众筹投资者的行为检验: 责任分散还是羊群效应?

李强, 王忠阳, 胡俊, 曾勇

计量经济学报 ›› 2022, Vol. 2 ›› Issue (2) : 383-400.

PDF(870 KB)
PDF(870 KB)
计量经济学报 ›› 2022, Vol. 2 ›› Issue (2) : 383-400. DOI: 10.12012/CJoE2021-0042
 

众筹投资者的行为检验: 责任分散还是羊群效应?

    李强(), 王忠阳(), 胡俊(), 曾勇()
作者信息 +

Investigation of Investors' Behavior in Crowdfunding: Responsibility Diffusion or Herding?

    Qiang LI(), Zhongyang WANG(), Jun HU(), Yong ZENG()
Author information +
文章历史 +

摘要

陌生个体依托互联网平台实现直接融资的众筹交易中, 异质性投资者的分散投标决策对众筹效率具有重要影响. 在分析众筹相对于P2P借贷的融资进程阶段性特征的基础上, 本文爬取了"众筹网"上筹资期限为30天的606个项目数据, 实证考察责任分散和羊群行为两种投资者行为. 在以亲友、粉丝、极客等与项目发起人具有较强社会关系的投资者为主的筹资前期阶段, 前期投资促成的累计筹资额越高, 后续投资者的新增投资额越小, 进而存在旁观心态驱使的责任分散行为. 在以大众投资者为主的筹资后期阶段, 累计筹资额会显著正向促进新增投资, 表明存在跟从他人投资的羊群效应. 进一步, 剩余筹资进度、项目信息更新、超募状况等融资进程的动态披露信息, 对筹资前期阶段的责任分散行为具有调节作用; 筹资后期阶段投资者的羊群行为具有理性学习的成份, 他们会利用已经掌握的公开信息推断前期投资行为蕴含的不可观测的私有信息.

Abstract

On Internet-based crowdfunding platform, individuals can achieve direct transaction without traditional financial intermediaries and the decentralized bidding decision made by heterogeneous investors plays a crucial role in crowdfunding efficiency. Starting from the analysis on the difference in the staged characteristics of funding process between crowdfunding and P2P lending, this paper uses a sample of 606 projects with funding period of 30 days which are crawled from Zhongchou.com to investigate two types of investors' behaviors related to responsibility diffusion and herding, respectively. In the earlier stage of bidding process, since the majority of bidders, such as friends, families, fans or jeeks, have strong social ties with the financer, the result shows that responsibility diffusion behavior would appear with the evidence that follow-up investors bid less on the listings with more cumulative funding. In the latter stage of bidding process, the evidence shows that more cumulative funding is helpful to attract more follow-up biddings, which suggests that the herding behavior exists for public investors with less information about the financer. Moreover, we find that the disclosed information related to the dynamic of funding process, including remaining funding schedule, the updating of project information and oversubscription status, has a significant adjustment effect on the behavior of responsibility diffusion. In the latter stage, further findings suggest that follow-up investors' herding behavior is rational or partially rational because they are able to infer unobservable information privately held by previous investors.

关键词

众筹 / 众筹网 / 责任分散 / 羊群行为

Key words

crowdfunding / zhongchou.com / responsibility diffusion / herding behavior

引用本文

导出引用
李强 , 王忠阳 , 胡俊 , 曾勇. 众筹投资者的行为检验: 责任分散还是羊群效应?. 计量经济学报, 2022, 2(2): 383-400 https://doi.org/10.12012/CJoE2021-0042
Qiang LI , Zhongyang WANG , Jun HU , Yong ZENG. Investigation of Investors' Behavior in Crowdfunding: Responsibility Diffusion or Herding?. China Journal of Econometrics, 2022, 2(2): 383-400 https://doi.org/10.12012/CJoE2021-0042

1 引言

近年来, 以大数据及机器学习为代表的数字技术, 正全面向支付、借贷、股权投资等诸多金融领域快速渗透. 在中国, 多达7亿互联网用户蕴含了巨大的个人或中小微企业金融需求, 但长期以银行为主的金融供给尚不充分不均衡, 这使得互联网金融得以迅猛发展, 并极大地改变了金融活动的边界、方式与效率. 据盈灿资讯统计, 我国互联网众筹平台在2016年底曾多达420余家, 陌生个体之间实现直接投融资交易的众筹模式, 被视作是个人实现创新创意梦想和中小微企业实现技术商业化的一种有效手段, 京东、淘宝、众筹网、点名时间等一批优质众筹平台脱颖而出. 然而, 多达200余家众筹平台先后倒闭或陆续停业, 加之2016年启动的互联网金融风险专项整治工作的稳步推进, 众筹模式如何健康有序发展值得学界和业界深入审视.
相关研究方面, 宏观层面的文献主要是定性讨论融资模式(李雪静(2013))、信用违约(Wells (2013))、非法集资(Schwienbacher (2018))等问题, 微观层面的文献则大致概括为三个方向. 一是构建理论模型, 针对众筹降低需求不确定性和缓解道德风险的作用((Strausz (2017))、预售众筹和股权众筹的模式选择(Belleflamme et al. (2014), 刘波等(2017))、领投人制度(赵尧和鲁篱(2015))等机制设计问题进行经济分析. 二是利用Kickstarter (Ahlers et al. (2012), Mollick et al. (2014), Li and Martin (2019), Allison (2017), Roma et al. (2017))、追梦网(黄健青等(2015))、大家投(郑海超等(2015))等平台的众筹项目数据, 实证考察众筹成功与否及融资效率的影响因素. 三是探讨众筹融资中投资者的责任分散行为(Burtch et al. (2013), Kuppuswamy and Bayus (2013), 王念新等(2016)).
需要指出的是, 作为一种面向普通大众的新型融资和投资模式, 分散决策的众筹投资者的投资行为对众筹结果及效率具有重要影响. P2P借贷(债权众筹)广义上也属于众筹的一种形式, 已有研究表明, 大众投资者既具有根据自身投资经历与表现的学习能力(Freedman and Jin (2011), 王正位等(2016)), 集合集体智慧进行信息推断或信用甄别的能力(Yum et al. (2012), Iyer et al. (2016), 廖理等(2014)), 也会受前期投资者投资行为的影响而表现出羊群行为(Herzenstein et al. (2011), Zhang and Liu (2012), 廖理等(2015)). 然而, 与P2P借贷不同, 众筹融资具有部分投资者是以获得成就感和责任感为投资目的、与发起人有较强社会关系的投资者参与(如朋友、粉丝、极客等)、项目展示周期相对较长等独有特征, 以及信息披露过程中存在"双重信任困境" (Cooter and Edlin (2016)), 这使得众筹投资者的投标行为既可能表现出羊群行为, 也可能表现出责任分散行为.
基于此, 本文在辨析众筹区别于P2P借贷的融资进程多阶段特征的基础上, 爬取了2016年3月6月"众筹网"平台公开展示的606个众筹项目信息及每日的投资者投标数据, 实证考察不同筹资阶段中责任分散和羊群行为两种投资者行为, 以及进一步考察剩余筹资进度、项目信息更新、超募状况等融资进程的动态信息披露对责任分散行为的调节作用, 并检验投资者的羊群行为是否存在基于信息推断的理性学习成份. 研究结果表明: 在筹资进程的前期阶段, 前期投资者的累计筹资额对后续新增投资具有显著的负向影响, 存在明显的"责任分散"效应; 而且, 剩余筹资期限越长、项目信息更新越少、超募越多, 责任分散行为越明显. 相反, 在筹资进程的后期阶段, 累计筹资额对新增投资具有显著的正向影响, 表明投资者的投标决策存在"羊群行为"; 且这种羊群行为存在理性学习的成份, 后期投资者会利用自己掌握的公开信息来对前期投资者可能掌握的私有信息进行信息推断, 表现为基于有利信息进行信息推断会削弱羊群行为, 基于不利信息进行推断反而会加强羊群行为.
后续结构安排如下: 首先是理论分析和研究假设; 其次是实证设计, 介绍数据来源和变量定义及测度; 再者是实证结果及分析; 最后为结束语.

2 理论分析与研究假设

众筹和P2P借贷都是陌生个体之间依托互联网平台进行的一种直接融资, 其中平台也都主要是通过信息展示、发布、交互及交易撮合等发挥信息中介作用. 整体而言, 现有关于互联网平台大众投资者行为的研究主要集中于P2P借贷领域, 廖理和张伟强(2017)李强(2019)对此进行了较为全面的综述, 但现有关于众筹投资者行为的研究还相对较少. 更为重要的是, 相对于P2P借贷, 由于投资动机、投资者构成、项目展示与筹资周期等方面的特征差异, 众筹融资进程的推进具有明显的阶段性, 且不同阶段表现出与P2P借贷不同的投资者行为.
在投资动机方面, 投资者参与P2P借贷的主要动机是为了获得金融收益(或利息回报), 而众筹投资者的动机既包括获得物质回报的外在动机, 也包括帮助别人实现梦想、融入某类社区、支持某项事业等获得非物质回报的内在动机(Gerber and Hui (2014)). 夏恩君等(2015)认为, 众筹对投资者的吸引力是"享受"参与或融入某类社群的感觉, 或者是帮助他人而获得的成就感和责任感, 回报形式通常包括收到感谢信、获得参与某种活动的会员卡、被记入支持者名单等. 在投资者构成方面, P2P借贷的投资者通常都是为了获取利息回报的大众投资者, 往往与资金需求者完全没有或仅有较弱的社会关联. 众筹融资中, 为了帮助项目发起人吸引更多的投资者参与, 筹资初期阶段中的投资者主要由亲戚、朋友、粉丝、极客等与发起人有强社会关系的人员构成, 他们相对大额的投资能够助力筹资进程顺利推进, 而后与发起人没有社会关系的大众投资者才逐渐参与投资(Ordanini et al. (2011)). 在项目展示期限和筹资满标时间方面, P2P借贷项目的展示期通常很短, 好的项目也往往仅需几个小时或几天就会满标, 而众筹项目的展示期和筹资期限都相对较长, 通常需要几十天甚至几个月才能满标或者筹资失败.
由于上述三个方面的特征差异, 众筹较之P2P借贷的融资过程具有明显的阶段性特征. Ordanini et al. (2011)针对荷兰音乐众筹平台Sellaband和英国公益众筹平台Kapipal的案例研究表明, 随着筹资进程的推进, 几乎所有的众筹项目都可以划分为参与群体不同的三个阶段. 首先是朋友圈投资阶段(friend funding), 该阶段的特征是累计筹资额会在较短的时间内呈现快速增加的趋势, 一些项目甚至能够在该阶段实现几乎一半的目标融资额, 且大部分资金是由亲戚、朋友、粉丝等与项目发起人有某种关联的投资者贡献. 其次是大众投资阶段(getting the crowd), 进入该阶段后的累计筹资额的增速开始放缓, 为了激励和吸引与发起人没有任何社会关联的陌生大众投资者, 发起人往往会主动与投资者互动交流, 或者动态更新项目进展信息来提高可信度. 最后是竞相投资阶段(race to be "in"), 该阶段的投资者仍以与发起人没有原始社会关联的大众投资者为主, 但出于"万一错过好项目"或"已经付出了机会成本"的心态驱使, 他们的竞相投资会使得该阶段的累积筹资额的增长再次加速.
在众筹融资前期的两个阶段, 由于投资者多是出于成就感、责任感和乐趣等内在动机而投资, 这使得其中的大众投资者会表现出心理学范畴的"责任分散行为" (Darley and Latané (1968), Latané and Nida (1981)). 直观而言, 如果观测到项目的累计筹资金额已经较大, "朋友圈"之外的大众投资者会认为, 既然支持发起人实现梦想或完成事业的人如此之多, 即便没有自己的支持, 项目也能够众筹成功, 从而成就感和责任感的减弱会致使他们不投资或少投资, 其结果是, 前期投资者的累计筹资额越多, 随后的新增投资反而越少(Gerber and Hui (2014)). Burtch et al. (2013)指出, 众筹投资类似于大众消费者对社会公共产品的供给, 当大众投资者认为自己从参与众筹中获得的成就感减弱时, 他们会减少自己对"公共品"的供给, 即已有累计筹资额越多, 潜在的后续投资者的新增投资反而越少. 基于此, 我们假设:
假设1  众筹融资进程的前期阶段, 投资者存在责任分散行为, 表现为已有累计筹资额对后续的新增投资具有负向影响.
在朋友、粉丝、极客等投资者和以获取非物质回报为主要动机的投资者的支持下, 如果众筹融资进程能够推进至后期阶段, 以获取物质回报等外在动机的大众投资者将是新增投资的主要提供者, 这使得众筹与P2P借贷类似, 还具备产生羊群行为的条件. 从信息披露的角度来看, P2P借款者通常会尽最大可能披露自身或借款项目信息来提高信用评价, 以吸引多的投资者参与投标; 众筹项目的发起人则会面临"双重信任困境" (Cooter and Edlin (2016)). 一方面, 为了吸引投资者, 发起人客观上应该尽可能充分披露或展示信息; 但另一方面, 为了防止项目核心技术或创新创意外泄, 或者为了避免知识产权受到侵犯, 发起人还不能向P2P借款者那样进行充分的信息披露, 这不仅会加重发起人和投资者之间的信息不对称, 还会使得异质性投资者因信息获取或分析能力的不同而具有信息不对称. 在此情形下, 与证券市场(Welch (1992), Feng and Seasholes (2004))、在线拍卖市场(Simonsohn and Ariely (2008))、P2P借贷市场(Herzenstein et al. (2011), Zhang and Liu (2012), 廖理等(2015))等类似, 众筹的后期阶段中具有信息劣势的大众投资者会表现出跟从前期投资者的羊群行为, 即忽略自己能够观测的公开信息或可利用的初始信息, 而是选择已有累计筹资额多的项目进行投资.
假设2  众筹融资进程的后期阶段, 投资者存在羊群行为, 表现为已有累计筹资额对后续投资具有正向影响.
针对众筹融资后期阶段的羊群行为, 进一步存在盲目跟从和理性学习的两种情形. 在盲目跟从情形下, 后续投资者全然不考虑或不使用自己掌握的信息来判断项目质量, 而是简单模仿和被动跟从他人行为. 在理性学习情形下, 后期投资者会基于公开披露或自己掌握的原始信息, 进一步推断他人行为所蕴含的不可观测的私有信息, 并据此修订对项目质量的判断. 事实上, 无论是与发起人拥有社会关系的熟人或朋友, 还是兴趣狂热且热衷钻研的极客, 前期"朋友圈"阶段的投资者更加了解发起人或众筹项目的真实质量, 他们相对于后期阶段的大众投资者具有信息优势, 某种程度上类似于"知情交易者", 他们在前期阶段的投资行为可以传递出关于项目质量的未公开披露信息. 此外, 与P2P借款项目不同, 绝大多数筹资平台会在每个项目正式开始融资之前设置"预热"性质的项目展示期, 其间潜在投资者有充分的时间进行信息收集与分析处理, 少数投资者甚至还会与发起人进行线下联系来深度熟悉项目真实状况, 这也使得他们能够掌握未公开披露的项目质量信息.
换个角度来讲, 如果是盲目跟从的羊群行为, 后续投资者即便掌握了关于项目质量的初始信息, 也会将之放弃而简单模仿他人, 那么前期投资者的行为对后续新增投资的影响与后续投资者掌握的初始信息无关. 相反, 如果是理性学习的羊群行为, 考虑到前期投资行为可能会蕴含了无法观测的私有信息, 后续投资者会将之与自己掌握的初始信息结合起来进行信息推断, 以更新对项目质量的先验判断, 从而前期投资行为对后续新增投资的影响, 必定会受到后续投资者掌握的初始信息的影响.
在特定的众筹项目展示页面上, 公开披露的信息都是每个投资者做出决策之前能够掌握的初始信息, 其中除了前期投资者的投标情况, 对项目质量进行先验判断的信息, 可根据其是否利于融资最终成功分为两类: 一类是利于项目融资成功的公开信息, 称为"有利信息"; 另一类是不利于项目融资成功的公开信息, 称为"不利信息". 给定前期投资促成的累计筹资额及其蕴含的不可观测的私有信息, 后续投资者会理性地进行如下看似反事实的"逆向推断": 若以不利信息作为推断条件, 项目居然可以吸引到如此多的累计筹资额, 说明前期投资者可能掌握了关于项目真实质量的难以观测且有利的私有信息, 那么跟从他们投资无疑是更好的选择, 即基于不利信息对前期投资行为进行信息推断, 能够为后续投资者带来额外的有利信息以修订其先验判断, 这将加强羊群行为. 相反, 若以有利信息作为推断条件, 项目能够吸引到这么多累计筹资额当属正常, 即基于有利信息对前期投资者私有的有利信息进行推断所能获得的额外信息反而相对较少, 从而跟从前期投资者的意愿降低, 羊群行为被抑制. 可以看出: 无论是以何类公开信息作为推断条件, 后续投资者都能够从前期投资行为中推断得到不可观测的增量信息, 并根据增量信息决定跟从前期投资的意愿强度, 显然这种基于信息推断的跟从行为属于理性学习. 基于此, 我们假设:
假设3  众筹融资进程的后期阶段, 投资者的羊群行为具有理性学习的成份, 他们会基于公开信息(初始信息)来推断前期投资行为中蕴含的不可观测信息, 表现为公开的有利信息会加强已有累计筹资额对后续投资的正向影响, 而不利信息会减弱这种影响.

3 实证设计

3.1 数据与样本

2013年2月正式上线的"众筹网"曾经是国内最大的综合性互联网众筹平台之一, 主要以捐赠众筹和奖励众筹项目为主, 领域涉及公益、艺术、设计、音乐、农业等. 针对每个众筹项目, 众筹网除了发布项目的基本情况, 还会公开披露每日的投资者投标情况. 利用网络爬虫技术, 本文收集了2016年3月1日至2016年6月30日期间, 由个人或中小企业发起、筹资期限统一为30天的606个众筹项目, 其中, 成功项目152个, 占比25.08%; 失败项目454个, 占比74.92%.

3.2 变量、指标与方法

对于每个众筹项目, 我们以日为频率考察筹资进度, 首先统计每日是否有新增投资及投资金额多少; 其次定义每日新增投资额和已有累计筹资额两个关键变量; 再者针对研究假设1和研究假设2, 构建如下控制个体固定效应的面板回归模型:
Day_Amounti,t=α+βCum_Amounti,t1+γXi,t1+μi+εi,t,
(1)
其中, 下标i表示截面上的第i个项目, t表示融资进程的第t日, μi为个体固定效应, εi,t为残差项. 被解释变量Day_Amount表示每日的新增投资额, 解释变量已有累计筹资额Day_Amount定义为第t1日之前(含t1日)前期投资促成的累计金额; Xi,t1为控制变量向量, 包括累计支持人数、项目信息更新次数、剩余筹资进度、是否超募、是否超募150%共五个随融资进程变化的时变因素(由于控制了个体固定效应, Xi,t1不包括非时变因素).
针对研究假设1和研究假设2, 我们分别利用每个项目众筹进程前期和后期的子样本数据, 根据式(1)中解释变量回归系数的符号及显著性, 识别责任分散行为和羊群行为: β<0表示已有累计筹资额越多, 随后的新增投资额越少, 后续投资者存在旁观心态驱使的责任分散行为; 反之, β>0表示已有累计筹资额越多, 新增投资越多, 即后续投资者表现出跟从前期投资者的羊群行为.
针对研究假设3, 我们利用每个项目筹资后期阶段的子样本数据, 进行包括如下两步的回归检验. 第一步, 利用Logit模型, 将项目是否最终筹资成功的0/1虚拟变量作为被解释变量(筹资成功为1; 反之为0), 将后续投资者已掌握的关于项目质量的公开信息作为解释变量, 进行多元回归, 根据回归系数符号判别其中有利于和不利于筹资成功的两类信息. 第二步, 在式(1)的基础上, 借鉴Zhang and Liu (2012)的做法, 通过考察有利和不利的两类公开信息对羊群行为的调节作用, 检验后续投资是否存在基于信息推断的理性羊群行为, 具体回归方程为如下加入交互项的式(2):
Day_Amounti,t=α+βCum_Amounti,t1+ηDay_Amounti,t×Info+λInfo+γXi,t1+μi+εi,t,
(2)
其中, Info为单独从式(1)的控制变量向量Xi,t1和非时变因素中提取出来的与项目质量有关的公开信息, 视作后续投资者做出投标决策之时已经掌握的初始信息, 包括目标筹资额、剩余筹资进度(比例)、项目信息更新次数、是否有视频宣传资料和第一天筹资额共五个变量. 针对每个变量, 通过对比式(2)中该变量与已有累计筹资额交互项的回归系数和第一步Logit回归中该变量的回归系数, 检验羊群行为中是否存在理性学习的成份: 针对不利信息的有关变量, 如果其与已有累计筹资额的交互项回归系数显著为正, 刚好与第一步回归中该变量的回归系数符号相反, 说明基于不利信息的信息推断加强了后续投资者的羊群行为; 针对有利信息的有关变量, 如果其与已有累计筹资额的交互项回归系数显著为负, 说明羊群行为被抑制. 所有变量的具体定义及指标测度如表 1所示.
表1 变量定义与指标测度
变量 名称及符号 定义及说明
被解释变量 日筹资额(Day_Amount) 项目在第t天新增的单日筹资额
解释变量 累计筹资额(Cum_Amount) 项目在第1天至第t-1天已经获得的累计筹资额
控制变量 时变变量 投资人数(Supports) 项目在第1天至第t-1天的累计支持人数
项目信息更新次数(Update) 在第1天至第t-1天项目信息更新的累计次数
剩余筹资进度(Left_Percent) 目标筹资额减去截止第t-1天已经获得的累计筹资额, 再除以目标筹资额
是否超募(D1) 截止第t-1天的累计筹资额达到目标筹资额取1; 否则取0
是否超募150% (D2) 截止第t-1天的累计筹资额达到目标筹资额的1.5倍取1; 否则取0
非时变变量 目标筹资额(Target) 项目设定的融资成功所需的总筹资金额
视频宣传信息(Video) 项目展示信息中提供了视频资料取1; 否则为0
第一天筹资额(First_Amount) 项目在第1天获得的筹资额
行业虚拟变量(Industry) 项目属于娱乐或科技行业取1; 否则为0
所处地区(Region) 发起人来自沿海经济发达区取1; 否则为0

4 实证结果及分析

4.1 筹资进程的阶段性特征分析

利用全样本数据, 图 1给出了每日人均投资额均值和累计投资人数均值随筹资进程的变化趋势, 可以看出: 众筹开始的头9天内, 单日人均投资额从近60元快速减少至10元左右, 这与早期投资者更多是由项目发起人的朋友、亲戚、粉丝或极客等构成有关, 属于"朋友圈"融资; 从第9天开始, 单日人均投资额稳定在10元左右的水平, 说明"朋友圈"阶段之后的投资者主要是由大众投资者构成. 同时, 我们也注意到, 一旦项目顺利推进并突破"距离成功不远"的衔接时刻, 期望获得物质回报的大众投资者开始活跃, 从22天开始的累计投资人数增速有所提高, 人均投资额也呈现略微上升的趋势.
图1 每日人均投资额和累积投资人数随筹资进程的变化趋势(单位: 元或人)

Full size|PPT slide

图 2给出了每日新增筹资额均值和新增投资人数均值随筹资进程的变化趋势. 其中, 图 2(a)全样本的变化趋势显示, 第1天到第20天期间, 每日新增筹资额和投资人数都呈递减趋势; 第21天至30天期间, 每日新增筹资额开始逐渐增加, 这很好地体现了众筹融资进程的多阶段特征: 在筹资进程前期阶段(前20天), 亲人、朋友、粉丝等与项目发起人有亲密社会关系的投资者的较大金额的资金支持, 会推动融资进程顺利推进, 但这同时会削弱该阶段中大众投资者的责任感, 进而每日新增筹资额呈现递减趋势并趋于稳定; 相反, 进入筹资进程的后期阶段(后10天), 以获得物质回报为动机的大众投资者的羊群行为, 又开始推动每日新增筹资额呈现递增趋势. 分别针对项目筹资最终成功和最终失败两类子样本, 图 2(b)图 2(c)表明: 成功子样本中每日新增投资额和新增投资人数的变化趋势基本与全样本结果一致, 失败子样本的每日新增投资和投资人数低很多, 且随筹资进程并未表现出明显的阶段性特征, 这些项目之所以最终筹资失败, 主要原因在于: 经历了"朋友圈"融资的早期阶段, 大众投资者的责任分散致使这些项目未能突破"距离成功不远"的衔接时刻, 表现为图 2(c)中每日新增投资额和投资人数从第4天开始都一直很低.
图2 每日新增筹资金额均值和新增投资人数均值随筹资进程的变化趋势(单位: 千元或人)

Full size|PPT slide

4.2 描述性统计

表 2给出了变量的描述性统计结果. 由表可见: 样本的目标筹资额的中位数为1万元, 但不同项目筹资需求的方差较大, 最高的目标筹资额高达300万元, 但最低的只有500元; 日筹资额的中位数为0, 说明大部分众筹项目不能获得资金支持, 最终筹资失败的项目较多; 众筹项目第一天筹资额First_Amount的均值为815.561, 远高于日筹资额Day_Amount的均值143.175, 这说明"朋友圈"阶段亲人、朋友、粉丝等在第一天的投资金额较大. 从众筹页面中公开展示的项目信息来看, 所有项目在筹资过程中会平均更新3.2次信息, 23.6% 的项目公开还展示了视频宣传; 超过11%的项目不仅最终筹资成功, 而且在筹资进程中或者筹资结束之时实现超募.
表2 变量的描述性统计
变量 观测值 均值 中位数 方差 最大值 最小值
Day_Amount 17, 423 143.735 0.000 1231.286 65007.000 0.000
Cum_Amount 17, 423 3, 268.230 118.000 12, 234.030 226, 500.000 0.000
Supports 17, 423 34.715 4.000 128.909 3201.000 0.000
Update 17, 423 3.232 2.000 3.783 93.000 0.000
First_Amount 17, 423 815.561 5.000 4, 407.890 90, 042.000 0.000
Target 17, 423 39, 577.680 10, 000.000 155, 685.900 3, 000, 000.000 500.000
Video 17, 423 0.236 0.000 0.425 1.000 0.000
D1 17, 423 0.112 0.000 0.316 1.000 0.000
D2 17, 423 0.042 0.000 0.200 1.000 0.000
Left_Percent (%) 17, 423 70.568 98.000 73.550 100.000 1485.900
Region 17, 423 0.368 0.000 0.482 1.000 0.000
Industry 17, 423 0.272 0.000 0.445 1.000 0.000

4.3 多元回归结果及分析

4.3.1 责任分散和羊群行为的存在性检验

利用样本项目的日投标数据, 将每天的单日新增筹资额作为被解释变量, 当日之前已经完成的累计筹资额作为解释变量, 在控制时变和非时变两类因素的基础上, 表 3模型1的OLS回归结果显示: 累计筹资额(Cum_Amount)的回归系数在1% 的水平显著为正, 说明已有累计筹资金额越大, 项目继续获得的新增投资也越多. 然而, 如Zhang and Liu (2012)指出的那样, 如果不控制截面上不可观测的项目特征, 回归的参数估计可能存在偏误. 为此, 模型2给出了控制个体固定效应的面板回归结果, 可以发现: 累计筹资额对后续新增筹资额的影响变得显著为负. 模型3和模型4进一步分别针对众筹最终成功和失败两类子样本的回归结果一致显示, 无论成功项目还是失败项目, 已有累计筹资额和单日新增筹资额之间的显著负向关系依然稳健, 整个众筹期内投资者总体上存在"责任分散"的行为.
表3 责任分散和羊群行为存在性检验的回归结果
全样本 成功子样本 失败子样本 前20天子样本 后10天子样本
模型1 模型2 模型3 模型4 模型5 模型6 模型7
Cum_Amount 0.022*** -0.059*** -0.056*** -0.255*** -0.128*** 0.046*** 0.060***
(12.973) (-17.561) (-8.262) (-61.476) (-27.706) (6.494) (8.447)
Supports 1.230*** 1.215*** 1.204** -2.171*** 3.012*** 11.719*** 11.361***
(9.270) (4.291) (2.140) (-6.626) (7.314) (14.710) (14.416)
Left_Percent 1.640*** 3.035*** 3.231*** -9.710*** 3.306*** 11.352*** -6.986***
(6.190) (7.282) (3.926) (-13.264) (5.584) (9.282) (-3.389)
Left_Percent 9.565** -8.1710 -4.022 -29.122*** -29.428*** -96.465*** -183.019***
(2.703) (-1.262) (-0.309) (-4.977) (-3.709) (-2.926) (-5.455)
Left_Percent 157.484** 640.967*** 611.511*** 0.0000 719.251*** 1001.784*** 531.643***
(3.796) (11.563) (5.616) (0.000) (10.317) (7.712) (3.926)
Left_Percent 143.076*** 114.6978 118.5362 0.0000 -164.463 1249.667*** 1302.959***
(2.101) (1.254) (0.660) (0.000) (-1.460) (5.213) (5.494)
Cum_Amount × Left_Percent 0.001***
(10.985)
Target 0.000
(0.549)
Video -31.971**
(-1.488)
Industry 7.833
(0.351)
Region 38.273*
(1.851)
First_Amount -0.012***
(-4.035)
常数项 -136.356*** 28.540 747.9718*** 1191.061*** 189.789*** -1169.648*** 473.261**
(-4.166) (0.602) (7.184) (15.634) (2.941) (-6.851) (2.098)
个体固定效应 未控制 控制 控制 控制 控制 控制 控制
观测值 17, 423 17, 569 4, 406 13, 163 11, 509 6, 060 6, 060
Adj.R2 0.090 0.045 0.041 0.366 0.166 0.094 0.114
注: 括号内为回归系数的T统计量, *、**、***分别表示在10%、5%和1%的水平上显著, 下同.
进一步, 针对研究假设1, 我们仅利用所有项目前20天的筹资数据, 同样进行控制个体固定效应的面板回归, 模型5的回归结果表明: 众筹融资进程的前20天中, 已有累计筹资额对后续新增投资的影响在1%的水平上显著为负, 说明投资者的投标行为存在责任分散效应, 支持研究假设1. 一旦项目筹资推进至后10天, 观测到已有累计筹资额接近目标筹资额, 后续投资者会表现出盲目跟从或者理性学习的羊群行为. 为此, 利用所有项目第21天至第30天的筹资数据, 表 2模型6回归结果显示, 已有累计筹资额在1%的显著性水平上对单日新增筹资额具有正向影响, 支持研究假设2.
需要特别说明的是, 除了羊群行为, "支付外部性"或"磁吸效应"也可能导致已有累计筹资额和单日新增筹资额之间呈现正向关系. 对于已经进入筹资进程后期阶段的项目, 即便不跟从前期投资者, 后续投资者也会出于"不能错过即将成功的项目"的心理驱使, 倾向于投资已有累计筹资额多的项目, 进而导致已有累计筹资额对单日新增筹资额的正向影响, 显然这将错误地夸大羊群效应. 为此, 借鉴Zhang and Liu (2012)的做法, 模型7引入累计筹资额和剩余筹资进度的交互项, 控制"支付外部性"或"磁吸效应"的影响, 回归结果显示: 控制支付外部性的影响后, 已有累计筹资额对后续新增投资的影响依然在1%的显著水平上显著为正, 说明融资进程后期的投资者的确存在"羊群行为", 支持研究假设2.

4.3.2 融资进程对责任分散行为的调节作用检验

成就感和责任感是投资者参与众筹项目的重要考虑因素. 在众筹融资的前期阶段, 融资进展情况会影响投资者对项目最终能否融资成功的可能性的动态判断, 进而影响他们成就感或责任感的强烈程度, 并因此增强或减弱责任分散效应. Fischer et al. (2011)指出, 责任分散效应与时间的紧迫程度有关, 高风险、紧急事件对潜在投资者更具心理上的刺激作用, 进而责任感的增强会削弱投资者的旁观心理. 除了与前期投资行为有关的累计筹资额和累计支持人数外, 剩余筹资进度、项目信息更新、超募状况、支持人数等众筹页面公开披露的时变因素, 会随融资进程而改变投资者对项目融资紧急程度的动态感知与判断, 进而对责任分散行为具有调节作用.
表 4利用所有项目前20天的子样本数据, 在表 3模型5的基础上进一步依次引入时变因素与已有累计筹资额的交互项, 考察融资进程动态变化对投资者责任分散行为的影响, 交互项的回归系数为负(正), 表示时变因素会增强(减弱)责任分散效应. 模型8和模型9的结果分别表明: 剩余筹资进度越多, 投资者会认为自己的"绵薄之力"很难帮助项目最终融资成功, 进而其责任分散行为越明显; 相反, 筹资期内项目信息更新的次数越多, 说明发起人渴望得到"朋友圈"支持与帮助的急迫性越强, 这将有助于提高投资者的责任感和减弱其责任分散行为. 模型10和模型11的结果显示: 如果观测到项目已经超募、甚至已经超募150%, 投资者会觉得, 既然项目已经实现融资目标, 自己是否投资和投资多少意义不大, 从而成就感的降低会增强他们的责任分散行为.
表4 融资进程对责任分散行为调节作用的回归结果
模型8 模型9 模型10 模型11
Cum_Amount -0.138*** -0.167*** -0.162*** -0.151***
(-29.534) (-24.291) (-23.972) (-21.852)
Supports 1.111** 1.126*** -1.856*** -1.843***
(2.544) (2.584) (-4.087) (-4.068)
Left_Percent 5.306*** 4.705*** 6.235*** 6.713***
(8.706) (7.620) (10.194) (10.924)
Update -9.991 -29.983*** -63.998*** -59.906***
(-1.244) (-3.430) (-7.307) (-6.837)
D1 864.210*** 848.049*** 1370.733*** 1299.736***
(12.311) (12.088) (18.568) (17.463)
D2 -68.412 -70.193 194.076* 492.723***
(-0.610) (-0.627) (1.751) (4.133)
Cum_Amount × Left_Percent -0.000*** -0.000*** -0.000*** -0.000***
(-12.451) (-10.380) (-15.726) (-16.667)
Cum_Amount × Update 0.003*** 0.011*** 0.010***
(5.750) (15.543) (14.312)
Cum_Amount × D1 -0.067*** -0.062***
(-19.781) (-18.116)
Cum_Amount × D2 -0.031***
(-6.710)
常数项 35.723 155.278** 93.796 38.448
(0.547) (2.270) (1.394) (0.568)
个体固定效应 控制 控制 控制 控制
观测值 11, 509 11, 509 11, 509 11, 509
Adj.R2 0.178 0.181 0.209 0.212

4.3.3 基于信息推断的理性羊群行为检验

在信息不对称的条件下, 信息劣势方既有可能放弃或忽略自己掌握的信息而盲目跟从他人行为, 也有可能通过对他人行为中蕴含的私有信息进行信息推断而理性学习. 据此, Zhang and Liu (2012)创新性地给出了一种识别理性羊群行为的检验方法. 举例来说, 考虑A和B两个已有累计筹资额相同、但关于项目质量的公开展示信息不同的项目: A项目公开展示了更多的不利信息; B项目展示了更多的有利信息. 聪明的后续投资者会认为: A项目的不利信息更多, 但居然能吸引到与B项目相同的投资额, 说明A项目其实没那么差, 前期投资者之所以投资是因为他们可能掌握了一些不可观测的有利信息, 那么跟从他们投资是不错的选择, 从而A项目公开披露的不利信息会加强后续投资者的羊群行为. 相反, 针对有利信息更多的B项目, 投资者会认为: 该项目吸引到的已有累计筹资额是理所当然, 即便自己独立判断也应该值得投资, 从而跟从前期投资者的羊群行为会减弱.
基于此, 本小节利用606个项目在融资进程后10天的子样本, 通过如下两步的回归, 考察此阶段投资者的羊群行为是否存在理性学习. 第一步, 以项目是否最终筹资成功的0/1虚拟变量为被解释变量, 依次将剩余筹资进度(Left_Percent)、项目信息更新次数(Update)、是否有视频宣传资料(Video)、第一天筹资额(First_Amount)和目标筹资额(Target)共五个与项目质量有关的公开信息的变量作为解释变量, 进行Logit回归, 根据各变量回归系数的正负号, 判断公开信息及其取值大小对于判断项目质量是有利还是不利, 结果如表 5所示. 第二步, 在表 3模型7的基础上, 进一步引入已有累计筹资额和第一步中用以判断项目质量的各变量的交互项, 通过考察有利和不利两类信息分别对羊群行为的调节作用, 检验投资者是否会基于公开信息来推断前期投资者行为所蕴含的私有信息, 进而表现出理性学习的羊群行为.
表5 项目是否筹资成功的影响因素检验
模型12 模型13 模型14 模型15 模型16
Left_Percent -0.109*** -0.099*** -0.100*** -0.099*** -0.097***
(-27.603) (-24.344) (-24.192) (-23.628) (-22.711)
Update 0.421*** 0.413*** 0.368*** 0.362***
(9.015) (8.847) (7.481) (7.369)
Video 0.797*** 0.599** 0.615***
(3.522) (2.549) (2.593)
First_Amount 0.000*** 0.000***
(6.960) (5.976)
Target -0.000
(-1.427)
常数项 5.581*** 3.264*** 3.153*** 3.047*** 2.983***
(20.546) (9.702) (9.345) (8.872) (8.708)
观测值 6, 060 6, 060 6, 060 6, 060 6, 060
Pseudo R2 0.872 0.884 0.885 0.891 0.891
表 5结果显示: 项目信息更新次数(Update)、是否有视频宣传(Video)、第一天筹资额(First_Amount) 三个变量的回归系数在1%的水平上显著为正, 因此, 多的项目信息更新次数、项目视频宣传、高的第一天筹资额可被看作是利于众筹成功的有利信息; 剩余筹资进度(Left_Percent)和目标筹资额(Target)两个变量的回归系数为负则表明, 多的剩余筹资进度和高的目标筹资额可被看作不利于众筹成功的信息.
表 6给出了上述五个变量分别对新增投资和已有累计筹资额负向关系调节作用的回归结果. 通过对比表 5中各变量对项目是否筹资成功的影响和表 6中对羊群行为的调节作用, 可以得到支持研究假设3的证据. 如果交互项的回归系数显著, 说明投资者会基于自己掌握的关于项目质量的公开信息来推断累计筹资额中蕴含的不可观测信息; 进一步, 如果某个变量和累计筹资额交互项回归系数与表 5中该变量的回归系数符号相反, 说明投资者是在信息推断的基础上理性跟从前期投资者. 可以看出: 除了变量First_Amount在表 5表 6的相应结果不满足预期外, Update和Video两个变量与已有累计筹资额的交互项回归系数显著为负, 与表 5中两个变量的回归系数符号相反, 说明多的项目信息更新次数、提供项目视频宣传资料两个有利信息会削弱投资者的羊群行为; Left_Percent与累计筹资额的交互项回归系数显著为正, 即多剩余筹资进度这一不利信息反而会加强羊群行为; 同时, 尽管变量Target在表 5和在表 6交互项的回归系数均不显著, 但各自在两个表的系数符号也是相反. 因此, 表 6结果至少部分地支持研究假设3, 众筹后期阶段的投资者会结合关于项目质量的公开信息和可观测的前期投资行为进行理性的信息推断, 从而他们的羊群行为具有理性学习的成份.
表6 基于信息推断的理性羊群行为检验的回归结果
模型17 模型18 模型19 模型20 模型21 模型22
Cum_Amount 0.066*** 0.102*** 0.123*** 0.076*** 0.063*** 0.090
(9.424) (7.439) (9.063) (4.380) (2.591) (1.032)
Supports 11.385*** 11.442*** 15.473*** 15.924*** 15.893*** 15.255***
(14.404) (14.484) (19.022) (19.436) (19.374) (18.749)
Left_Percent -10.726*** -11.073*** -13.322*** -15.005*** -15.109*** -14.517***
(-5.484) (-5.656) (-6.939) (-7.661) (-7.695) (-7.238)
Update -146.237*** -81.490** -44.642 -22.087 -15.395 -122.064***
(-4.423) (-2.076) (-1.161) (-0.570) (-0.387) (-3.769)
Cum_Amount × Left_Percent 0.001*** 0.001*** 0.001*** 0.001*** 0.001***
(12.733) (12.696) (13.839) (13.871) (11.907)
Cum_Amount × Update -0.005*** -0.006*** -0.008*** -0.008***
(-3.054) (-3.959) (-4.869) (-4.902)
Cum_Amount × Video -0.371*** -0.375*** -0.362*** -0.369***
(-15.823) (-15.998) (-12.660) (-15.734)
Cum_Amount × First_Amount 0.000*** 0.000***
(4.188) (3.725)
Cum_Amount × Target 0.000
(0.756)
Cum_Amount × Left_Percent_D 0.001***
(11.000)
Cum_Amount × Update_D -0.172***
(-3.448)
Cum_Amount × First_Amount_D 0.126*
(1.812)
Cum_Amount × Target_D 0.035
(1.076)
常数项 735.355*** 535.608** 751.261*** 530.864** 564.639** 1154.952***
(3.309) (2.314) (3.313) (2.284) (2.385) (4.969)
个体固定效应 控制 控制 控制 控制 控制 控制
观测值 6, 060 6, 060 6, 060 6, 060 6, 060 6, 060
Adj.R2 0.106 0.108 0.147 0.150 0.150 0.147
需要指出的是, 用以判断项目质量的公开展示信息中, 除了是否有视频宣传的0/1虚拟变量外, 剩余筹资进度、项目信息更新次数、第一天筹资额、目标筹资额共四个指标均为连续型变量, 将其界定为有利信息或不利信息, 需要同时取决于变量的性质和取值大小. 根据表 5的回归结果, 项目信息更新次数和第一天筹资额两个变量的取值越大, 越有利于项目最终筹资成功; 相反, 剩余筹资进度和目标筹资额两个变量的取值越大, 越不利于项目筹资成功. 为此, 分别针对四个连续型变量, 我们根据每天所有项目各个变量的中位数, 进行高低分组, 定义每个连续变量相应的0/1虚拟变量, 进行稳健性检验. 以项目信息更新次数为例, 在众筹后期阶段的每天, 若该天样本项目的信息更新次数高于这一天所有项目的信息更新次数的中位数, 则定义该项目的信息更新次数Update_D=1, 表示有利信息; 反之Update_D=0, 表示不利信息. 针对其余三个连续型变量, 类似处理. 由表 6最后一列模型22的回归结果可以看出, 与模型21结果一致(其中各变量后的"_D"符号表示连续型变量对应的0/1虚拟变量), 除了第一天筹资额外, 其余有利信息和不利信息的相关变量依然分别会削弱和增强羊群效应, 实证结果稳健.
除了累计筹资额, 累计投资人数也是前期投资行为的重要表征, 也是后续投资者理性推断不可观测信息的重要信息来源. 类似于表 6的做法, 表 7利用逐个引入变量Supports和每个有利或不利信息的交互项, 除了模型26关于第一天筹资额及其交互项的结果外, 模型23模型27的其余回归结果显示: 反映有利信息的Update和Video两个变量会减弱投资人数和新增投资额之间的正向关系; 反映不利信息的Left_Percent和Target两个变量会增强这种正向关系. 模型28对四个连续变量进行0/1的离散化处理, 将其与累计筹资额的交互项同时引入回归, 结果与表 6一致, 总体上同样支持研究假设3.
表7 利用累计投资人数表征前期投资行为的稳健性检验结果
模型23 模型24 模型25 模型26 模型27 模型28
Cum_Amount 0.055*** 0.075*** 0.030*** -0.041*** -0.072*** -0.040***
(7.845) (10.496) (4.190) (-5.603) (-9.514) (-5.514)
Supports 12.492*** 39.287*** 54.052*** 28.035*** 11.123*** -3.921
(15.610) (17.466) (23.972) (11.642) (4.225) (-0.413)
Left_Percent 8.393*** 10.258*** 8.339*** 3.694*** 1.587 -19.336***
(7.002) (8.618) (7.293) (3.341) (1.450) (-10.497)
Update -25.096 264.755*** 149.848*** 133.863*** 125.431*** -144.252***
(-0.790) (6.837) (4.001) (3.755) (3.585) (-4.736)
Supports × Left_Percent 0.000*** 0.000*** 0.000*** 0.000*** 0.000***
(6.973) (5.179) (7.729) (8.979) (4.517)
Supports × Update -3.182*** -2.641*** -2.023*** -1.278***
(-12.720) (-10.967) (-8.772) (-5.508)
Supports × Video -31.527*** -35.064*** -21.059*** -50.806***
(-22.185) (-25.769) (-12.798) (-32.329)
Supports × First Amoun 0.009*** 0.002***
(23.813) (2.660)
Supports × Target 0.000***
(14.560)
Supports × Left_Percent_D 0.001***
(14.825)
Supports × Update_D -17.745***
(-2.687)
Supports × First_Amount_D 23.929***
(3.291)
Supports × Target_D 49.484***
(23.546)
常数项 -966.970*** -2344.069*** -2035.596*** -2419.020*** -888.328*** 1546.284***
(-5.657) (-11.705) (-10.585) (-13.166) (-4.257) (7.152)
个体固定效应 控制 控制 控制 控制 控制 控制
观测值 6, 060 6, 060 6, 060 6, 060 6, 060 6, 060
Adj.R2 0.088 0.114 0.187 0.264 0.292 0.176

5 结束语

众筹融资在投资者构成、投资动机、筹资期限等方面具有不同于P2P借贷的特征, 这使得整个筹资进程随时间推进呈现出鲜明的阶段性特征. 通过爬取"众筹网"的众筹项目数据, 本文以日投标数据为样本, 结合筹资进程的阶段性特征, 同时考察旁观心态驱使的责任分散行为和跟从他人的羊群行为, 并检验项目融资进程信息对责任分散行为的影响, 以及检验羊群行为是简单的盲目跟从还是基于信息推断的理性学习. 研究结果表明: 在筹资进程的前期阶段, 投资者的行为表现出责任分散效应, 而筹资后期的投资者行为表现出羊群效应; 进一步, 剩余筹资进度、项目信息更新次数、超募状况等随筹资进程时变的项目信息对责任分散行为具有显著的调节作用, 同时筹资后期阶段中投资者的羊群行为具有基于信息推断的理性学习成份, 后续投资者会利用自己掌握的公开信息来推断或学习前期投资行为蕴含的不可观测的私有信息.
未来的研究可结合众筹项目的类型、筹资前期阶段的参与者类型, 以及充分利用众筹平台调整信息披露机制、筹资进程中的项目新增披露信息等外生事件, 进一步考察投资者责任分散的直接经验证据, 以及识别并测度羊群行为中的理性与非理性成份, 探讨项目发起人和中介平台之间的行为互动, 进而为投资者遴选平台、平台优化机制设计、监管部门实时监测等提供经验证据与决策参考.

参考文献

黄健青, 陈欢, 李大夜, 基于顾客价值视角的众筹项目成功影响因素研究[J]. 中国软科学, 2015, (6): 116- 127.
Huang J Q , Chen H , Li D Y , Research on Factors Influencing the Success of Crowd Funding Projects: The Perspective of Customer Value[J]. China Soft Science, 2015, (6): 116- 127.
李强, P2P网络借贷的研究综述与现实发展[J]. 电子科技大学学报(社科版), 2019, 21 (5): 37- 44.
Li Q , P2P Lending: Literature Review and Practical Development[J]. Journal of University of Electronic Science and Technology of China (Social Sciences Edition), 2019, 21 (5): 37- 44.
李雪静, 众筹融资模式的发展探析[J]. 上海金融学院学报, 2013, (6): 73- 79.
Li X J , Development and Future Direction of Crowdfuning[J]. Journal of Shanghai Finance University, 2013, (6): 73- 79.
廖理, 李梦然, 王正位, 聪明的投资者: 非完全市场化利率与风险识别—来自P2P网络借贷的证据[J]. 经济研究, 2014, (7): 125- 132.
Liao L , Li M R , Wang Z W , The Intelligent Investor: Not-Fully-Marketized Interest Rate and Risk Identify — Evidence from P2P Lending[J]. Economic Research Journal, 2014, (7): 125- 132.
廖理, 李梦然, 王正位, 贺裴菲, 观察中学习: P2P网络投资中信息传递与羊群行为[J]. 清华大学学报(哲学社会科学版), 2015, 30 (1): 156- 166.
Liao L , Li M R , Wang Z W , He P F , Learning by Observing: Information Discovery and Herding Behavior in P2P Lending Market[J]. Journal of Tsinghua University (Philosophy and Social Sciences), 2015, 30 (1): 156- 166.
廖理, 张伟强, P2P网络借贷实证研究: 一个文献综述[J]. 清华大学学报(哲学社会科学版), 2017, 32 (2): 186- 196.
Liao L , Zhang W Q , Empirical Research on Online P2P Lending: A Literature Review[J]. Journal of Tsinghua University (Philosophy and Social Sciences), 2017, 32 (2): 186- 196.
刘波, 刘彦, 赵洪江, 冷梦玥, 预售众筹与股权众筹的选择: 基于众筹平台与企业家声誉的视角[J]. 金融研究, 2017, (7): 175- 191.
Liu B , Liu Y , Zhao H J , Leng M Y , The Choice between Pre-sale Crowdfunding and Equity Crowdfunding: A Reputation Perspective[J]. Journal of Financial Research, 2017, (7): 175- 191.
王念新, 侯洁, 葛世伦, 从众还是旁观? 众筹市场中出资者行为的实证研究[J]. 管理工程学报, 2016, 30 (4): 124- 134.
Wang N X , Hou J , Ge S L , Herding or Bystander? An Empirical Study of the Backers' Behavior in Crowdfunding Market[J]. Journal of Industrial Engineering and Engineering Management, 2016, 30 (4): 124- 134.
王正位, 向佳, 廖理, 张伟强, 互联网金融环境下投资者学习行为的经济学分析[J]. 数量经济与技术经济, 2016, (3): 95- 111.
Wang Z W , Xiang J , Liao L , Zhang W Q , Economic Analysis of Investors Learning Behavior under the Environment of Internet Finance[J]. Journal of Quantitative & Technical Economics, 2016, (3): 95- 111.
夏恩君, 李森, 赵轩维, 国外众筹研究综述与展望[J]. 技术经济, 2015, 34 (10): 10- 16.
Xia E J , Li S , Zhao X W , Crowdfunding: Literature Review and Prospect[J]. Technology Economics, 2015, 34 (10): 10- 16.
赵尧, 鲁篱, 股权众筹领投人的功能解析与金融脱媒[J]. 财经科学, 2015, (12): 28- 36.
Zhao Y , Lu L , The Explanation of the Function of the Leading Investor in Equity Crowd Funding and Financial Disintermediation[J]. Finance & Economics, 2015, (12): 28- 36.
郑海超, 黄宇梦, 王涛, 陈冬宇, 创新项目股权众筹融资绩效的影响因素研究[J]. 中国软科学, 2015, (1): 130- 137.
Zheng H C , Huang Y M , Wang T , Chen D Y , Antecedents of Equity-based Crowdfunding Success for Innovation Projects[J]. China Soft Science, 2015, (1): 130- 137.
Ahlers G K, Cumming D J, Guenther C, Schweizer D, (2012). Signaling in Equity Crowdfunding[R]. SSRN Working Paper.
Allison T H , Davisb B C , Webbc J W , Shortd J C , Persuasion in Crowdfunding: An Elaboration Likelihood Model of Crowdfunding Performance[J]. Journal of Business Venturing, 2017, 32 (6): 707- 725.
Belleflamme P , Lambert T , Schwienbacher A , Crowdfunding: Tapping the Right Crowd[J]. Journal of Business Venturing, 2014, 29 (5): 585- 609.
Burtch G , Ghose A , Wattal S , An Empirical Examination of The Antecedents and Consequences of Contribution Patterns in Crowd-Funded Markets[J]. Information Systems Research, 2013, 24 (3): 499- 519.
Cooter R D, Edlin A, (2016). Crowdinvesting: Angel Investing for the Masses?[C]// Hans Landstrm, Colin Mason. Handbook of Research on Business Angels. Edward Elgar Publishing.
Darley J M , Latané B , Bystander Intervention in Emergencies: Diffusion of Responsibility[J]. Journal of Personality and Social Psychology, 1968, 8 (4): 377- 383.
Feng L , Seasholes M S , Correlated Trading and Location[J]. Journal of Finance, 2004, 59 (5): 2117- 2144.
Fischer P , Krueger J I , Greitemeyer T , Vogrincic C , Kastenmuller A , The Bystander-effect: A meta-analytic Review on Bystander Intervention in Dangerous and Non-dangerous Emergencies[J]. Psychological Bulletin, 2011, 137 (4): 517- 517.
Freedman S M, Jin G Z, (2011). Learning by Doing with Asymmetric Information: Evidence from Prosper. com[R]. NBER Working Paper.
Frydrych D , Bock A J , Kinder T , Exploring Entrepreneurial Legitimacy in Reward-based Crowdfunding[J]. Venture Capital, 2014, 16 (3): 247- 269.
Gerber E M , Hui J , Crowdfunding: Motivations and Deterrents for Participation[J]. ACM Transactions on Computer-Human Interaction, 2014, 20 (6): 34- 32.
Herzenstein M , Dholakia U M , Andrews R L , Strategic Herding Behavior in Peer-to-Peer Loan Auctions[J]. Journal of Interactive Marketing, 2011, 25 (1): 27- 36.
Iyer R , Khwaja A I , Luttmer E F P , Shue K , Screening Peers Softly: Inferring the Quality of Small Borrowers[J]. Management Science, 2016, 62 (6): 1554- 1577.
Kuppuswamy V, Bayus B L, (2013). Crowdfunding Creative Ideas: The Dynamics of Project Backers in Kickstarter[R]. SSRN Working Paper.
Latané B , Nida S , Ten Years of Research on Group Size and Helping[J]. Psychological Bulletin, 1981, 89 (2): 1939- 1455.
Li E , Martin J S , Capital Formation and Financial Intermediation: The Role of Entrepreneur Reputation Formation[J]. Journal of Corporate Finance, 2019, 59, 185- 201.
Mollick E , The Dynamics of Crowdfunding: An Exploratory Study[J]. Journal of Business Venturing, 2014, 29 (1): 1- 16.
Ordanini A , Miceli L , Pizzetti M , Crowd-funding: Transforming Customers into Investors Through Innovative Service Platforms[J]. Journal of Service Management, 2011, 22 (4): 443- 470.
Roma P , Petruzzellib A M , Perronea G , From the Crowd to the Market: The Role of Reward-based Crowdfunding Performance in Attracting Professional Investors[J]. Research Policy, 2017, 46 (9): 1606- 1628.
Schwienbacher A , Entrepreneurial Risk-Taking in Crowdfunding Campaigns[J]. Small Business Economics, 2018, 51, 843- 859.
Simonsohn U , Ariely D , When Rational Sellers Face Non-rational buyers: Evidence from Herding on eBay[J]. Management Science, 2008, 54 (9): 1624- 1637.
Strausz R , A Theory of Crowdfunding: A Mechanism Design Approach with Demand Uncertainty and Moral Hazard[J]. American Economic Review, 2017, 107 (6): 1430- 1476.
Welch I , Sequential Sales, Learning, and Cascades[J]. Journal of Finance, 1992, 47 (2): 695- 732.
Wells , The Risks of Crowdfunding[J]. Risk Management, 2013, 60 (2): 26- 29.
Yum H , Lee B , Chae M , From the Wisdom of Crowds to My Own Judgment in Microfinance through Online Peer-to-Peer Lending Platforms[J]. Electronic Commerce Research and Applications, 2012, 11 (5): 469- 483.
Zhang J , Liu P , Rational Herding in Microloan Markets[J]. Management Science, 2012, 58 (5): 892- 912.

基金

国家自然科学基金(71972027)
中宣部文化名家暨"四个一批"人才资助项目(中宣办发[2015]49号)
四川省软科学研究计划(2022JDR0290)

版权

版权所有,未经授权。
PDF(870 KB)

836

Accesses

0

Citation

Detail

段落导航
相关文章

/