朱永貴

（中國(guó)人民大學(xué) 財(cái)政金融學(xué)院，北京 100872）

風(fēng)險(xiǎn)投資影響因素的統(tǒng)計(jì)分析及對(duì)中國(guó)的啟示

朱永貴

（中國(guó)人民大學(xué) 財(cái)政金融學(xué)院，北京 100872）

風(fēng)險(xiǎn)投資的研究?jī)?nèi)容十分廣泛，它包括風(fēng)險(xiǎn)投資的概念、性質(zhì)、特點(diǎn)、資金來(lái)源與投資形式、投資風(fēng)險(xiǎn)、資產(chǎn)組合方法與委托～代理關(guān)系、組織模式、退出機(jī)制等問(wèn)題。目前為止有一些經(jīng)濟(jì)學(xué)家就影響風(fēng)險(xiǎn)投資的因素進(jìn)行過(guò)分析。選取了美國(guó)1997～2011年七個(gè)因素的相關(guān)數(shù)據(jù)統(tǒng)計(jì)，通過(guò)因素分析法進(jìn)行相應(yīng)的數(shù)理統(tǒng)計(jì)分析，得出七個(gè)因素對(duì)風(fēng)險(xiǎn)投資影響程度，并針對(duì)實(shí)證結(jié)論提出對(duì)我國(guó)風(fēng)險(xiǎn)投資發(fā)展與進(jìn)步的有效建議。

風(fēng)險(xiǎn)投資；知識(shí)投入；專利數(shù)量；長(zhǎng)期利率

0 引言

風(fēng)險(xiǎn)投資作為一門(mén)重要的學(xué)術(shù)研究領(lǐng)域其研究?jī)?nèi)容十分廣泛，它包括風(fēng)險(xiǎn)資的概念、性質(zhì)、特點(diǎn)、資金來(lái)源與投資形式、投資風(fēng)險(xiǎn)、資產(chǎn)組合方法與委托-代理關(guān)系、組織模式、退出機(jī)制等問(wèn)題。本文的研究目的在于運(yùn)用一個(gè)理論模型來(lái)進(jìn)行風(fēng)險(xiǎn)投資影響因素的分析，該模型包括了風(fēng)險(xiǎn)投資供給方以及需求方的影響因素。這些影響因素包括GDP，短期利率以及長(zhǎng)期利率，技術(shù)機(jī)會(huì)（包括國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入，知識(shí)投入以及專利數(shù)量）以及就業(yè)率；該模型分析的數(shù)據(jù)來(lái)源于美國(guó)1997～2011年的相關(guān)數(shù)據(jù)。研究的結(jié)果知識(shí)投入，GDP，專利數(shù)量以及就業(yè)率這四個(gè)因素與風(fēng)險(xiǎn)投資正相關(guān)，對(duì)風(fēng)險(xiǎn)投資有促進(jìn)作用；長(zhǎng)期利率，短期利率以及國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入與風(fēng)險(xiǎn)投資負(fù)相關(guān)。

1 樣本的選取及選取依據(jù)

本文選取的樣本為美國(guó)1997～2011年的相關(guān)數(shù)據(jù)。由于部分統(tǒng)計(jì)科目的數(shù)據(jù)收集存在一定的困難或者缺乏相應(yīng)科目的數(shù)據(jù)統(tǒng)計(jì)或是由于數(shù)據(jù)不全面，在以下的分析中將選取7個(gè)因素來(lái)進(jìn)行分析，它們分別是：

國(guó)內(nèi)生產(chǎn)總值（GDP）、短期利率（用聯(lián)邦紐約銀行貼現(xiàn)率來(lái)表示）、長(zhǎng)期利率（用10年期利率來(lái)表示）、國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入（R&D）、專利數(shù)量、知識(shí)投入、就業(yè)率。

表1顯示了美國(guó)自1997～2011年的相關(guān)數(shù)據(jù)，其中：

Y：風(fēng)險(xiǎn)投資金額，單位：億美元（數(shù)據(jù)來(lái)源：EVCA and OECD）。X1：GDP（單位：億美元）；X2：國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入（以占GDP的百分比來(lái)統(tǒng)計(jì)，單位：%）；X3：專利數(shù)量；X4：知識(shí)投入（以占GDP的百分比來(lái)統(tǒng)計(jì),單位：%）；X5：美聯(lián)邦紐約銀行貼現(xiàn)率（單位：%）；X6：長(zhǎng)期利率（10年期利率，單位：%）；X7：就業(yè)率（單位：%）。

表1 美國(guó)1997～2011年相關(guān)統(tǒng)計(jì)數(shù)據(jù)

2 風(fēng)險(xiǎn)投資及其影響因素的實(shí)證研究

從表1中可以看出這七組數(shù)據(jù)統(tǒng)計(jì)單位各不相同，有的是以億美元為統(tǒng)計(jì)單位，而有的則是以%為統(tǒng)計(jì)單位。如果直接用這樣的數(shù)據(jù)進(jìn)行分析，勢(shì)必會(huì)存在一些問(wèn)題。因此，在做相關(guān)分析之前，先進(jìn)行統(tǒng)計(jì)數(shù)據(jù)描述，如表所2所示。

表2 統(tǒng)計(jì)數(shù)據(jù)描述

其中N表示統(tǒng)計(jì)數(shù)據(jù)的個(gè)數(shù)，即1997～2011年的統(tǒng)計(jì)數(shù)據(jù)共有15個(gè)；Minimum表示該項(xiàng)統(tǒng)計(jì)數(shù)據(jù)的最小值；Maximum表示該項(xiàng)統(tǒng)計(jì)數(shù)據(jù)的最大值；Mean表示該項(xiàng)統(tǒng)計(jì)數(shù)據(jù)的平均值；Std.Deviation表示該項(xiàng)統(tǒng)計(jì)數(shù)據(jù)的標(biāo)準(zhǔn)差。

通過(guò)SPSS工具分析這七個(gè)因素與風(fēng)險(xiǎn)投資之間的相關(guān)性，結(jié)果可以看出風(fēng)險(xiǎn)投資與GDP的相關(guān)系數(shù)是：0.987，并且sig值為0能通過(guò)殘差檢驗(yàn)（sig＜0.05即表示能通過(guò)殘差檢驗(yàn)，只有通過(guò)殘差檢驗(yàn)才能說(shuō)明Pearson檢驗(yàn)結(jié)果是成立的）這說(shuō)明風(fēng)險(xiǎn)投資與GDP確實(shí)存在著顯著的正相關(guān)關(guān)系。風(fēng)險(xiǎn)投資與國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入之間的相關(guān)系數(shù)為：0.457，但是由于殘差值sig為0.086，不能通過(guò)殘差檢驗(yàn)，所以風(fēng)險(xiǎn)投資與國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入之間不存在相關(guān)關(guān)系。風(fēng)險(xiǎn)投資與專利數(shù)量之間的相關(guān)系數(shù)為：0.958，并且殘差值sig為0，可以通過(guò)殘差檢驗(yàn)，這說(shuō)明風(fēng)險(xiǎn)投資與專利數(shù)量之間存在著顯著的正相關(guān)關(guān)系。風(fēng)險(xiǎn)投資與知識(shí)投入之間的相關(guān)系數(shù)為：0.972，殘差值sig為0，能通過(guò)殘差檢驗(yàn)。表明了風(fēng)險(xiǎn)投資與知識(shí)投入之間存在著顯著的正相關(guān)關(guān)系。風(fēng)險(xiǎn)投資與短期利率之間的相關(guān)系數(shù)為：-0.378，殘差值sig為0.164（＞0.05），不能通過(guò)殘差檢驗(yàn)，所以風(fēng)險(xiǎn)投資與短期利率之間不存在著負(fù)相關(guān)關(guān)系。風(fēng)險(xiǎn)投資與長(zhǎng)期利率之間的相關(guān)系數(shù)為：-0.887，殘差值sig為0，能通過(guò)殘差檢驗(yàn)，這說(shuō)明風(fēng)險(xiǎn)投資與長(zhǎng)期利率之間確實(shí)存在著負(fù)相關(guān)關(guān)系，而且這是一種顯著的負(fù)相關(guān)關(guān)系。風(fēng)險(xiǎn)投資與就業(yè)率之間的相關(guān)系數(shù)為0.332，殘差值sig為0.226（＞0.05），不能通過(guò)殘差檢驗(yàn)，這說(shuō)明風(fēng)險(xiǎn)投資與就業(yè)率之間不存在著正相關(guān)關(guān)系。

總結(jié)一下風(fēng)險(xiǎn)投資與GDP，專利數(shù)量以及知識(shí)投入這三個(gè)因素之間存在著顯著的正相關(guān)關(guān)系，而與長(zhǎng)期利率之間存在著顯著的負(fù)相關(guān)關(guān)系。

在這里我們?yōu)榱俗畲笙薅鹊帽苊膺@七個(gè)因素之間的自相關(guān)以及共線性的問(wèn)題，采用因素分析的方法。

表3 因素分析初始結(jié)果

基于因素分析的初始結(jié)果顯示，根據(jù)主成分分析法所得到的7個(gè)特征值，是因素分析的初始解，通過(guò)這7個(gè)初始解以及對(duì)應(yīng)的特征向量，我們可以算出因素載荷矩陣。因?yàn)橐蛩刈兞磕軌蚪忉屆總€(gè)原始變量的所有方差都，所以原始變量的共同度都是1。通過(guò)第三列所計(jì)算出的變量共同度，并根據(jù)最終提取的m個(gè)特征值和對(duì)應(yīng)的特征向量，我們能夠計(jì)算出因素載荷矩陣。此時(shí)由于原始變量個(gè)數(shù)多與因素變量，那么每個(gè)變量的共同度一定是小于1的。比如第一行中0.988，就說(shuō)明m個(gè)因素變量能夠解釋掉原變量“GDP”方差的98.8%。

從總方差分解結(jié)果可以看出，如果采用如將這七個(gè)因素分為一類Cumulative的值為：59.408%，這個(gè)時(shí)候進(jìn)行因素分析效果是不好的；如將這七個(gè)因素分為兩類Cumulative的值為：82.325%，應(yīng)該說(shuō)這個(gè)時(shí)候采用因素分析法是有效的；如將這七個(gè)因素分為三類則Cumulative的值為：96.944%，這個(gè)時(shí)候進(jìn)行因素分析應(yīng)該說(shuō)效果是最好的；由此可見(jiàn)將這七個(gè)因素分為三類是最佳的選擇。

圖1 公共因素碎石圖

圖1的橫坐標(biāo)為公共因素?cái)?shù)量，縱坐標(biāo)為公共因素的特征值?？梢?jiàn)前面3個(gè)公共因素，特征值變化非常明顯，到4個(gè)特征值以后，特征值變化趨于平穩(wěn)。因此說(shuō)明提取3個(gè)公共因素可以對(duì)原變量的信息描述有顯著作用。這一點(diǎn)從前面的表格中也可以看出來(lái)。

從因素載荷矩陣中可以看出第一個(gè)因素中的GDP,專利數(shù)量,知識(shí)投入與風(fēng)險(xiǎn)投資比較相關(guān)。第二個(gè)因素中的：就業(yè)率以及短期利率與風(fēng)險(xiǎn)投資比較相關(guān)。第三個(gè)因素中的：國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入與風(fēng)險(xiǎn)投資比較相關(guān)。

表4 旋轉(zhuǎn)后的因素載荷矩陣

該表格所得到的結(jié)果是按照之前設(shè)定的方差極大法對(duì)因素載荷矩陣旋轉(zhuǎn)后而得出。在沒(méi)有通過(guò)旋轉(zhuǎn)的載荷矩陣中，在許多變量上因素變量都會(huì)存在比較高的載荷。其含義自然較模糊。

經(jīng)過(guò)旋轉(zhuǎn)以后，第一個(gè)因素變量含義略加清楚，基本上反映了“GDP”、“專利數(shù)量”、“知識(shí)投入”和“長(zhǎng)期利率”這幾個(gè)因素。

第二個(gè)因素基本上反映了“短期利率”和“就業(yè)率”這兩個(gè)因素。

第三個(gè)因素基本上反映了“國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入”這一個(gè)因素。

該表格是因素轉(zhuǎn)換矩陣，表明了因素提取的方法是主成分分析，旋轉(zhuǎn)的方法是方差極大法。

表5 因素轉(zhuǎn)換矩陣

從這個(gè)表格中可以看出因素1與因素2之間的相關(guān)系數(shù)是-0.021，表明之間沒(méi)有顯著相關(guān)性；因素1與因素3之間的相關(guān)系數(shù)是-0.148，表明之間沒(méi)有顯著相關(guān)性。

因素2與因素1之間的相關(guān)系數(shù)是-0.032，表明之間沒(méi)有顯著相關(guān)性；因素2與因素3之間為-0.346，表明之間沒(méi)有顯著相關(guān)性。

因素3與因素1之間系數(shù)為0.146，表明之間沒(méi)有顯著相關(guān)性；因素3與因素2之間系數(shù)為0.346，表明之間沒(méi)有顯著相關(guān)性。

表6 因素得分矩陣

該表格是因素得分矩陣。這是根據(jù)回歸算法計(jì)算出來(lái)的因素得分函數(shù)的系數(shù)，根據(jù)這個(gè)表格可以得到下面的因素得分函數(shù)：

第一個(gè)因素Factor 1=0.24×GDP-0.025×國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入+0.209×專利數(shù)量+0.253×知識(shí)投入-0.137×短期利率-0.247×長(zhǎng)期利率+0.107×就業(yè)率；

第二個(gè)因素Factor 2=0.027×GDP-0.108×國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入+0.045×專利數(shù)量+0.109×知識(shí)投入+0.447×短期利率+0.057×長(zhǎng)期利率+0.654×就業(yè)率；

第三個(gè)因素Factor 3=-0.014×GDP+0.941×國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入+0.151×專利數(shù)量-0.122×知識(shí)投入+0.222×短期利率+0.179×長(zhǎng)期利率-0.289×就業(yè)率。

經(jīng)過(guò)如上計(jì)算，就可以分別得到三個(gè)因素的值見(jiàn)表7。

表7 各因素年度數(shù)據(jù)計(jì)算表

表8 因素變量的協(xié)方差矩陣

表8是因素變量的協(xié)方差矩陣。通過(guò)前文的分析，獲得的因素變量應(yīng)該是正交且不相關(guān)的。以這個(gè)協(xié)方差矩陣來(lái)看，不同因素之間的數(shù)據(jù)是0，所以這也證明三個(gè)因素變量之間不存在相關(guān)性。

對(duì)以上三個(gè)因素做回歸分析。再次強(qiáng)調(diào)這樣做的目的是最大限度的避免共線性和自相關(guān)。

表9 引入或從回歸方程中被剔出的變量

表9是被引入或從回歸方程中被剔出的各變量。這部分結(jié)果說(shuō)明在對(duì)編號(hào)為1的模型的當(dāng)中（Model 1）進(jìn)行線性回歸分析時(shí)所采用的方法是全部引入法：Enter。

從上面的表格中可以看出參與回歸的是因素1和因素3。回歸模型拒絕了因素2，對(duì)因素1和因素3進(jìn)行回歸分析。

表10 模型總結(jié)

表10中R=0.987，這一指標(biāo)說(shuō)明模型與實(shí)際情況之間的擬合度，數(shù)值＞0.6就表明擬合度強(qiáng)；判定系數(shù)R-Square=0.974；調(diào)整判定系數(shù)Adjusted R Square=0.970，這一指標(biāo)也說(shuō)明模型與實(shí)際情況之間的擬合度，數(shù)值＞0.6就表明擬合度強(qiáng)；回歸估計(jì)的標(biāo)準(zhǔn)誤差S=11.24122。這些都說(shuō)明了樣本回歸方程的代表性強(qiáng)。

從上方差分析結(jié)果看出，統(tǒng)計(jì)量F=228.963；殘差值sig=0＜0.05，說(shuō)明能通過(guò)F檢驗(yàn)，自變量x與因變量y之間確實(shí)存在線性回歸關(guān)系。Sum of Squares一欄中分別代表回歸平方和（87865.935）、殘差平方和（1516.381）以及總平方和（59382.316），Df為自由度。

從回歸系數(shù)分析中，Unstandardized Coefficients為非標(biāo)準(zhǔn)化系數(shù)，Standardized Coefficients為標(biāo)準(zhǔn)化系數(shù)，t為回歸系數(shù)檢驗(yàn)統(tǒng)計(jì)量，sig為參差值。根據(jù)估計(jì)值及其檢驗(yàn)結(jié)果來(lái)看，常數(shù)項(xiàng)=-180.946，回歸系數(shù)1=0.012，回歸系數(shù)2=-0.002，回歸系數(shù)1檢驗(yàn)統(tǒng)計(jì)量t=8.464，殘差值sig=0＜0.05,說(shuō)明回歸系數(shù)1與0有顯著差別，該回歸模型包含因素1；回歸系數(shù)2檢驗(yàn)統(tǒng)計(jì)量t=-0.074，殘差值sig=0.942＞0.05，所以該項(xiàng)回歸系數(shù)不能通過(guò)t檢驗(yàn)，該回歸模型要剔除因素3。

綜合上面的分析可以得到回歸模型：

Y=-180.946+0.012×因素1（為非標(biāo)準(zhǔn)化的回歸模型）

Y=0.995×因素1（標(biāo)準(zhǔn)化的回歸模型）

根據(jù)前面提到的因素得分矩陣，因素1可表示為如下函數(shù)：

第一個(gè)因素Factor 1=0.24×GDP-0.025×國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入+0.209×專利數(shù)量+0.253×知識(shí)投入-0.137×短期利率-0.247×長(zhǎng)期利率+0.107×就業(yè)率，可將因素1代入上述回歸模型。

Y=-180.946+0.00288×GDP-0.0003×國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入+0.002508×專利數(shù)量+0.003036×知識(shí)投入-0.001644×短期利率-0.002964×長(zhǎng)期利率+0.001284×就業(yè)率 （為非標(biāo)準(zhǔn)化的回歸模型）

Y=0.2388×GDP-0.024875×國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入+0.207955×專利數(shù)量+0.251735×知識(shí)投入-0.136315×短期利率-0.245765×長(zhǎng)期利率+0.106465×就業(yè)率。（標(biāo)準(zhǔn)化的回歸模型）

表11 回歸模型剔出變量

表11表示進(jìn)入回歸模型開(kāi)始就剔出了因素2。

GDP,專利數(shù)量,知識(shí)投入對(duì)風(fēng)險(xiǎn)投資有促進(jìn)作用，其中知識(shí)投入的促進(jìn)作用最大。長(zhǎng)期利率與風(fēng)險(xiǎn)投資負(fù)相關(guān)。國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入與風(fēng)險(xiǎn)投資的關(guān)系最小。

3 實(shí)證分析結(jié)論及對(duì)我國(guó)啟示

3.1 實(shí)證結(jié)論

從標(biāo)準(zhǔn)化的回歸模型（標(biāo)準(zhǔn)化與非標(biāo)準(zhǔn)化的回歸模型都是等價(jià)的，選擇任意一個(gè)作為分析的依據(jù)都不會(huì)影響最終分析的結(jié)果）可以比較清楚的看到七個(gè)因素對(duì)風(fēng)險(xiǎn)投資的影響程度是不一樣的，按照影響程度的正負(fù)相關(guān)性分：知識(shí)投入，GDP，專利數(shù)量以及就業(yè)率這四個(gè)因素與風(fēng)險(xiǎn)投資正相關(guān)，對(duì)風(fēng)險(xiǎn)投資有促進(jìn)作用；長(zhǎng)期利率，短期利率以及國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入與風(fēng)險(xiǎn)投資負(fù)相關(guān)。

這里需要說(shuō)明的是經(jīng)過(guò)模型計(jì)算結(jié)果國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入與風(fēng)險(xiǎn)投資呈現(xiàn)不顯著的負(fù)相關(guān)的關(guān)系，這個(gè)結(jié)果與傳統(tǒng)意義上的理解和認(rèn)識(shí)是有一定偏差的。之所以存在這種偏差原因可能在于在做實(shí)證分析的時(shí)候沒(méi)有區(qū)分模型所用到的這里統(tǒng)計(jì)的國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入籠統(tǒng)概括了所有的國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入而沒(méi)有區(qū)分那些研發(fā)經(jīng)費(fèi)的投入是來(lái)自于風(fēng)險(xiǎn)投資，由于相關(guān)數(shù)據(jù)在收集以及整理方面存在一定的困難，暫時(shí)不能做相應(yīng)的回歸分析，這也是本文的局限性之一。

根據(jù)以上的排序依據(jù)，按照影響程度的絕對(duì)大小從高到低排列分別是：知識(shí)投入，長(zhǎng)期利率，GDP，專利數(shù)量，短期利率，就業(yè)率以及國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入。

3.2 中國(guó)發(fā)展風(fēng)險(xiǎn)投資業(yè)的經(jīng)驗(yàn)借鑒及啟示

前面的模型結(jié)論部分提到了七個(gè)影響因素按照影響程度的絕對(duì)大小從高到低排列分別是：知識(shí)投入，長(zhǎng)期利率，GDP，專利數(shù)量，短期利率，就業(yè)率以及國(guó)內(nèi)研發(fā)經(jīng)費(fèi)的投入。這里我們針對(duì)有重要影響的因素提出政策建議。大力促進(jìn)這些有重要影響作用的因素有助于促進(jìn)風(fēng)險(xiǎn)投資業(yè)的發(fā)展。

⑴加大知識(shí)投入的力度。

借鑒美國(guó)知識(shí)投入經(jīng)驗(yàn)，加大我國(guó)知識(shí)投入，為風(fēng)險(xiǎn)投資業(yè)的發(fā)展提供堅(jiān)實(shí)的物質(zhì)基礎(chǔ)。為了刺激風(fēng)險(xiǎn)投資的發(fā)展，必須在科技研發(fā)政策和科研經(jīng)費(fèi)的投入方面予以有力的支持，積極鼓勵(lì)高等院校和科研機(jī)構(gòu)的科技研發(fā)活動(dòng)、創(chuàng)業(yè)活動(dòng)、企業(yè)的技術(shù)創(chuàng)新活動(dòng)以及企業(yè)與高等院校以及科研機(jī)構(gòu)之間的密切合作，努力為風(fēng)險(xiǎn)投資開(kāi)辟一個(gè)選擇技術(shù)資源的廣闊空間，打下堅(jiān)實(shí)的物質(zhì)基礎(chǔ)。

⑵維護(hù)長(zhǎng)期穩(wěn)定的宏觀經(jīng)濟(jì)環(huán)境。

目前我國(guó)宏觀經(jīng)濟(jì)保持持續(xù)增長(zhǎng)，為發(fā)展風(fēng)險(xiǎn)投資業(yè)提供有利的宏觀經(jīng)濟(jì)環(huán)境。關(guān)于經(jīng)濟(jì)是否過(guò)熱的爭(zhēng)論有助于宏觀調(diào)控政策在防通脹還是防通縮之間尋找平衡。積極財(cái)政貨幣政策的轉(zhuǎn)向和穩(wěn)健貨幣政策的繼續(xù)實(shí)施，以及穩(wěn)定的人民幣匯率政策和國(guó)際經(jīng)濟(jì)的加快復(fù)蘇步伐，都是中國(guó)經(jīng)濟(jì)繼續(xù)保持增長(zhǎng)的有力保證，這也為風(fēng)險(xiǎn)投資業(yè)在我國(guó)的發(fā)展?fàn)I造了有利的宏觀環(huán)境。

⑶加強(qiáng)對(duì)知識(shí)產(chǎn)權(quán)的保護(hù)。

一方面，通過(guò)產(chǎn)權(quán)交易市場(chǎng)為那些尚未到達(dá)上市要求的風(fēng)險(xiǎn)企業(yè)提供股份轉(zhuǎn)讓的場(chǎng)所，使其股票具有一定的流動(dòng)性，以實(shí)現(xiàn)當(dāng)前一部分風(fēng)險(xiǎn)資本的退出，也可以為風(fēng)險(xiǎn)企業(yè)將來(lái)在創(chuàng)業(yè)板市場(chǎng)直接上市降低風(fēng)險(xiǎn)；另一方面，利用技術(shù)交易市場(chǎng)使那些實(shí)力相對(duì)較弱而又急于變現(xiàn)的風(fēng)險(xiǎn)投資公司的科研成果能夠采取技術(shù)轉(zhuǎn)讓方式，取得轉(zhuǎn)讓費(fèi)用，從而收回原始投資。發(fā)展技術(shù)產(chǎn)權(quán)交易市場(chǎng)是迅速形成風(fēng)險(xiǎn)投資市場(chǎng)基礎(chǔ)和市場(chǎng)機(jī)制的有效途徑之一。

⑷建立相應(yīng)的低長(zhǎng)期利率配套措施。

長(zhǎng)期利率水平會(huì)影響風(fēng)險(xiǎn)投資的供給。如果長(zhǎng)期利率水平升高，普通投資者會(huì)轉(zhuǎn)向風(fēng)險(xiǎn)相對(duì)較低的替代金融資產(chǎn)，從而降低投資者介入風(fēng)險(xiǎn)資本的意愿，減少風(fēng)險(xiǎn)資本的供給；反之，則將增加風(fēng)險(xiǎn)資本的供給。有鑒于此，為了刺激我國(guó)風(fēng)險(xiǎn)投資業(yè)的發(fā)展，應(yīng)采用相應(yīng)的長(zhǎng)期利率配套措施，這里也就是指低長(zhǎng)期利率的策略。

[1]饒衛(wèi),閔宗陶.基于KMRW模型的我國(guó)高科技風(fēng)險(xiǎn)投資博弈分析[J].統(tǒng)計(jì)與決策,2011,(18).

[2]李武.創(chuàng)業(yè)型企業(yè)與風(fēng)險(xiǎn)投資合作機(jī)制的博弈分析[J].科技進(jìn)步與對(duì)策,2012,(7).

[3]喜濟(jì)峰,郭立宏.風(fēng)險(xiǎn)投資促進(jìn)技術(shù)創(chuàng)新的動(dòng)力機(jī)制和效應(yīng)分析[J].科學(xué)管理研究,2012,(1).

[4]鄭君君,韓笑.基于風(fēng)險(xiǎn)投資的IPO統(tǒng)一價(jià)格拍賣(mài)定價(jià)機(jī)制及抑價(jià)研究[J].武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2011,(2).

[5]Government Support for Venture Capital[J].Forum,2002,(5).

[6]New Report Calls for Reforms to Maintain Venture Capital Investment in China.Ernst&Young Certified Public Accounts[Z].2005.

[7]張格亮,李昕.美國(guó)風(fēng)險(xiǎn)投資的發(fā)展歷程與啟示[J].牡丹江大學(xué)學(xué)報(bào),2012,(1).

F224.9

A

1002-6487（2013）04-0160-04

朱永貴（1971-），男，四川自貢人，博士研究生，副教授，研究方向：風(fēng)險(xiǎn)投資與證券投資。

（責(zé)任編輯/浩 天）