協同創新金融環境研究范文

本站小編為你精心準備了協同創新金融環境研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1協同創新與金融

創新的理念最先由熊彼特提出，經過長達一個世紀的探索與實踐，技術創新的理論愈發成熟與完善。進入21世紀，人類社會開始了全新的時代，知識經濟成為了全新的經濟形態。創新成為社會經濟發展至關重要的元素，關于創新理論的研究熱潮也是空前高漲。協同創新已經成為我國重要創新模式之一［3-4］。協同創新是在政府的指導下，以市場為導向、企業為主體、大學和研究機構為主力軍、金融機構為支撐的創新模式，但是我國現階段的協同創新大多是政府帶頭、政府出資，市場和金融機構沒有很好進入協同創新中來。而對于協同創新，沒有市場和金融的支持很容易流于形式，無法把協同創新的優勢完全發揮出來。協同創新的實現需要各創新主體發揮各自重要的作用。協同創新作為我國新的創新模式，需要一個良好的支持性制度，否則難以發揮其作用。現代經濟是以金融為主導要素之一，隨著社會進步，金融制度的安排對協同創新的影響將越來越大［6］。企業與高校、科研機構之間的協同合作并不會自發產生，雖然我國政府長久以來一直在倡導產學研合作發展協同創新，但迄今為止我國企業與高校之間的合作還不夠緊密，行業間的技術創新處于各自為政的狀態，企業與企業、企業與高校之間的交流很少，行業間技術壁壘嚴重。其中缺乏資金支持已經成為我國協同創新模式探索的重要阻礙［7］。因此，研究協同創新的金融環境對推進我國協同創新發展有很大作用。

2仿真分析

2．1概念模型本文研究的是影響金融參與協同創新的因素。協同創新的資金來源主要有政府資金、企業內部資金及金融市場資金。運用計算機技術模擬三種資金參與協同創新的整個過程，我們假設一個協同創新項目，其企業方A的總體評估為［0～1］中的隨機數α，對高校B的創新能力評估為［0～1］中的隨機數β，高校與風險投資之間的信息不對稱量σ。假設1:政府的資金資助對于每一個項目是無差別對待的，并且能夠獲得政府資助的項目占社會總項目數的2%(經過試驗，改變這個數字對仿真結果無影響)。假設2:企業方A的總體評估大于0．7的企業是有能力從內源性資金中拿出來用作協同創新投資的，并且這些企業有相同的機率會從外界融資作為R＆D資金，與企業的總體評估能力α無關。假設3:社會上風險投資機構的水平是一致的，并且仿真不考慮風險投資機構對協同創新項目的負面影響(如過度干預管理、技術泄漏等問題)。通過上述的3個假設，可建立模型模擬金融公司在處理協同創新項目時的決策過程，進而分析影響金融公司介入產學研協同創新的因素。在同一行業下，對于金融公司來說行業的預測投資回報率是一定的，記為r，當風險投資公司遇到一個協同創新項目的時候，會根據對企業的能力評估α和高校的創新能力評估β作一個成功率的預測f(α，β－σ)，該預測是風險投資從業者根據行業從業經驗給出，同時，因為風險投資的介入，協同創新獲得資金、管理咨詢、產品試驗反饋等幫助，協同創新的成功率也提高了，金融公司對協同創新的影響為g(α，β－σ)。則當滿足條件f(α，β－σ)+g(α，β－σ)≥1/r的時候，金融公司才會考慮投資協同創新項目。

2．2模型計算原理及數據

2．2．1隨機數的產生本仿真中所用到的隨機數有企業方A的總體評估α、對高校B的創新能力評估β、高校與風險投資之間的信息不對稱量σ。企業方A的總體評估α和高校B的創新能力評估β可以看作為服從正態分布的隨機數，我們可以利用計算機產生服從均值為e，標準差為1/6正態分布的隨機數，根據3σ準則，隨機數有99．74%的概率落在［e－0．5，e+0．5］區間內，將小于1、大于0的刪除重新產生隨機數。信息不對稱量σ則服從均值為e，標準差為e/3的正態分布的隨機數，根據3σ準則，隨機數有99.74%的概率落在［0，2e］的區間內，將小于0的隨機數刪除重新產生隨機數。

2．2．2BP神經網絡算法對于判斷風險投資公司是否參與投資產學研協同創新的公式中的f(α，β－σ)和g(α，β－σ)函數是根據經驗所得到的預測函數，一般來說預測函數可以使用BP神經網絡算法求得。BP神經網絡算法是一種按誤差逆傳播算法訓練的多層前饋網絡。算法的主要思想是輸入學習樣本，使用反向傳播算法對網絡的權值和偏差進行反復的訓練，使得輸出向量與期望向量盡可能地接近，當網絡輸出層的誤差平方和小于指定的誤差時訓練完成，保存網絡的權值和偏差［9-10］。

2．2．3調查問卷本文通過調查問卷方式獲得樣本，調查問卷主要針對風險投資從業者，通過郵箱發放問卷，調查時間為2014年9—11月，共收集問卷154份，有效問卷為154份。問卷調查選擇生物醫療行業、機械制造行業、IT行業、能源及礦產行業、電子及光電設備行業、化工行業等6個高新技術行業的風險投資從業者，這些行業也是風險投資的熱門行業，這些行業在2013年獲得私募股權基金的投資案例都超過了20件，最高的生物醫療行業有66件成功獲得投資的案例。調查問卷涉及生物醫療行業27份、機械制造行業41份、IT行業24份、能源及礦產行業17份、電子及光電設備行業9份、化工行業5份、其他行業31份。通過生物醫療、機械制造、IT、能源及礦產等4個行業的調查問卷結果可以得出仿真模型需要的學習樣本。

2．3仿真及結果分析

2．3．1仿真模型一將政府資金和企業內部資金加入到仿真模型中來，以機械制造行業為例，根據假設1:政府的資金資助對于每一個項目是無差別對待的并且能夠獲得政府資助的項目占社會總項目數的2%;假設2:企業方A的總體評估大于0．7的企業有能力從內源性資金中拿出來用作協同創新投資并且這些企業有相同的幾率從外界融資作為R＆D資金與企業的總體評估能力α無關。給定的企業的總體評估α和高校創新能力的評估β的隨機數特征，即其正態分布的均值，隨機產生10000個協同創新項目，任何一個協同創新項目都有2%的幾率獲得政府資金的支持，對企業能力評估大于0．7的企業，其有能力用內部資金支持協同創新活動。首先，假設企業用內部資金支持協同創新活動的幾率為35%，分析產學研協同創新的資金來源與企業能力及高校創新能力的關系。在企業總體能力評估的均值為0．4、0．5、0．6的情況下，改變β的均值從0．3到0．7，進行模擬，得到在10000個項目中獲得政府資金支持的、企業內部資金支持的和金融市場資金支持的項目數，結果見表1。從表1可以看出，政府性資金獲得的項目數量大約按設定保持在2%左右，與α和β的均值無關，企業內部資金支持項目在α的均值為0．4的情況下，占總項目的比重為1%左右，在α的均值為0.5的時候，占總項目的比重為4%，在α的均值為0.6的時候，占總項目的比重為9%。綜合來說，獲得企業內部資金支持的項目隨著α的均值增加而增加，與β的均值無關，跟模型構造的情況符合，其增長幅度也是隨著α的均值的增加而增加，呈指數型增長。接下來把各種情況下的政府性資金支持的項目數、企業內部資金支持的項目數、金融市場資金支持的項目數換算成比例，如圖1所示。從圖1可以看出，在社會企業整體水平比較低的情況下(α均值為0.4)，政府資金發揮了很大的作用，在β均值為0．3的時候，政府性資金支持占到整個社會協同創新項目的50%以上，說明了在社會整體創新能力偏低的情況下政府的引導作用至關重要。隨著社會企業能力的提升，政府的引導作用漸漸變淡，α均值為0．6，代表社會企業能力很高，此時政府資金支持的協同創新項目在總協同創新項目中的比例僅在10%左右，取而代之的是企業內部資金，在β均值為0．3的時候，獲得企業內部資金支持的協同創新項目占總協同創新項目的60%左右，隨著β均值的提升，這個比例會呈下降趨勢，主要是因為企業資金有限，金融資金的參與使得企業內部資金所占比例越來越少，但也是產學研協同創新資金來源的一個十分重要的組成部分。接下來研究企業內部資金對產學研協同創新獲得資金支持的影響，在前面的模型中假設的是能力評估大于0.7的企業有35%的概率是用內部資金支持產學研協同創新，有65%的概率通過外部融資支持產學研協同創新。在α和β均值分別為(0.4，0.4)、(0.6，0.6)、(0.6，0.5)、(0.6，0.4)、(0.4，0.6)、(0.5，0.6)六種情況下，改變企業使用內部資金的概率從10%～75%進行仿真，將各種情況下產學研協同創新項目獲得資金支持的數量記錄下來，所得結果見圖2，由(0.4，0.4)、(0.4，0.6)兩種情況的仿真結果可以看出，在社會企業綜合能力很低(α均值為0.4)的情況下，企業內部資金對產學研協同創新獲得資金支持的影響很小，主要是因為在這種情況下，社會上有能力用內部資金支持產學研協同創新的企業就很少。由(0.6，0.6)、(0.5，0.6)兩種情況的仿真結果可以看出，在高校創新能力很高(β均值為0.6)的情況下，企業內部資金對產學研協同創新獲得資金支持的影響也不是很明顯，主要是因為高校創新能力很高，金融機構預測產學研協同創新的成功率很高，有更多的金融資金進入產學研協同創新中來，使得企業內部資金對產學研協同創新獲得資金支持的影響不明顯。由(0.6，0.4)、(0.6，0.5)兩種情況的仿真結果可以看出，在社會企業綜合能力很高(α均值為0.6)而高校創新能力水平一般(均值為0.4、0.5)的情況下，企業內部資金對產學研協同創新獲得資金支持的影響很明顯，這種情況下，企業綜合能力很高，有更多的企業可以用內部資金支持產學研協同創新，而因為高校創新能力水平一般，金融市場對產學研協同創新評估偏低，進入產學研協同創新的金融資金有限，因而企業的內部資金在這種情況下顯得尤為重要。綜上所述，企業政府性資金在社會企業評估水平(α均值)和高校創新能力(β均值)都很低的情況或產學研協同創新初期起到了很重要的作用，扮演著主導者的角色。隨著社會企業評估水平(α均值)和高校創新能力(β均值)的提高，政府資金在產學研協同創新的資金來源中的分量越來越少，即在產學研協同創新發展到一定階段之后，政府將把產學研協同創新的主導權交給市場。隨著高校創新能力(β均值)的提高，產學研協同創新成功率變高，金融資金將成為產學研協同創新資金的主要來源。在社會企業評估水平(α均值)很高而高校創新能力水平一般(β均值)的情況下，企業內部資金對產學研協同創新獲得資金支持的影響會很明顯。

2．3．2仿真模型二接下來將研究信息不對稱對產學研協同創新獲得資金支持的影響。同樣以機械制造行業為例，先假設在企業總體能力(α均值)為0.6，高?？傮w能力(β均值)為0.6的環境下，通過改變金融機構與協同創新主體之間信息不對稱量的均值從0到0.15，進行模擬仿真，其結果見圖3。由圖3可以看出，信息不對稱量σ的均值在［0，0．5］之間，產學研協同創新得到資金支持的項目數在快速下降，但下降的速率在降低，在信息不對稱量σ的均值大于0．5之后，產學研協同創新得到資金支持的項目數趨于平穩。信息不對稱量σ不斷增大，但實驗結果依然趨于平穩的主要原因是這些獲得資金支持的產學研協同創新項目大部分是由政府資金支持和企業內部資金支持，而金融機構因為信息不對稱過大而不敢貿然支持產學研協同創新項目。在信息不對稱量σ的均值保持在［0，0．5］之間的時候，每減少一點信息不對稱量，獲得資金支持的產學研協同創新項目數就成指數性增加，說明了金融資金對信息不對稱是異常敏感的，為了能使得產學研協同創新項目獲得金融資金的支持，與提高高校創新能力相比，更實際有效的手段就是想辦法解決金融機構、企業與高校科研機構之間的信息不對稱問題。

2．3．3仿真模型三在這個模型中，將研究所屬行業對其產學研協同創新獲得資金支持的影響。不考慮政府和企業內部資金，只考慮金融市場的資金，同樣是隨機產生10000個項目，每個項目可能是機械制造行業、生物醫療行業、能源及礦產行業及IT行業，而概率是同等的。在這10000個項目中只有10%的項目能夠獲得資金支持，根據優勝劣汰的法則，越是投資回報率高、越是被看好的項目，則越有可能獲得資金的支持。投資回報率依舊采用行業帳面平均回報率，然后使用BP神經網絡算法計算項目的成功機率，然后用帳面平均回報率與成功機率相乘得到項目的期望回報率，選取期望回報率排在前1000的項目，這1000個項目就是會得到資金支持的項目。該1000個項目的行業分布情況見圖4。由圖4可以看出，在社會資源有限的情況下，各個行業獲得投資的幾率是不同的，其中IT行業、生物醫療行業有更多的項目能夠獲得資金支持，這主要是因為這兩個行業的投資回報率高，2013年中國私募股權投資年度研究報告顯示IT行業、生物醫療行業的平均帳面回報率有14．62和11．47，而機械制造、能源及礦產行業的平均帳面回報率僅為6．38和5．74。盡管行業不同，但其產學研協同創新的成功率相差不會太大，因此導致了資金大量流向投資回報率高的產業，而很多投資回報率低但同時對我國經濟發展有很大價值的項目沒有及時得到資金的支持。綜上所述，我國政府在政策制定的時候需要以各行業均衡發展為原則，對投資回報低的行業創新給予一定的政策優惠，比如建立專門針對該行業的產學研協同創新基金，稅收優惠，政府風險投資要優先考慮這些行業的項目。

3總結

本文通過系統仿真的方法，模擬了金融機構在參與協同創新項目的決策過程，分析了其與社會企業水平及高校創新能力、政府資金及企業內部資金、信息不對稱及各個行業之間的關系。得出一系列的結論，并給出一些建議。企業政府性資金在社會企業評估水平(α均值)和高校創新能力(β均值)都很低的情況或產學研協同創新初期起到很重要的作用，扮演著主導者的角色。隨著社會企業評估水平(α均值)和高校創新能力(β均值)的提高，政府資金在產學研協同創新的資金來源中的分量越來越少。隨著高校創新能力(β均值)的提高，產學研協同創新成功率變高，金融資金將成為產學研協同創新資金的主要來源。在社會企業評估水平(α均值)很高而高校創新能力水平一般(β均值)的情況下，企業內部資金對產學研協同創新獲得資金支持的影響會很明顯。在信息不對稱量σ的均值保持在［0，0．5］之間的時候，每減少一點信息不對稱量，獲得資金支持的產學研協同創新項目數就成指數性增加，說明金融資金對信息不對稱是異常敏感的，為了能使得產學研協同創新項目獲得金融資金的支持，與提高高校創新能力相比，更實際有效的手段就是想辦法解決金融機構、企業與高?？蒲袡C構之間的信息不對稱問題。在社會資源有限的情況下，各個行業獲得投資的幾率是不同的，我國政府在政策制定的時候需要以各行業均衡發展為原則，對投資回報低的行業創新給予一定的政策優惠，比如建立專門針對該行業的產學研協同創新基金，稅收優惠，政府風險投資要優先考慮這些行業的項目。

作者：李一然 謝富紀 單位：上海交通大學安泰經濟與管理學院