协同创新金融环境研究范文

1协同创新与金融

创新的理念最先由熊彼特提出，经过长达一个世纪的探索与实践，技术创新的理论愈发成熟与完善。进入21世纪，人类社会开始了全新的时代，知识经济成为了全新的经济形态。创新成为社会经济发展至关重要的元素，关于创新理论的研究热潮也是空前高涨。协同创新已经成为我国重要创新模式之一［3-4］。协同创新是在政府的指导下，以市场为导向、企业为主体、大学和研究机构为主力军、金融机构为支撑的创新模式，但是我国现阶段的协同创新大多是政府带头、政府出资，市场和金融机构没有很好进入协同创新中来。而对于协同创新，没有市场和金融的支持很容易流于形式，无法把协同创新的优势完全发挥出来。协同创新的实现需要各创新主体发挥各自重要的作用。协同创新作为我国新的创新模式，需要一个良好的支持性制度，否则难以发挥其作用。现代经济是以金融为主导要素之一，随着社会进步，金融制度的安排对协同创新的影响将越来越大［6］。企业与高校、科研机构之间的协同合作并不会自发产生，虽然我国政府长久以来一直在倡导产学研合作发展协同创新，但迄今为止我国企业与高校之间的合作还不够紧密，行业间的技术创新处于各自为政的状态，企业与企业、企业与高校之间的交流很少，行业间技术壁垒严重。其中缺乏资金支持已经成为我国协同创新模式探索的重要阻碍［7］。因此，研究协同创新的金融环境对推进我国协同创新发展有很大作用。

2仿真分析

2．1概念模型本文研究的是影响金融参与协同创新的因素。协同创新的资金来源主要有政府资金、企业内部资金及金融市场资金。运用计算机技术模拟三种资金参与协同创新的整个过程，我们假设一个协同创新项目，其企业方A的总体评估为［0～1］中的随机数α，对高校B的创新能力评估为［0～1］中的随机数β，高校与风险投资之间的信息不对称量σ。假设1:政府的资金资助对于每一个项目是无差别对待的，并且能够获得政府资助的项目占社会总项目数的2%(经过试验，改变这个数字对仿真结果无影响)。假设2:企业方A的总体评估大于0．7的企业是有能力从内源性资金中拿出来用作协同创新投资的，并且这些企业有相同的机率会从外界融资作为R＆D资金，与企业的总体评估能力α无关。假设3:社会上风险投资机构的水平是一致的，并且仿真不考虑风险投资机构对协同创新项目的负面影响(如过度干预管理、技术泄漏等问题)。通过上述的3个假设，可建立模型模拟金融公司在处理协同创新项目时的决策过程，进而分析影响金融公司介入产学研协同创新的因素。在同一行业下，对于金融公司来说行业的预测投资回报率是一定的，记为r，当风险投资公司遇到一个协同创新项目的时候，会根据对企业的能力评估α和高校的创新能力评估β作一个成功率的预测f(α，β－σ)，该预测是风险投资从业者根据行业从业经验给出，同时，因为风险投资的介入，协同创新获得资金、管理咨询、产品试验反馈等帮助，协同创新的成功率也提高了，金融公司对协同创新的影响为g(α，β－σ)。则当满足条件f(α，β－σ)+g(α，β－σ)≥1/r的时候，金融公司才会考虑投资协同创新项目。

2．2模型计算原理及数据

2．2．1随机数的产生本仿真中所用到的随机数有企业方A的总体评估α、对高校B的创新能力评估β、高校与风险投资之间的信息不对称量σ。企业方A的总体评估α和高校B的创新能力评估β可以看作为服从正态分布的随机数，我们可以利用计算机产生服从均值为e，标准差为1/6正态分布的随机数，根据3σ准则，随机数有99．74%的概率落在［e－0．5，e+0．5］区间内，将小于1、大于0的删除重新产生随机数。信息不对称量σ则服从均值为e，标准差为e/3的正态分布的随机数，根据3σ准则，随机数有99.74%的概率落在［0，2e］的区间内，将小于0的随机数删除重新产生随机数。

2．2．2BP神经网络算法对于判断风险投资公司是否参与投资产学研协同创新的公式中的f(α，β－σ)和g(α，β－σ)函数是根据经验所得到的预测函数，一般来说预测函数可以使用BP神经网络算法求得。BP神经网络算法是一种按误差逆传播算法训练的多层前馈网络。算法的主要思想是输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的训练，使得输出向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差［9-10］。

2．2．3调查问卷本文通过调查问卷方式获得样本，调查问卷主要针对风险投资从业者，通过邮箱发放问卷，调查时间为2014年9—11月，共收集问卷154份，有效问卷为154份。问卷调查选择生物医疗行业、机械制造行业、IT行业、能源及矿产行业、电子及光电设备行业、化工行业等6个高新技术行业的风险投资从业者，这些行业也是风险投资的热门行业，这些行业在2013年获得私募股权基金的投资案例都超过了20件，最高的生物医疗行业有66件成功获得投资的案例。调查问卷涉及生物医疗行业27份、机械制造行业41份、IT行业24份、能源及矿产行业17份、电子及光电设备行业9份、化工行业5份、其他行业31份。通过生物医疗、机械制造、IT、能源及矿产等4个行业的调查问卷结果可以得出仿真模型需要的学习样本。

2．3仿真及结果分析

2．3．1仿真模型一将政府资金和企业内部资金加入到仿真模型中来，以机械制造行业为例，根据假设1:政府的资金资助对于每一个项目是无差别对待的并且能够获得政府资助的项目占社会总项目数的2%;假设2:企业方A的总体评估大于0．7的企业有能力从内源性资金中拿出来用作协同创新投资并且这些企业有相同的几率从外界融资作为R＆D资金与企业的总体评估能力α无关。给定的企业的总体评估α和高校创新能力的评估β的随机数特征，即其正态分布的均值，随机产生10000个协同创新项目，任何一个协同创新项目都有2%的几率获得政府资金的支持，对企业能力评估大于0．7的企业，其有能力用内部资金支持协同创新活动。首先，假设企业用内部资金支持协同创新活动的几率为35%，分析产学研协同创新的资金来源与企业能力及高校创新能力的关系。在企业总体能力评估的均值为0．4、0．5、0．6的情况下，改变β的均值从0．3到0．7，进行模拟，得到在10000个项目中获得政府资金支持的、企业内部资金支持的和金融市场资金支持的项目数，结果见表1。从表1可以看出，政府性资金获得的项目数量大约按设定保持在2%左右，与α和β的均值无关，企业内部资金支持项目在α的均值为0．4的情况下，占总项目的比重为1%左右，在α的均值为0.5的时候，占总项目的比重为4%，在α的均值为0.6的时候，占总项目的比重为9%。综合来说，获得企业内部资金支持的项目随着α的均值增加而增加，与β的均值无关，跟模型构造的情况符合，其增长幅度也是随着α的均值的增加而增加，呈指数型增长。接下来把各种情况下的政府性资金支持的项目数、企业内部资金支持的项目数、金融市场资金支持的项目数换算成比例，如图1所示。从图1可以看出，在社会企业整体水平比较低的情况下(α均值为0.4)，政府资金发挥了很大的作用，在β均值为0．3的时候，政府性资金支持占到整个社会协同创新项目的50%以上，说明了在社会整体创新能力偏低的情况下政府的引导作用至关重要。随着社会企业能力的提升，政府的引导作用渐渐变淡，α均值为0．6，代表社会企业能力很高，此时政府资金支持的协同创新项目在总协同创新项目中的比例仅在10%左右，取而代之的是企业内部资金，在β均值为0．3的时候，获得企业内部资金支持的协同创新项目占总协同创新项目的60%左右，随着β均值的提升，这个比例会呈下降趋势，主要是因为企业资金有限，金融资金的参与使得企业内部资金所占比例越来越少，但也是产学研协同创新资金来源的一个十分重要的组成部分。接下来研究企业内部资金对产学研协同创新获得资金支持的影响，在前面的模型中假设的是能力评估大于0.7的企业有35%的概率是用内部资金支持产学研协同创新，有65%的概率通过外部融资支持产学研协同创新。在α和β均值分别为(0.4，0.4)、(0.6，0.6)、(0.6，0.5)、(0.6，0.4)、(0.4，0.6)、(0.5，0.6)六种情况下，改变企业使用内部资金的概率从10%～75%进行仿真，将各种情况下产学研协同创新项目获得资金支持的数量记录下来，所得结果见图2，由(0.4，0.4)、(0.4，0.6)两种情况的仿真结果可以看出，在社会企业综合能力很低(α均值为0.4)的情况下，企业内部资金对产学研协同创新获得资金支持的影响很小，主要是因为在这种情况下，社会上有能力用内部资金支持产学研协同创新的企业就很少。由(0.6，0.6)、(0.5，0.6)两种情况的仿真结果可以看出，在高校创新能力很高(β均值为0.6)的情况下，企业内部资金对产学研协同创新获得资金支持的影响也不是很明显，主要是因为高校创新能力很高，金融机构预测产学研协同创新的成功率很高，有更多的金融资金进入产学研协同创新中来，使得企业内部资金对产学研协同创新获得资金支持的影响不明显。由(0.6，0.4)、(0.6，0.5)两种情况的仿真结果可以看出，在社会企业综合能力很高(α均值为0.6)而高校创新能力水平一般(均值为0.4、0.5)的情况下，企业内部资金对产学研协同创新获得资金支持的影响很明显，这种情况下，企业综合能力很高，有更多的企业可以用内部资金支持产学研协同创新，而因为高校创新能力水平一般，金融市场对产学研协同创新评估偏低，进入产学研协同创新的金融资金有限，因而企业的内部资金在这种情况下显得尤为重要。综上所述，企业政府性资金在社会企业评估水平(α均值)和高校创新能力(β均值)都很低的情况或产学研协同创新初期起到了很重要的作用，扮演着主导者的角色。随着社会企业评估水平(α均值)和高校创新能力(β均值)的提高，政府资金在产学研协同创新的资金来源中的分量越来越少，即在产学研协同创新发展到一定阶段之后，政府将把产学研协同创新的主导权交给市场。随着高校创新能力(β均值)的提高，产学研协同创新成功率变高，金融资金将成为产学研协同创新资金的主要来源。在社会企业评估水平(α均值)很高而高校创新能力水平一般(β均值)的情况下，企业内部资金对产学研协同创新获得资金支持的影响会很明显。

2．3．2仿真模型二接下来将研究信息不对称对产学研协同创新获得资金支持的影响。同样以机械制造行业为例，先假设在企业总体能力(α均值)为0.6，高校总体能力(β均值)为0.6的环境下，通过改变金融机构与协同创新主体之间信息不对称量的均值从0到0.15，进行模拟仿真，其结果见图3。由图3可以看出，信息不对称量σ的均值在［0，0．5］之间，产学研协同创新得到资金支持的项目数在快速下降，但下降的速率在降低，在信息不对称量σ的均值大于0．5之后，产学研协同创新得到资金支持的项目数趋于平稳。信息不对称量σ不断增大，但实验结果依然趋于平稳的主要原因是这些获得资金支持的产学研协同创新项目大部分是由政府资金支持和企业内部资金支持，而金融机构因为信息不对称过大而不敢贸然支持产学研协同创新项目。在信息不对称量σ的均值保持在［0，0．5］之间的时候，每减少一点信息不对称量，获得资金支持的产学研协同创新项目数就成指数性增加，说明了金融资金对信息不对称是异常敏感的，为了能使得产学研协同创新项目获得金融资金的支持，与提高高校创新能力相比，更实际有效的手段就是想办法解决金融机构、企业与高校科研机构之间的信息不对称问题。

2．3．3仿真模型三在这个模型中，将研究所属行业对其产学研协同创新获得资金支持的影响。不考虑政府和企业内部资金，只考虑金融市场的资金，同样是随机产生10000个项目，每个项目可能是机械制造行业、生物医疗行业、能源及矿产行业及IT行业，而概率是同等的。在这10000个项目中只有10%的项目能够获得资金支持，根据优胜劣汰的法则，越是投资回报率高、越是被看好的项目，则越有可能获得资金的支持。投资回报率依旧采用行业帐面平均回报率，然后使用BP神经网络算法计算项目的成功机率，然后用帐面平均回报率与成功机率相乘得到项目的期望回报率，选取期望回报率排在前1000的项目，这1000个项目就是会得到资金支持的项目。该1000个项目的行业分布情况见图4。由图4可以看出，在社会资源有限的情况下，各个行业获得投资的几率是不同的，其中IT行业、生物医疗行业有更多的项目能够获得资金支持，这主要是因为这两个行业的投资回报率高，2013年中国私募股权投资年度研究报告显示IT行业、生物医疗行业的平均帐面回报率有14．62和11．47，而机械制造、能源及矿产行业的平均帐面回报率仅为6．38和5．74。尽管行业不同，但其产学研协同创新的成功率相差不会太大，因此导致了资金大量流向投资回报率高的产业，而很多投资回报率低但同时对我国经济发展有很大价值的项目没有及时得到资金的支持。综上所述，我国政府在政策制定的时候需要以各行业均衡发展为原则，对投资回报低的行业创新给予一定的政策优惠，比如建立专门针对该行业的产学研协同创新基金，税收优惠，政府风险投资要优先考虑这些行业的项目。

3总结

本文通过系统仿真的方法，模拟了金融机构在参与协同创新项目的决策过程，分析了其与社会企业水平及高校创新能力、政府资金及企业内部资金、信息不对称及各个行业之间的关系。得出一系列的结论，并给出一些建议。企业政府性资金在社会企业评估水平(α均值)和高校创新能力(β均值)都很低的情况或产学研协同创新初期起到很重要的作用，扮演着主导者的角色。随着社会企业评估水平(α均值)和高校创新能力(β均值)的提高，政府资金在产学研协同创新的资金来源中的分量越来越少。随着高校创新能力(β均值)的提高，产学研协同创新成功率变高，金融资金将成为产学研协同创新资金的主要来源。在社会企业评估水平(α均值)很高而高校创新能力水平一般(β均值)的情况下，企业内部资金对产学研协同创新获得资金支持的影响会很明显。在信息不对称量σ的均值保持在［0，0．5］之间的时候，每减少一点信息不对称量，获得资金支持的产学研协同创新项目数就成指数性增加，说明金融资金对信息不对称是异常敏感的，为了能使得产学研协同创新项目获得金融资金的支持，与提高高校创新能力相比，更实际有效的手段就是想办法解决金融机构、企业与高校科研机构之间的信息不对称问题。在社会资源有限的情况下，各个行业获得投资的几率是不同的，我国政府在政策制定的时候需要以各行业均衡发展为原则，对投资回报低的行业创新给予一定的政策优惠，比如建立专门针对该行业的产学研协同创新基金，税收优惠，政府风险投资要优先考虑这些行业的项目。

作者：李一然 谢富纪 单位：上海交通大学安泰经济与管理学院