黄彬

[提要] 股权众筹对于解决当前创业企业融资具有重要意义。近年来，越来越多的学者对此进行研究。本文检索国内股权众筹相关文章，对文献中的高频词及其高频词间的相关性进行分析。分析结果显示：国内股权众筹的研究热点主要是其本身的互联网金融研究，以及国家政府监管层面的法律法规和政策的制定。同时，在股权众筹研究领域，目前并没有形成足够核心的研究方向。

关键词：共词分析；股权众筹；互联网金融

中图分类号：F83 文献标识码：A

收录日期：2017年3月16日

引言

众筹是近几年来互联网金融领域快速发展起来的一种模式，词语来源自对英文单词Crowdfunding的翻译，是指一种向群众募资，以支持发起的个人或组织的行为。根据众筹的回报类型，可以将其划分为商品众筹、股权众筹和债权众筹。股权众筹相比其他类型的众筹，具有融资金额较大、融资风险更高的特点。近两年股权众筹受到了越来越多的关注，为此本文主要针对股权众筹进行研究。

根据国际证监会组织（IOSCO）的定义，股权众筹是指通过互联网技术，从个人投资者或投资机构获取资金的金融活动。其主体包括融资方、众筹平台、投资者等要素。融资方向普通投资者出让一定比例的公司股份，投资者通过投资入股公司，期望获得未来收益。股权众筹相比于传统的融资方式，具有小额和大量的特点，同时明显降低了私募股权的融资门槛。在国家大力提倡“大众创业，万众创新”的今天，股权众筹也成为了创业公司获得融资的一条重要途径。

鉴于股权众筹对于国家创业创新政策、互联网金融创新等方面有着非常重要的意义，本文将以“股权众筹”为切入点，利用共词分析的方法，试图探究和分析股权众筹的发展现状、研究热点和趋势。

一、共词分析法

共词分析方法最早在20世纪70年代中后期由法国文献计量学家提出，通过对文献集中词汇对或名词短语共同出现的情况进行统计分析，来确定该文献集所代表学科中各主题之间的关系。一般认为，词汇对在同一篇文献出现的次数越多，则表明该词汇对所代表的两个主题的关系越紧密。由此，对一组文献的主题词相互之间在同一篇文献中出现的频率进行统计，便可以构建出一个由这些主题词对关联所组成的共词网络，网络内节点之间的远近便可以反映主题内容的亲疏关系。共词分析就是以此为原理，将文献主题词作为分析对象，利用包容系数、聚类分析等多种统计分析方法，把众多分析对象之间错综复杂的共词网状关系简化成以数值、图形直观地表示出来的过程。

利用共词分析的基本原理，可以概述研究领域的研究热点。一般而言，运用共词分析法进行文献情报的分析研究大致可分为六个步骤：（1）确定分析的问题；（2）确定分析单元；（3）确定分析的高频词；（4）确定共词出现频率；（5）使用统计方法分析；（6）共词结果分析。共词分析的价值以及研究成功的体现，将主要取决于对共词结果所做的分析。

二、数据来源与高频关键词词频分析

本文选取中国知网（CNKI）的中国学术期刊网络出版总库作为数据来源。本文在CNKI期刊数据库中以“股权众筹”为主题进行检索，同时考虑到现有众筹相关研究文章中也包含有关股权众筹的研究，该检索条件可能会造成这类主题文章的遗漏，故在原有检索条件的基础上加入“或者主题包含‘股权且同时包含‘众筹”的条件检索，检索时间为2016年9月26号。根据该检索条件，共检索到期刊纪录259条。

根据高频关键词表可以看出：（1）排名前三的高频关键词分别是股权众筹、筹融资和互联网金融，都属于与金融相关的内容，这说明股权众筹研究的热点还是集中在其本身的金融领域；（2）在频次大于等于10的24个高频关键词中，与国家相关的部门、政策以及法律方面的关键词占了7个，分别是中国证券业协会、注册制、法律风险、管理办法、信息披露、JOBS法案、监管，这表明股权众筹研究的一大部分与国家制定的相关法律、有关部门颁布的政策息息相关。国家的法律、政策的制定与颁发，将在很大程度上影响股权众筹的发展；（3）风险将是股权众筹所面临的一个巨大的问题。在所有选取的高频关键词中，能够进行归类的有法律风险、风险管控、风险投资和风险这四个关键词。结合（2）中所作出的分析，国家的相关法律、政策主要解决的问题就是如何管控和规避股权众筹过程中会遇到的风险问题；（4）本文引言部分提到股权众筹已经成为了创业公司获得融资的一条重要途径。从高频关键词表中可以看出，有关创业公司融资的关键词总共有11个，这表明了股权眾筹目前的研究重心主要是围绕创业公司融资、投资者投资而展开的，目的是向两者更好地提供股权众筹的服务；（5）高频关键词中的第三方支付、淘宝网，代表股权众筹与已有平台模式相结合的研究。这可能是一个未来重要的研究方向。

以上这些关键词在股权众筹的文献中出现频率较高，一定程度上代表了目前股权众筹方面的研究重点和热点。但是仅仅从频次上并不能体现出关键词之间的关系。因此，本文接下来将通过数据分析工具EXCEL和SPSS对高频关键词表做进一步的分析。

三、共词结果分析

（一）构造矩阵。在得到高频关键词列表后，需要构建共词矩阵，将这24个高频关键词两两组合，统计它们在检索出来的259篇文章中共同出现的次数，得到一个的共词矩阵，如表2所示。共词矩阵是一个相关矩阵，对角线上的数据为该词出现的频次。共词矩阵是使用共词分析统计方法的基础，由于运用到的分析方法对矩阵的数据结构有不同的要求，本文将共词矩阵转化为相关矩阵和相异矩阵以满足不同统计方法的需求。（表2）

本文在共词矩阵的基础上，使用Ochiia等值系数的方法构造相关矩阵。

其中，Eij代表任意关键词共同出现的概率；Cij代表任意两个关键词在文献中共同出现的频次；Ci代表其中一个关键词在文献中出现的频次，也就是该关键词的词频；Cj代表另一个关键词在文献中出现的频次。

以此为方法得到的相关矩阵，如表3所示。（表3）

相关矩阵中的数值表示两个关键词的相关程度，取值范围在[0，1]。数值越大表示两个关键词相关程度越高。经过Ochiia系数计算得出的相关矩阵中0值过多，在使用统计方法时会造成较大误差。因此，用1与相关矩阵中的各个数字相减，得到对应的相异矩阵，从而减小误差。

（二）聚类分析。聚类分析是共词分析中常用的一种方法。利用聚类的统计学方法，能够把众多分析对象之间错综复杂的共词网状关系简化为数目相对较少的若干类群之间的关系，并直观地表示出来。通过聚类分析，能把关联密切的主题聚集在一起形成类团，表达某一领域分支的组成。同时，类团内属性相似性最大，类团间属性相似性最小。

利用SPSS，导入已经转换好的相异矩阵，选择分析里分类中的系统聚类，在方法中选择组间联接法，即两类之间个体之间距离的平均值。该方法利用了个体与小类的所有距离的信息，能够减少极端值对于距离的影响。由此得到图1所示的聚类分析树状图。（图1）

以图1中取类团之间映射到距离为20的情况，根据各个关键词之间的亲疏程度，可以明显将其聚为三类：第一类主要围绕私募股权众筹融资展开；第二类以对创业公司的股权投资为主，通过股权投资与平台、支付、资本市场相结合；第三类以互联网金融为核心，风险与监管是其中的重点。

1、私募股权众筹融资。股权众筹是私募股权的互联网化，私募股权属于无担保的股权众筹。由于私募股权投资的风险较大，信息披露不充分，故往往采取非公开募集的形式。2014年12月中国证券业协会发布了《私募股权众筹融资管理办法（试行）（征求意见稿）》，并于2015年3月作出了最新修订。该征求意见稿在股权众筹非公开发行性质、股权众筹平台定位、投资者的界定与保护、融资者的义务等方面，对股权众筹的监管问题进行了初步界定。由此可以看出，股权众筹的一个研究方向是对私募股权众筹在性质、股权投资双方以及管理办法上做进一步的研究，从而完善私募股权众筹的管理体系。

2、对创业公司的股权投资。在今天这样的创业热潮下，融资低门槛的特点使股权众筹成为创业公司获得融资的一条重要途经。然而，通过股权众筹进行天使投资、风险投资都会面临优秀创业项目少、创业公司估值难、建立信任久以及退出周期长等一系列的问题。股权众筹作为新型的股权交易模式，在平台化、支付等方面都需要与淘宝这样的电商平台和第三方支付相结合。同时从股权众筹市场來看，更多巨头机构逐渐入局，将股权众筹与资本市场紧密联系起来。因此，解决对创业公司的股权投资，对接平台、支付与资本市场，会是股权众筹发展的一个方向。

3、互联网金融。股权众筹本身就是互联网金融的一个子集，因此目前来看，关于股权众筹的大部分研究主要集中在互联网金融尤其是众筹方向的研究文章中。但是随着股权众筹越来越被关注，针对股权众筹的细分研究也会越来越深入，重点、热点将不断被挖掘。在互联网金融领域，有关风险、法律以及监管是重要的研究热点，针对其中的细分领域，也有了一定深入的研究，例如股权众筹方面，对美国创业企业融资法案（即JOBS法案），就已经有了相关的研究解读。所以，针对股权众筹的风险、法律以及监管问题会最先成为该领域研究的重点、热点。

（三）多维尺度分析。多维尺度法是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。其主要思想是通过测定观测量之间的距离来发现各个观测量之间的结构。在多维尺度分析所展示的图中，被分析的研究对象在图中以点的形式分布，其中相似性高的对象会聚集在一起，进而形成一个类别。同时，研究对象越靠近中间代表其研究地位越核心。多维尺度分析一般使用相异矩阵。

根据高频关键词的相异矩阵，在SPSS软件的分析中点击标度，选择多维标度（ALSCAL）功能。设置根据数据创建距离选项，度量标准用区间Euclidean距离，结果如图2所示。（图2）

四、结语

本文以从中国知网（CNKI）的中国学术期刊网络出版总库获得的国内股权众筹高频关键词为数据基础，通过共词分析的研究方法，对股权众筹的研究现状与热点进行了分析，以期能够对揭示、预测股权众筹的研究重点与方向起到一定作用。

然而，本文中也存在需要深入研究、改进的地方。首先是对关键词的处理上，合并或去除关键词都属于主观上的操作，尤其是意思相近词的判断上，可能存在以偏概全或者太过笼统的情况，例如高频关键词“风险”、“监管”；其次，高频关键词的选取上，会因为不同的选取范围而造成结果的不同；再次，在转换相关矩阵时使用的Ochiia系数中开根号计算保留4位小数会影响相关矩阵以及相异矩阵的精确程度，从而对结果产生一定的误差影响；最后，虽然按照年份来看，股权众筹的发文数量越来越多，受到的关注越来越大，但是由于发展时间还不长，因此导致数据量较小，加上共词分析存在时间滞后的问题，所以对未来研究热点和方向的预测上会造成一定的影响，并且不排除某些低频词未来有成为热点的可能性。

综上所述，针对国内股权众筹的研究具有非常重要的意义，需要长期持续的进行研究和改进。

主要参考文献：

[1]壹零财经，壹零数据.众筹服务行业白皮书（2014）[M].北京：中国经济出版社，2014.

[2]钟伟金，李佳.共词分析法研究（一）——共词分析的过程与方式[J].情报杂志，2008.5.

[3]孙清兰.高频词与低频词的界分及词频估算法[J].中国图书馆学报，1992.2.

[4]钟伟金，李佳.共词分析法研究（三）——共词聚类分析法的原理与特点[J].情报杂志，2008.7.

[5]储节旺，闰士涛.知识管理学科体系研究（下）——聚类分析和多维尺度分析[J].情报理论与实践，2012.3.

[6]储节旺，郭春侠.共词分析法的基本原理及EXCEL实现[J].情报科学，2011.6.

[7]上海交通大学互联网金融研究所.2015中国股权众筹行业发展报告[R].2015.