导语

中国有大大小小上千家风险投资机构，它们之间的交互关系会形成什么特性的网络呢？演化机制又是如何？我们应该如何对其动态建模？又能够得出中国风险投资怎样的特点呢？针对以上问题，清华大学社会学系的罗家德教授带领其团队经过数年辛苦研究，在其最新发表在social networks 期刊的论文中给出了部分答案。

论文题目：

Exploring Small-World Network with an Elite-Clique: Bringing Embeddedness ory into Dynamic Evolution a Venture Capital Network

论文地址：

https://arxiv.org/abs/1811.07471

论文作者：

Weiwei Gu , Jar-der Luo, Jifan Liu

风险投资(venture captital, VC)是一项高风险和高回报并存的商业活动，也是帮助潜力企业快速成长的重要力量。年轻企业的首轮融资，通常是由大型投资机构领投，其他小型机构跟投，机构之间通常具有leader和follower的角色关系。大型投资机构为了分散风险，已经今后方便获得更好的投资机会通常会和其他机构合作投资，这种合作投资的关系构成了风险投资合作网。

年轻企业的一轮融资通常由多家VC共同参与完成。参与同一家企业的融资，表明这些VC之间愿意相互分担风险与收益，具有较好的信任关系。所以，共同投资是VC之间链接(tie)的强烈体现。

以此为基础，作者通过收集公开信息，统计了国内各个VC的投资记录，以VC为节点，共同投资(co-investment)次数为连边权重，勾画出了中国VC的关系网络。该网络具有1436个节点（VC机构）和4623条连边（2000-2013年间的共同投资记录）。

风险投资合作网络的结构与性质

那这个网络形成背后的机制到底是什么，其具有什么样的结构与性质呢？作者计算了网络的许多统计量来深入了解网络结构与性质。

作者首先定义了节点之间的距离：如节点不相连，则距离为为其最短到达步数；若节点相连，则距离为其共同投资次数的倒数。例如a和b两家VC共同投资5次，那么其距离为1/5。按照常理而言，双方合作次数越多（距离越小），相互之间越信任，再次合作的机会也就更大。作者在VC网络中也发现了这个规律：当距离大于等于三时，两家VC机构在接下来几乎不会合作；而合作次数越多的VC，接下来继续合作的机会更大。

进一步，作者利用德菲尔调研法，邀请中国风投领域的大佬，通过交叉验证的方式确定了中国风险投资界42家最关键的VC机构，同时把其定义为中国风投的精英（elites）。通过分析发现，这些elites和其他VC相比，具有下图所示的特点——

elites（大节点）不仅有众多连接紧密的跟随者，同时还承担着连接网络的桥梁作用。更加让人意外的是，这个elites之间连接也非常紧密，形成了所谓的center-satellites group。作者将这种结构称为：Small-World with with an elite-clique.

VC网络如何演化？

传统的经济学认为经济活动是理性化主导的领域，投资行为也是。但社会学者发现，非理性化的认知、人际牵绊、社会约定俗成或隐而不宣的习惯、法律规范等，都会影响我们的经济决策跟行为。而这种经济活动受到非经济活动约束的现象，便称为嵌入性(Embeddedness)。

中国是一个熟人社会，各种资源和消息的流通和传播都是通过人际关系网络，通俗的讲，就是常说的“圈子”现象。在圈子以外，那么就很难获得信任并达成合作。所以，很多经济活动受到我国人情社会的约束，使得嵌入性在我国尤其明显，在VC领域亦然。

一方面，连续的共同投资次数越多，VC之间的信任越深，逐渐形成了较强的链接，继续合作的机会越大。作者统计了VC之间继续合作的可能性和其已有连续合作次数的关系，结果表明，已经连续共同投资10次以上的VC机构，将来继续合作的概率逼近与1。

另外一方面，熟人圈子信息闭塞，而weak tie（陌生VC）往往会带来更多的不同质信息，VC需要扩大自己的圈子才能获得新的投资信息，抢到投资的先机。但是因为信息的不平等，和不熟悉（没有共同投资）的机构合作投资具有比较大的风险。所以VC机构会通过朋友的朋友这层关系来寻找新的合作伙伴(weak tie)，从而为自己带来更多的投资信息。

处于这两方面的考虑，VC在选择自己的合作投资伙伴时会有以下原则：

优先考虑熟悉的VC（co-investment次数多）作为自己的合作伙伴。
在熟人引荐的情况下，考虑和新的VC合作。

第一点原则会导致局部圈子越来越紧密，形成局部小社团，从而出现上图中clique的结构。根据第二点原则，投资次数异常多的elites们，不仅仅满足于和小圈子内的VC们合作，还会寻找和圈外人合作的机会，而圈外的其他elites便是他们新伙伴的首要人选。如此，elites便形成了center-clique的结构。

以上，只是对VC网络演化机制的分析与猜测，实际是否如此，还需要建模仿真并和真实数据比较。

构建动态演化模型

作者通过拟合数据发现：

2000年到2013年期间，国内VC机构的数量随着时间指数增加

（可被投资的）创业公司的数目一直是VC机构的5倍左右
各个VC公司每一轮投资公司的数量（investment frequency，Fi）各不相同。

在上述统计结果的基础上，作者根据上面的分析建立了3个动态演化模型：

Random Joint Investment Model：该模型假设VC每一轮按照Fi随机投资一些公司，完全忽视VC网络的结构。
Relational Embeddedness Model：该模型将VC投资行为分为两个步骤，1)根据Fi随机投资一些公司，2)邀请一些比较熟悉的VC，进行共同投资。邀请概率和熟悉程度（连续共同投资的次数）成正比。也就是说，如果VC之间没有合作过，那么不会相互邀，而合作次数越多，相互越有可能被邀请。
Structural Embeddedness Model：该模型在模型2的基础上，考虑了与熟人引荐的新VC机构合作的机制。也就是说，VC在邀请合作伙伴时，不只考虑邀请自己的熟人，还要考虑邀请自己朋友的朋友来共同投资。而且朋友圈子交集越大，相互邀请的可能性越大。

上面3个模型表明了中国风投的三种不同投资机制。那么这几个模型能否很好的反映出真实网络的演化呢？作者从宏观的分布微观的motif两个角度将真实网路的结构信息与上述三个模型的仿真结果进行对比，比较结果如下：

Macro-level：作者分析了若干网络的宏观统计指标，可以发现，相对于随机投资模型，模型3很接近网络的真实发展数据，能够反映出网络演化的规律。
Miro-level: motif是网络微观尺度的分析指标，作者选取了多种motifs作为参考。发现模型3非常接近真实网络的数据。从图三中我们还可以得到如下重要信息：真实的风投网络没有四边形的motif,这意味着：在中国投资界，如果两个VC公司有两个共同邻居，那他们肯定会进行联合投资。这是一个联系很紧密的网络。

小结

文中利用公开数据集，绘制出十几年来中国VC机构之间的动态关系网络。而这种经济活动形成的网络演化，到底是遵循着“理性人”的原则，还是嵌入了中国根深蒂固的“关系”文化？这是一个非常有趣的问题。

作者为了回答上述问题，通过建模与仿真，明确了“圈子”文化在VC网络演化中扮演的重要角色，是本文最令人注目的结论：

VC机构往往选择自己熟悉的人作为合作伙伴，长此以往逐渐形成了局部的小社团，也就是熟人“圈子”；
大部分VC机构不会跳出自己的“圈子”和其他社团的VC机构合作。
而对于投资次数较多的VC中的elites，虽然作为局部的“圈子”的中心，但是小圈子已经不能满足其需求，他们需要圈子外的异质信息。有着相同想法的elites之间相互聚集成一个精英俱乐部，同时还承担着各个“圈子”的桥梁作用。

日常生活中，看重人情世故的我们经常被“圈子”所局限，而往往作出折衷的选择。而这篇论文告诉我们，就算在最需要理性和睿智的VC领域，中国的“圈子”文化对投资行为的依然具有显著的影响。