全书总结与创新点

10.1　全书总结与创新点

从风险投资实践来看，由于风险投资的竞争加剧，越来越多的风险投资公司认识到选择和管理风险投资项目的重要性。然而，相当一定数量的风险投资项目并未给风险投资公司带来预期收益。实证结果表明：大约仅有20%或低于20%的风险投资项目通过IPO获得成功，同时国内也有“十个项目，成三败七”的高风险规律。

从风险投资理论来看，对于风险投资而言，与证券市场的信息高度公开、资产具有高度流动性特性恰恰相反的是，风险资本市场的显著特性是信息的非公开性和资产的非流动性。由于证券投资的有效均衡市场假设的适用前提已经不复存在，所以，证券市场中的“高风险、高收益”规律便不再适用于风险投资。风险投资公司不能通过多样化投资从根本上消除风险，因此，如何作好初始决策和中止决策显得尤为重要。

然而，现有的初始决策方法忽视了风险投资项目的信用风险，对风险投资项目价值的评估也缺乏行为金融的视角，此外中止决策研究也忽视了风险投资项目发展过程中信息的影响。有鉴于此，本书在已有文献研究基础上，研究了风险投资项目的信用风险识别方法，构建了总风险评估模型，并研究了风险投资项目的投资水平博弈问题，且进一步考虑和构建了风险投资项目的外生和内生中止决策模型，在此基础上提出了最优中止时机模型。研究内容共分为如下8个部分。

1.风险投资项目初始和中止决策的文献综述与评价（第2章）

本章对风险投资项目中止决策进行回顾，通过对现有中止决策的综述发现：现有的中止决策方法主要是选择了影响中止决策方法的因素，对风险投资项目进行的是静态评估。这些方法忽视了风险投资项目发展过程中的信息，忽视了信息的动态发展对后续投资决策的影响，没有认识到信息的动态发展对中止决策时机选择的影响。

2.基于可变精度粗糙集的风险企业信用风险识别方法研究（第2章）

本章提出了一类基于VPRS的新兴技术企业信用风险识别方法，并用已上市的部分新兴技术企业对其进行实证检验，检验结果表明了该方法具有较好的识别能力。该方法首先运用VPRS理论的最新研究成果，并借助于粗糙集分析软件ROSETTA，对由训练样本组成的数据关系表进行数据补缺、离散化及属性的β约简等处理，从而导出识别规则，形成识别规则库；然后集成二叉树构建一类新兴技术企业信用风险识别方法；最后用测试样本对方法的识别精度进行检验。本章提出的方法可用于对风险企业的信用风险识别，作为风险企业的事前评估和选择。

3.基于不确定语言多属性决策的风险投资项目评估（第4章）

本章提出的方法是：首先设定合适的语言评估标度，对方案的不确定语言属性值进行处理，并给出集结不确定语言信息的ULWA算子。其次构造所有属性对所有方案的总偏差最大的目标规划，通过求解该规划获得相应的属性权重，继而运用ULWA算子对方案的不确定语言属性值进行加权集成，并就不确定语言评估值排序问题，提出基于期望－方差的不确定语言变量排序公式。再次通过算例说明了该决策方法的可行性和有效性。在算例中，本章将期望－方差排序方法与现有排序方法进行了比较，发现排序结果一致，但本章提出的排序方法较现有方法简便、快捷，且不失一般性。最后将MADM方法与AHP方法进行比较分析，发现MADM方法能够解决AHP方法不能处理的决策信息，且决策过程简单。

4.基于Stackelberg博弈的风险投资项目投资水平分析（第5章）

本章运用斯坦克尔伯格（Stackelberg）博弈模型讨论了企业家对风险投资家的激励问题，并对博弈双方的均衡投资决策进行分析。首先假定了风险投资项目以债权－股权相结合的方式为融资工具，引入了融资合约中常用的“激励因子”，并分别建立风险投资家和企业家的支付函数，从而构建Stackelberg博弈模型；然后用逆向归纳法分析Stackelberg模型，讨论了作为领导者（leader）的企业家的自有资本和“激励因子”对作为跟随者（follower）的风险投资家的总投资水平及资本结构的影响，并在此基础上分析了企业家的均衡投资决策，进一步给出了企业家为激励风险投资家而提供的自有资本及其满足的必要条件，从而解决了企业家对风险投资家的激励问题。通过研究发现：风险投资家的总投资水平由债权“激励因子”和其边际投资机会成本决定，而股权投资水平由其绝对风险厌恶因子、主观收益率的参数以及“激励因子”决定。尽管风险投资家较企业家风险厌恶，但是后者可以通过激励前者，使前者对于风险投资项目前景较后者乐观。

5.基于行为金融视角的风险企业价值研究（第6章）

本章在双边道德风险框架下的最优努力程度模型的基础上，讨论了风险企业家和风险投资家的心理情绪因素对风险企业价值和投资决策的影响，结果表明：风险企业家和风险投资家的适度自信都能够抵消道德风险的影响。风险企业家过度自信的心理会导致风险企业价值降低，但可能使净收益为负的风险企业得到投资；风险投资家的过度自信会使得风险投资家在投资决策中存在过度反应。风险企业家的消极保守也会使得风险企业价值降低且可能使净收益为正的风险企业遭到拒投；风险投资家的消极保守会使得他在投资决策中反应不足。这一研究结果可为分析不同心理情绪因素下的风险投资家和风险企业家的决策行为提供理论依据。

6.基于信号学习的风险投资项目中止决策分析（第7章）

本章首先归纳分析了风险项目发展过程中的信息，并以风险投资家观察到的好（坏）信号作为二元学习信号，就好（坏）信号随项目发展存在的三种状态，从贝叶斯后验估计的角度提出了信号学习模型；进而依据蕴含了风险投资家风险态度的“心理阈值”确定外生的中止决策点；最后进行了算例分析。本章提出的信号学习模型是基于贝叶斯后验估计的动态模型，反映了信息的动态发展对后续投资决策的影响。该模型为风险投资家及时作出中止决策提供理论参考，也为风险企业家常见的“窗饰效应”作了合理的解释。本章提出的中止模型是基于信号学习的模型，是从外生的角度分析了风险投资项目的中止决策。

7.基于风险投资项目价值的风险投资最优中止时机研究（第8章）

本章首先从贝叶斯后验估计的角度提出了风险投资家后验概率的信号学习过程；然后运用动态规划方法，在确定对风险投资项目最优投资水平的基础上，给出了基于风险投资项目价值的最优中止时机模型；最后对最优中止时机模型进行了算例分析。本章提出的最优中止模型考虑了风险投资项目发展过程中新信息释放对风险投资项目价值（其中风险投资项目价值也属于第7章中学习信号的一种）的影响，从而影响了中止时机，解决了分阶段投资情形下的最优中止决策问题，为风险投资家及时作出中止决策提供决策依据。同时，该模型还可用来分析风险投资家对风险项目的最优投资水平问题，为其作出最优决策提供参考。此外，模型的分析也为风险投资项目所有者通常发生的逆向选择行为提供了合理的解释。本章提出的中止决策时机模型是基于风险投资项目价值的模型，是从内生的角度分析了风险投资项目的中止决策，同时进一步给出了中止时机模型。

8.基于信号学习的风险投资后续增资决策研究（第9章）

本章首先基于信号的质量和信号的数量从贝叶斯后验估计的角度提出了风险投资家主观概率的信号学习过程；其次运用贝尔曼方程给出风险投资家的后续增资决策模型，在此基础上确定风险投资家获得的关于初创企业信号数量及信号质量对其增资决策时的量化影响；最后对后续增资决策模型进行了数值分析。通过对模型的分析给出了初创企业信号数量和质量对风险投资家增资决策的量化影响结果，该结果为风险投资家准确地作出后续决策提供依据。

概括起来，本书的主要创新点如下：

①提出了一类基于VPRS的风险投资项目信用风险识别方法，并用已上市的部分新兴技术企业为例进行实证检验，检验结果表明了该方法具有较好的识别能力。此外，本书在信用风险识别方法提出的基础上，还提出了基于不确定语言变量的多属性决策方法，该方法主要针对风险投资项目的总风险进行评估，这两类方法的研究对风险投资项目作出正确的初始决策具有十分重要的理论意义和现实意义。

②通过对风险投资项目投资双方的博弈分析，分析了双方的最优投资水平，研究结论为风险投资家和创业者投入最优投资水平提供理论依据，也解决了创业者对风险投资家的最优激励问题。

③以风险投资项目发展过程中所面临的信息为外生变量，以对风险投资项目的投资水平为内生变量，分别提出了基于外生变量和内生变量的风险投资项目中止决策模型，在此基础上进一步给出了中止决策时机模型，并在此基础上扩展信号维度（数量和质量），建立考虑了信号数量和质量情形下的中止决策模型。该模型为风险投资家及时、准确作出中止决策提供理论参考，为风险投资家的过程管理提供了指导。

本书提出的初始决策和中止决策方法，改进了我国风险投资决策评价手段和评价方法，完善了风险投资项目投资规范和方法体系，提高风险投资决策的效率，从微观运行机制方面改善了我国风险投资事业的运行。