,这与文[16]的研究结论相似;风险资本的城市经验(VC_CITY_EXP)和行业经验(VC_IND_EXP)对投资概率的影响显著为正,说明投资者更愿意将资金投资给较为熟悉的城市或者行业的企业,这样可以降低信息和管理成本。从被投资企业的特征来看,企业的融资轮次(ROUND)越高、发展阶段(STAGE)越成熟,被投资的概率越大。这一结果比较容易理解,相比于处于萌芽阶段的企业来说,越成熟的企业发展的不确定性越小,企业未来的收益也越容易预期,可以降低投资者的风险。此外,联合投资者的城市经验(CO_CITY_EXP)和行业经验(CO_IND_EXP)对于投资概率也有显著的促进作用,这表明通过联合投资可以弥补投资者自身经验的不足。第(2)列中进一步加入了被投资企业所在城市相对于投资企业来说是否是新城市的变量(NEW_CITY),该变量的系数显著为负,表明风险投资者对于之前没有投资过的城市内的企业的投资行为要更加谨慎,这与城市经验变量的系数显著为正相一致。
因变量:REALIZED | ||||||
(1) | (2) | (3) | (4) | (5) | (6) | |
ln(VC_AGE) | -0.402*** | -0.496*** | -0.520*** | -0.493*** | -0.501*** | -0.522*** |
(0.006) | (0.006) | (0.009) | (0.006) | (0.006) | (0.009) | |
ln(VC_CITY_EXP) | 0.346*** | 0.086*** | 0.111*** | 0.084*** | 0.060*** | 0.088*** |
(0.004) | (0.006) | (0.006) | (0.006) | (0.006) | (0.006) | |
ln(VC_IND_EXP) | 0.118*** | 0.134*** | 0.106*** | 0.127*** | 0.144*** | 0.103*** |
(0.004) | (0.004) | (0.005) | (0.004) | (0.005) | (0.005) | |
ROUND | 0.056*** | 0.056*** | 0.057*** | 0.005 | 0.045*** | 0.017** |
(0.005) | (0.005) | (0.005) | (0.008) | (0.006) | (0.008) | |
STAGE | 0.037*** | 0.055*** | 0.056*** | -0.026*** | 0.063*** | -0.044*** |
(0.005) | (0.005) | (0.005) | (0.007) | (0.005) | (0.008) | |
ln(CO_CITY_EXP) | 0.658*** | 0.657*** | 0.653*** | 0.658*** | 0.972*** | 0.959*** |
(0.008) | (0.008) | (0.008) | (0.008) | (0.011) | (0.012) | |
ln(CO_IND_EXP) | 0.055*** | 0.055*** | 0.059*** | 0.057*** | -0.078*** | -0.060*** |
(0.008) | (0.008) | (0.008) | (0.008) | (0.012) | (0.012) | |
NEW_CITY | -1.004*** | -1.058*** | -1.674*** | -0.821*** | -1.550*** | |
(0.013) | (0.016) | (0.03) | (0.014) | (0.032) | ||
ln(VC_AGE)×NEW_CITY | 0.002 | -0.001 | ||||
(0.012) | (0.012) | |||||
ln(VC_IND_EXP)×NEW_CITY | 0.146*** | 0.159*** | ||||
(0.01) | (0.011) | |||||
ROUND×NEW_CITY | 0.098*** | 0.052*** | ||||
(0.011) | (0.011) | |||||
STAGE×NEW_CITY | 0.161*** | 0.202*** | ||||
(0.01) | (0.011) | |||||
ln(CO_CITY_EXP)×NEW_CITY | -0.750*** | -0.730*** | ||||
(0.018) | (0.018) | |||||
ln(CO_IND_EXP)×NEW_CITY | 0.359*** | 0.335*** | ||||
(0.018) | (0.018) | |||||
伪R2 | 0.098 | 0.109 | 0.110 | 0.110 | 0.116 | 0.118 |
N | 801 400 | 801 400 | 801 400 | 801 400 | 801 400 | 801 400 |
注:表中括号内数据为标准差;***为在1%置信度下显著,**为在5%置信度下显著,*为在10%置信度下显著。 |
接下来,表 4的第(3)—(6)列通过引入风险资本、初创企业和联合投资者的特征变量与NEW_CITY的交叉项,来分析这些因素对风险投资的城市间扩散即进入新城市投资概率的影响。首先,第(3)列加入了风险资本的年龄、风险资本的行业经验与NEW_CITY的交叉项。结果发现,风险资本年龄对于风险投资的城市扩散效应没有显著影响;而风险资本行业经验交叉项的系数显著为正,表明行业经验越丰富的风险资本投资新城市初创企业的概率越高。其次,第(4)列加入了初创企业发展阶段、初创企业融资轮次与NEW_CITY的交叉项,结果发现两个交叉项的系数均显著为正,表明初创企业发展的成熟度越高,越有助于吸引风险资本进入自身所在城市进行投资,即良好的企业特性能够弥补投资者进入新城市投资的风险。再次,第(5)列加入了联合投资者的城市经验、行业经验与NEW_CITY的交叉项。结果发现,联合投资者城市经验交叉项系数显著为负,表明联合投资者的城市经验对于投资者进入新城市投资具有负向作用。这一发现与现有研究结论相反,主要可能有两方面的原因:1)尽管与有经验的投资者合作能够降低信息和管理成本,但合作者之间的信息不对称风险会增加。如果风险资本在联合投资网络处于中心位置,风险资本就能够根据自身利益来控制信息的流量和信息内容[17],这可能对处于非中心位置风险资本的投资利益形成威胁。2)现实中,多个联合投资者之间可能希望通过合作投资的方式来共同开辟新的投资区域,从而降低跨城市投资的风险。联合投资者的行业经验越丰富,对风险投资者投资新城市的企业具有显著的正向促进作用。最后,在第(6)列中同时加入了所有交叉项,各变量系数的估计结果没有显著变化,表明各类特征在影响风险资本进入新城市这一问题上不存在显著的相关性。
表 5分析了风险投资活动中行业扩散效应的影响因素。为了更好地关注核心解释变量的系数,表 5省略了风险资本属性、初创企业属性、联合投资网络属性的回归结果,主要展示它们与投资于新行业的交叉项的系数。第(1)列加入是否投资于新行业(NEW_IND)这一虚拟变量,本文发现行业扩散同样会降低风险资本投资初创企业的概率,这与城市扩散效应的结果相同,其可能的原因是专业知识的缺乏带来信息上的不对称性。第(2)列加入风险资本的年龄(VC_AGE)、风险资本的城市经验(VC_CITY_EXP)与NEW_IND的交叉项,回归结果显示风险资本城市经验与投资于新行业的交叉项系数显著为正,这表明风险资本随着城市经验的增加更有可能投资新行业的初创企业。结合表 4第(3)列的结果可以看出,风险资本的城市经验与行业经验存在互补效应,行业经验有利于风险资本进入新城市,城市经验有利于风险资本进入新行业。表 5第(3)列加入初创企业发展阶段(STAGE)、初创企业融资轮次(ROUND)与NEW_IND的交叉项,结果发现二者交叉项的系数均显著为正,这反映了初创企业自身发展的成熟有助于吸引风险资本进入新行业进行投资。第(4)列加入联合投资者的城市经验(CO_CITY_EXP)、行业经验(CO_IND_EXP)与NEW_IND的交叉项,结果发现联合投资者城市经验交叉项系数显著为正,联合投资者行业经验交叉项系数显著为负。对比表 4第(5)列的结果,本研究发现风险资本在进入新城市或者新行业时不愿意直接地借助联合投资者的城市经验或者行业经验,而是间接地借助互补的行业经验或者城市经验,这可能反映出联合投资者之间缺乏互信。第(5)列同时加入了以上所有交叉项,各变量系数的估计结果没有显著变化,表明以上对风险资本进入新行业影响因素的分析仍然稳健。
因变量:REALIZED | |||||
(1) | (2) | (3) | (4) | (5) | |
NEW_IND | -0.776*** | -0.821*** | -1.263*** | -0.621*** | -1.120*** |
(0.013) | (0.016) | (0.03) | (0.014) | (0.032) | |
ln(VC_AGE)×NEW_IND | -0.007 | -0.012 | |||
(0.012) | (0.012) | ||||
ln(VC_CITY_EXP)×NEW_IND | 0.120*** | 0.100*** | |||
(0.01) | (0.01) | ||||
ROUND×NEW_IND | 0.100*** | 0.047*** | |||
(0.011) | (0.011) | ||||
STAGE×NEW_IND | 0.091*** | 0.129*** | |||
(0.01) | (0.01) | ||||
ln(CO_CITY_EXP)×NEW_IND | 0.397*** | 0.383*** | |||
(0.017) | (0.017) | ||||
ln(CO_IND_EXP)×NEW_IND | -0.826*** | -0.812*** | |||
(0.018) | (0.018) | ||||
Controls | YES | YES | YES | YES | YES |
伪R2 | 0.105 | 0.105 | 0.105 | 0.113 | 0.113 |
N | 801 400 | 801 400 | 801 400 | 801 400 | 801 400 |
注:表中括号内数据为标准差;***为在1%置信度下显著,**为在5%置信度下显著,*为在10%置信度下显著;其他控制变量与表 4相同。 |
3 结论与建议
近年以来,中国风险投资的数量显著增加,2017年全国的风险投资数量达到了14 091项,相比于2000年提升了70倍,成为促进高新技术产业发展和推动产业升级的重要力量。本文利用2000—2017年全国76 197条风险投资数据,考察了风险资本特征、初创企业特征和联合投资者特征对风险投资概率的影响,并通过引入交叉项研究了上述因素对风险投资城市扩散和行业扩散效应的影响。本文研究发现:1)风险资本的行业经验和城市经验能显著提升风险资本投资初创企业的概率,同时风险资本的行业经验有助于风险资本进入新城市,风险资本的城市经验有助于风险资本进入新行业;2)成熟的初创企业更能吸引风险资本,并且更容易获得跨行业或者跨城市的风险投资;3)联合投资者的城市经验和行业经验与投资概率显著正相关,但风险资本在进入新城市(或者新行业)时更倾向于间接地借助联合投资者的城市经验(或者行业经验),而非直接地借助联合投资者的城市经验(或者行业经验)。
根据本文研究结果,提出以下建议:
1) 政府应当鼓励具有丰富经验的风险投资机构向新城市和新行业扩展投资业务,推动落后地区的科技创新和产业升级,促进城市间、行业间的平衡发展。一方面风险资本可以利用自身的行业投资经验进行城市拓展,另一方面风险资本可以在熟悉的城市投资新兴行业。如此,风险资本既可以充分利用自身的经验降低跨地区、跨行业投资的风险,也可以发挥风险资本在空间和行业间的资源整合作用,促进技术创新与知识融合。
2) 政府应当为初创企业的早期发展提供必要的政策支撑,帮助初创企业更早地步入相对成熟阶段,以便从资本市场取得融资。除此以外,政府也应当为初创企业进入资本市场提供辅助服务,促进初创企业与风险资本间的信息沟通,实现初创企业获得资金支持、风险资本投资优质企业的双赢格局。
3) 政府应当通过相关制度建设来增强风险资本间的合作与交流,鼓励具有不同城市经验和行业经验的风险资本采取联合投资的模式进行风险投资活动,使得经验更丰富的风险资本能够充分发挥在进入新城市与新行业时的带动作用。
[1] |
ZOOK M A. Grounded capital:Venture financing and the geography of the Internet industry, 1994-2000[J]. Journal of Economic Geography, 2002, 2(2): 151-177. DOI:10.1093/jeg/2.2.151 |
[2] |
STUART T, SORENSON O. The geography of opportunity:Spatial heterogeneity in founding rates and the performance of biotechnology firms[J]. Research Policy, 2003, 32(2): 229-253. DOI:10.1016/S0048-7333(02)00098-7 |
[3] |
汪明峰, 魏也华, 邱娟. 中国风险投资活动的空间集聚与城市网络[J]. 财经研究, 2014, 40(4): 117-131. WANG M F, WEI Y H, QIU J. Spatial agglomeration and urban network of venture capital investment[J]. Journal of Finance and Economics, 2014, 40(4): 117-131. (in Chinese) |
[4] |
CHEN H, GOMPERS P, KOVNER A, et al. Buy local?The geography of venture capital[J]. Journal of Urban Economics, 2010, 67(1): 90-102. DOI:10.1016/j.jue.2009.09.013 |
[5] |
MARTIN R, BERNDT C, KLAGGE B, et al. Spatial proximity effects and regional equity gaps in the venture capital market:Evidence from Germany and the United Kingdom[J]. Environment and Planning A:Economy and Space, 2005, 37(7): 1207-1231. DOI:10.1068/a3714 |
[6] |
KOLYMPIRIS C, KALAITZANDONAKES N, MILLER D. Spatial collocation and venture capital in the US biotechnology industry[J]. Research Policy, 2011, 40(9): 1188-1199. DOI:10.1016/j.respol.2011.05.022 |
[7] |
CHRISTENSEN J L. The development of geographical specialization of venture capital[J]. European Planning Studies, 2007, 15(6): 817-833. DOI:10.1080/09654310701232137 |
[8] |
FLORIDA R, SMITH JR D F. Venture capital formation, investment, and regional industrialization[J]. Annals of the Association of American Geographers, 1993, 83(3): 434-451. DOI:10.1111/j.1467-8306.1993.tb01944.x |
[9] |
徐晓红, 潘峰华, 梁进社.我国风险投资的空间格局研究[C]//2015年中国地理学会经济地理专业委员会学术研讨会论文摘要集.北京: 中国地理学会, 2015. XU X H, PAN F H, LIANG J S.Research on the spatial pattern of venture capital in China[C]//Summary of the Symposium of Economic Geography Committee of China Geographic Society in 2015.Beijing: China Geographic Society, 2015.(in Chinese) |
[10] |
方嘉雯, 刘海猛. 京津冀城市群创业风险投资的时空分布特征及影响机制[J]. 地理科学进展, 2017, 36(1): 68-77. FANG J W, LIU H M. How and why venture capital flows in the Beijing-Tianjin-Hebei urban agglomeration[J]. Progress in Geography, 2017, 36(1): 68-77. (in Chinese) |
[11] |
PARHANKANGAS A, HELLSTRÖM T. How experience and perceptions shape risky behaviour:Evidence from the venture capital industry[J]. Venture Capital, 2007, 9(3): 183-205. DOI:10.1080/13691060701324478 |
[12] |
成思危. 积极稳妥地推进我国的风险投资事业[J]. 管理世界, 1999(1): 2-7. CHENG S W. Actively and steadily promote China's venture capital business[J]. Management World, 1999(1): 2-7. (in Chinese) |
[13] |
HSU D H. Experienced entrepreneurial founders, organizational capital, and venture capital funding[J]. Research Policy, 2007, 36(5): 722-741. DOI:10.1016/j.respol.2007.02.022 |
[14] |
PATZELT H, KNYPHAUSEN-AUFSEβ D Z, FISCHER H T. Upper echelons and portfolio strategies of venture capital firms[J]. Journal of Business Venturing, 2009, 24(6): 558-572. DOI:10.1016/j.jbusvent.2008.05.006 |
[15] |
LERNER J. The syndication of venture capital investments[J]. Financial Management, 1994, 23(3): 16-27. DOI:10.2307/3665618 |
[16] |
SORENSON O, STUART T E. Syndication networks and the spatial distribution of venture capital investments1[J]. American Journal of Sociology, 1999, 106(6): 1546-1588. |
[17] |
罗吉, 党兴华, 王育晓. 网络位置、网络能力与风险投资机构投资绩效:一个交互效应模型[J]. 管理评论, 2016, 28(9): 83-97. LUO J, DANG X H, WANG Y X. Network position, network capability and VC's investment performance:An interaction model[J]. Management Review, 2016, 28(9): 83-97. (in Chinese) |