黃彬

[提要] 股權眾籌對于解決當前創(chuàng)業(yè)企業(yè)融資具有重要意義。近年來，越來越多的學者對此進行研究。本文檢索國內股權眾籌相關文章，對文獻中的高頻詞及其高頻詞間的相關性進行分析。分析結果顯示：國內股權眾籌的研究熱點主要是其本身的互聯網金融研究，以及國家政府監(jiān)管層面的法律法規(guī)和政策的制定。同時，在股權眾籌研究領域，目前并沒有形成足夠核心的研究方向。

關鍵詞：共詞分析；股權眾籌；互聯網金融

中圖分類號：F83 文獻標識碼：A

收錄日期：2017年3月16日

引言

眾籌是近幾年來互聯網金融領域快速發(fā)展起來的一種模式，詞語來源自對英文單詞Crowdfunding的翻譯，是指一種向群眾募資，以支持發(fā)起的個人或組織的行為。根據眾籌的回報類型，可以將其劃分為商品眾籌、股權眾籌和債權眾籌。股權眾籌相比其他類型的眾籌，具有融資金額較大、融資風險更高的特點。近兩年股權眾籌受到了越來越多的關注，為此本文主要針對股權眾籌進行研究。

根據國際證監(jiān)會組織（IOSCO）的定義，股權眾籌是指通過互聯網技術，從個人投資者或投資機構獲取資金的金融活動。其主體包括融資方、眾籌平臺、投資者等要素。融資方向普通投資者出讓一定比例的公司股份，投資者通過投資入股公司，期望獲得未來收益。股權眾籌相比于傳統的融資方式，具有小額和大量的特點，同時明顯降低了私募股權的融資門檻。在國家大力提倡“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”的今天，股權眾籌也成為了創(chuàng)業(yè)公司獲得融資的一條重要途徑。

鑒于股權眾籌對于國家創(chuàng)業(yè)創(chuàng)新政策、互聯網金融創(chuàng)新等方面有著非常重要的意義，本文將以“股權眾籌”為切入點，利用共詞分析的方法，試圖探究和分析股權眾籌的發(fā)展現狀、研究熱點和趨勢。

一、共詞分析法

共詞分析方法最早在20世紀70年代中后期由法國文獻計量學家提出，通過對文獻集中詞匯對或名詞短語共同出現的情況進行統計分析，來確定該文獻集所代表學科中各主題之間的關系。一般認為，詞匯對在同一篇文獻出現的次數越多，則表明該詞匯對所代表的兩個主題的關系越緊密。由此，對一組文獻的主題詞相互之間在同一篇文獻中出現的頻率進行統計，便可以構建出一個由這些主題詞對關聯所組成的共詞網絡，網絡內節(jié)點之間的遠近便可以反映主題內容的親疏關系。共詞分析就是以此為原理，將文獻主題詞作為分析對象，利用包容系數、聚類分析等多種統計分析方法，把眾多分析對象之間錯綜復雜的共詞網狀關系簡化成以數值、圖形直觀地表示出來的過程。

利用共詞分析的基本原理，可以概述研究領域的研究熱點。一般而言，運用共詞分析法進行文獻情報的分析研究大致可分為六個步驟：（1）確定分析的問題；（2）確定分析單元；（3）確定分析的高頻詞；（4）確定共詞出現頻率；（5）使用統計方法分析；（6）共詞結果分析。共詞分析的價值以及研究成功的體現，將主要取決于對共詞結果所做的分析。

二、數據來源與高頻關鍵詞詞頻分析

本文選取中國知網（CNKI）的中國學術期刊網絡出版總庫作為數據來源。本文在CNKI期刊數據庫中以“股權眾籌”為主題進行檢索，同時考慮到現有眾籌相關研究文章中也包含有關股權眾籌的研究，該檢索條件可能會造成這類主題文章的遺漏，故在原有檢索條件的基礎上加入“或者主題包含‘股權且同時包含‘眾籌”的條件檢索，檢索時間為2016年9月26號。根據該檢索條件，共檢索到期刊紀錄259條。

根據高頻關鍵詞表可以看出：（1）排名前三的高頻關鍵詞分別是股權眾籌、籌融資和互聯網金融，都屬于與金融相關的內容，這說明股權眾籌研究的熱點還是集中在其本身的金融領域；（2）在頻次大于等于10的24個高頻關鍵詞中，與國家相關的部門、政策以及法律方面的關鍵詞占了7個，分別是中國證券業(yè)協會、注冊制、法律風險、管理辦法、信息披露、JOBS法案、監(jiān)管，這表明股權眾籌研究的一大部分與國家制定的相關法律、有關部門頒布的政策息息相關。國家的法律、政策的制定與頒發(fā)，將在很大程度上影響股權眾籌的發(fā)展；（3）風險將是股權眾籌所面臨的一個巨大的問題。在所有選取的高頻關鍵詞中，能夠進行歸類的有法律風險、風險管控、風險投資和風險這四個關鍵詞。結合（2）中所作出的分析，國家的相關法律、政策主要解決的問題就是如何管控和規(guī)避股權眾籌過程中會遇到的風險問題；（4）本文引言部分提到股權眾籌已經成為了創(chuàng)業(yè)公司獲得融資的一條重要途徑。從高頻關鍵詞表中可以看出，有關創(chuàng)業(yè)公司融資的關鍵詞總共有11個，這表明了股權眾籌目前的研究重心主要是圍繞創(chuàng)業(yè)公司融資、投資者投資而展開的，目的是向兩者更好地提供股權眾籌的服務；（5）高頻關鍵詞中的第三方支付、淘寶網，代表股權眾籌與已有平臺模式相結合的研究。這可能是一個未來重要的研究方向。

以上這些關鍵詞在股權眾籌的文獻中出現頻率較高，一定程度上代表了目前股權眾籌方面的研究重點和熱點。但是僅僅從頻次上并不能體現出關鍵詞之間的關系。因此，本文接下來將通過數據分析工具EXCEL和SPSS對高頻關鍵詞表做進一步的分析。

三、共詞結果分析

（一）構造矩陣。在得到高頻關鍵詞列表后，需要構建共詞矩陣，將這24個高頻關鍵詞兩兩組合，統計它們在檢索出來的259篇文章中共同出現的次數，得到一個的共詞矩陣，如表2所示。共詞矩陣是一個相關矩陣，對角線上的數據為該詞出現的頻次。共詞矩陣是使用共詞分析統計方法的基礎，由于運用到的分析方法對矩陣的數據結構有不同的要求，本文將共詞矩陣轉化為相關矩陣和相異矩陣以滿足不同統計方法的需求。（表2）

本文在共詞矩陣的基礎上，使用Ochiia等值系數的方法構造相關矩陣。

其中，Eij代表任意關鍵詞共同出現的概率；Cij代表任意兩個關鍵詞在文獻中共同出現的頻次；Ci代表其中一個關鍵詞在文獻中出現的頻次，也就是該關鍵詞的詞頻；Cj代表另一個關鍵詞在文獻中出現的頻次。

以此為方法得到的相關矩陣，如表3所示。（表3）

相關矩陣中的數值表示兩個關鍵詞的相關程度，取值范圍在[0，1]。數值越大表示兩個關鍵詞相關程度越高。經過Ochiia系數計算得出的相關矩陣中0值過多，在使用統計方法時會造成較大誤差。因此，用1與相關矩陣中的各個數字相減，得到對應的相異矩陣，從而減小誤差。

（二）聚類分析。聚類分析是共詞分析中常用的一種方法。利用聚類的統計學方法，能夠把眾多分析對象之間錯綜復雜的共詞網狀關系簡化為數目相對較少的若干類群之間的關系，并直觀地表示出來。通過聚類分析，能把關聯密切的主題聚集在一起形成類團，表達某一領域分支的組成。同時，類團內屬性相似性最大，類團間屬性相似性最小。

利用SPSS，導入已經轉換好的相異矩陣，選擇分析里分類中的系統聚類，在方法中選擇組間聯接法，即兩類之間個體之間距離的平均值。該方法利用了個體與小類的所有距離的信息，能夠減少極端值對于距離的影響。由此得到圖1所示的聚類分析樹狀圖。（圖1）

以圖1中取類團之間映射到距離為20的情況，根據各個關鍵詞之間的親疏程度，可以明顯將其聚為三類：第一類主要圍繞私募股權眾籌融資展開；第二類以對創(chuàng)業(yè)公司的股權投資為主，通過股權投資與平臺、支付、資本市場相結合；第三類以互聯網金融為核心，風險與監(jiān)管是其中的重點。

1、私募股權眾籌融資。股權眾籌是私募股權的互聯網化，私募股權屬于無擔保的股權眾籌。由于私募股權投資的風險較大，信息披露不充分，故往往采取非公開募集的形式。2014年12月中國證券業(yè)協會發(fā)布了《私募股權眾籌融資管理辦法（試行）（征求意見稿）》，并于2015年3月作出了最新修訂。該征求意見稿在股權眾籌非公開發(fā)行性質、股權眾籌平臺定位、投資者的界定與保護、融資者的義務等方面，對股權眾籌的監(jiān)管問題進行了初步界定。由此可以看出，股權眾籌的一個研究方向是對私募股權眾籌在性質、股權投資雙方以及管理辦法上做進一步的研究，從而完善私募股權眾籌的管理體系。

2、對創(chuàng)業(yè)公司的股權投資。在今天這樣的創(chuàng)業(yè)熱潮下，融資低門檻的特點使股權眾籌成為創(chuàng)業(yè)公司獲得融資的一條重要途經。然而，通過股權眾籌進行天使投資、風險投資都會面臨優(yōu)秀創(chuàng)業(yè)項目少、創(chuàng)業(yè)公司估值難、建立信任久以及退出周期長等一系列的問題。股權眾籌作為新型的股權交易模式，在平臺化、支付等方面都需要與淘寶這樣的電商平臺和第三方支付相結合。同時從股權眾籌市場來看，更多巨頭機構逐漸入局，將股權眾籌與資本市場緊密聯系起來。因此，解決對創(chuàng)業(yè)公司的股權投資，對接平臺、支付與資本市場，會是股權眾籌發(fā)展的一個方向。

3、互聯網金融。股權眾籌本身就是互聯網金融的一個子集，因此目前來看，關于股權眾籌的大部分研究主要集中在互聯網金融尤其是眾籌方向的研究文章中。但是隨著股權眾籌越來越被關注，針對股權眾籌的細分研究也會越來越深入，重點、熱點將不斷被挖掘。在互聯網金融領域，有關風險、法律以及監(jiān)管是重要的研究熱點，針對其中的細分領域，也有了一定深入的研究，例如股權眾籌方面，對美國創(chuàng)業(yè)企業(yè)融資法案（即JOBS法案），就已經有了相關的研究解讀。所以，針對股權眾籌的風險、法律以及監(jiān)管問題會最先成為該領域研究的重點、熱點。

（三）多維尺度分析。多維尺度法是一種將多維空間的研究對象（樣本或變量）簡化到低維空間進行定位、分析和歸類，同時又保留對象間原始關系的數據分析方法。其主要思想是通過測定觀測量之間的距離來發(fā)現各個觀測量之間的結構。在多維尺度分析所展示的圖中，被分析的研究對象在圖中以點的形式分布，其中相似性高的對象會聚集在一起，進而形成一個類別。同時，研究對象越靠近中間代表其研究地位越核心。多維尺度分析一般使用相異矩陣。

根據高頻關鍵詞的相異矩陣，在SPSS軟件的分析中點擊標度，選擇多維標度（ALSCAL）功能。設置根據數據創(chuàng)建距離選項，度量標準用區(qū)間Euclidean距離，結果如圖2所示。（圖2）

四、結語

本文以從中國知網（CNKI）的中國學術期刊網絡出版總庫獲得的國內股權眾籌高頻關鍵詞為數據基礎，通過共詞分析的研究方法，對股權眾籌的研究現狀與熱點進行了分析，以期能夠對揭示、預測股權眾籌的研究重點與方向起到一定作用。

然而，本文中也存在需要深入研究、改進的地方。首先是對關鍵詞的處理上，合并或去除關鍵詞都屬于主觀上的操作，尤其是意思相近詞的判斷上，可能存在以偏概全或者太過籠統的情況，例如高頻關鍵詞“風險”、“監(jiān)管”；其次，高頻關鍵詞的選取上，會因為不同的選取范圍而造成結果的不同；再次，在轉換相關矩陣時使用的Ochiia系數中開根號計算保留4位小數會影響相關矩陣以及相異矩陣的精確程度，從而對結果產生一定的誤差影響；最后，雖然按照年份來看，股權眾籌的發(fā)文數量越來越多，受到的關注越來越大，但是由于發(fā)展時間還不長，因此導致數據量較小，加上共詞分析存在時間滯后的問題，所以對未來研究熱點和方向的預測上會造成一定的影響，并且不排除某些低頻詞未來有成為熱點的可能性。

綜上所述，針對國內股權眾籌的研究具有非常重要的意義，需要長期持續(xù)的進行研究和改進。

主要參考文獻：

[1]壹零財經，壹零數據.眾籌服務行業(yè)白皮書（2014）[M].北京：中國經濟出版社，2014.

[2]鐘偉金，李佳.共詞分析法研究（一）——共詞分析的過程與方式[J].情報雜志，2008.5.

[3]孫清蘭.高頻詞與低頻詞的界分及詞頻估算法[J].中國圖書館學報，1992.2.

[4]鐘偉金，李佳.共詞分析法研究（三）——共詞聚類分析法的原理與特點[J].情報雜志，2008.7.

[5]儲節(jié)旺，閏士濤.知識管理學科體系研究（下）——聚類分析和多維尺度分析[J].情報理論與實踐，2012.3.

[6]儲節(jié)旺，郭春俠.共詞分析法的基本原理及EXCEL實現[J].情報科學，2011.6.

[7]上海交通大學互聯網金融研究所.2015中國股權眾籌行業(yè)發(fā)展報告[R].2015.