張 奇，李 彥，王 歌，朱麗晶，胡 瀅，王 樂

(1.中國石油大學(xué)(北京)中國能源戰(zhàn)略研究院，北京 102249；2.中國石油大學(xué)(北京)經(jīng)濟(jì)管理學(xué)院，北京 102249)

1 引言

目前人類在氣候變化、資源短缺、空氣污染及其他威脅到人類可持續(xù)發(fā)展的方面，都超出了自然環(huán)境所能承載的臨界值[1]。其中，交通運(yùn)輸部門溫室氣體排放量占到了全球排放量的28%以上，促進(jìn)電動(dòng)汽車對(duì)傳統(tǒng)汽油車的替代是緩解環(huán)境壓力的有效途徑之一[2]。然而充電設(shè)施不足已成為制約電動(dòng)汽車發(fā)展的主要瓶頸。截止2016年底，中國純電動(dòng)汽車保有量達(dá)74萬輛，共有公共充電樁數(shù)量僅為13.17萬[3]。而根據(jù)十三五發(fā)展規(guī)劃，2020年全國電動(dòng)汽車保有量將超過500萬輛，到2020年以前需要新建城市公共充電站2397座，分散式公共充電樁50萬個(gè)[4]，存在著龐大的融資缺額。

由于電動(dòng)汽車充電設(shè)施具有較高正外部性，對(duì)于汽車生產(chǎn)商來說可以促進(jìn)電動(dòng)汽車銷售；對(duì)于設(shè)施運(yùn)營商來說可以獲取收益；對(duì)于電動(dòng)車用戶來說可以方便出行，同時(shí)充電設(shè)施項(xiàng)目回收期較長，因此市場(chǎng)主體都傾向于搭便車，進(jìn)一步導(dǎo)致資本進(jìn)入的積極性較低[5]?；诖?，國務(wù)院辦公廳指出應(yīng)為社會(huì)資本參與充電基礎(chǔ)設(shè)施建設(shè)運(yùn)營創(chuàng)造條件，拓寬充電基礎(chǔ)設(shè)施投資運(yùn)營企業(yè)與設(shè)備廠商的融資渠道[6]。而伴隨著互聯(lián)網(wǎng)金融興起的眾籌正是一種有利于吸收社會(huì)閑散資金的新型融資模式。

眾籌是指個(gè)人、組織或企業(yè)(包括初創(chuàng)企業(yè))通過互聯(lián)網(wǎng)門戶(眾籌平臺(tái))募集資金，用于融資、再融資支持他們的活動(dòng)或者企業(yè)[7]。眾籌符合企業(yè)價(jià)值創(chuàng)造的核心邏輯即價(jià)值發(fā)現(xiàn)(籌資人和出資人的投融資需求)、價(jià)值匹配(與商業(yè)伙伴的合作)、價(jià)值獲取(與籌資人分成獲利)，同時(shí)眾籌具有投資渠道扁平化、大眾籌資和方式靈活的特點(diǎn)[8-9]，尤其適用于綠色能源項(xiàng)目初始階段融資[10]。雖然目前眾籌的融資體量較低，但在綠色項(xiàng)目融資方面卻有著巨大的潛力[11]。中國此前曾有過星星充電、暢的智能充電樁等充電樁眾籌成功案例。但相比其他融資方式，眾籌雖然更為靈活，但也更充滿不確定性[12]，缺乏監(jiān)管導(dǎo)致的信息不對(duì)稱加劇了眾籌中的信息不對(duì)稱問題[13]。針對(duì)此類問題，美國及意大利政府都曾出臺(tái)過針對(duì)性法令[14-15]。而目前中國仍缺乏相關(guān)的法律法規(guī)強(qiáng)制眾籌市場(chǎng)中的信息披露。

隨著社交網(wǎng)絡(luò)的不斷發(fā)展，違約所帶來的社會(huì)影響也更加復(fù)雜。信用風(fēng)險(xiǎn)及其影響都將通過社交網(wǎng)絡(luò)擴(kuò)散傳播[16]。多位學(xué)者均從違約主體的角度，使用復(fù)雜網(wǎng)絡(luò)模擬信用風(fēng)險(xiǎn)的傳染，從社會(huì)心理、經(jīng)濟(jì)行為、信息傳播等多種角度解釋了信用風(fēng)險(xiǎn)擴(kuò)散傳染的過程[16-19]。而信用風(fēng)險(xiǎn)的影響在投資者(違約對(duì)象)間社交網(wǎng)絡(luò)上的傳播則較少被關(guān)注。然而通過網(wǎng)絡(luò)輿情傳播的羊群效應(yīng)[20-21]，或者社會(huì)聲譽(yù)的傳播演化[22-23]等，信用風(fēng)險(xiǎn)所帶來的影響往往不是獨(dú)立的，而是會(huì)沿著市場(chǎng)主體之間的社交網(wǎng)絡(luò)擴(kuò)散傳播[24-25]。尤其在小微金融市場(chǎng)，由于信息不對(duì)稱及學(xué)習(xí)行為，羊群效應(yīng)往往更為明顯：Zhang Juanjuan和Liu Peng[26]通過實(shí)證證明了小微貸款市場(chǎng)中的羊群效應(yīng)；鐘超[27]通過實(shí)證研究了中國眾籌平臺(tái)中羊群效應(yīng)的動(dòng)態(tài)演變過程。然而作為行為因素的羊群效應(yīng)并不只有消極影響，姚爽和黃瑋強(qiáng)[28]通過復(fù)雜網(wǎng)絡(luò)模型發(fā)現(xiàn)，投資者羊群效應(yīng)的高異質(zhì)性，有助于改善金融創(chuàng)新產(chǎn)品的擴(kuò)散深度及擴(kuò)散速度。

在針對(duì)影響傳導(dǎo)機(jī)制的研究中，DeGroot模型及其演變形式常被采用[29-30]。其中，每一個(gè)節(jié)點(diǎn)對(duì)于某事件的態(tài)度值受到上一時(shí)刻相鄰節(jié)點(diǎn)態(tài)度值的影響，在初始值的基礎(chǔ)上變動(dòng)。然而在現(xiàn)實(shí)的投資決策往往是理性因素與非理性因素的復(fù)雜交織，決策者對(duì)某一事物態(tài)度的改變不僅僅來源于周圍節(jié)點(diǎn)的影響。因此，本文提出了基于DeGroot改進(jìn)的影響傳導(dǎo)模型，在決策機(jī)制中引入了理性與非理性區(qū)間。此外，影響傳導(dǎo)模型研究重點(diǎn)在于節(jié)點(diǎn)的態(tài)度值變化，而現(xiàn)實(shí)中態(tài)度值的變化只有作用于消費(fèi)者行為才能對(duì)整個(gè)市場(chǎng)產(chǎn)生實(shí)際影響。因而本文對(duì)傳統(tǒng)的影響傳導(dǎo)模型進(jìn)行了進(jìn)一步延伸，將網(wǎng)絡(luò)節(jié)點(diǎn)行為的轉(zhuǎn)變作為研究重點(diǎn)。復(fù)雜的投資決策組合被分解為多個(gè)特定時(shí)期的離散決策：投資與放棄?；诖耍狙芯繉⑦B續(xù)的DeGroot模型拓展至離散決策情形以貼合實(shí)際決策過程。

無標(biāo)度網(wǎng)絡(luò)常被用于模擬真實(shí)的社交網(wǎng)絡(luò)，因其不僅表現(xiàn)出小世界性，也同時(shí)強(qiáng)調(diào)節(jié)點(diǎn)間的強(qiáng)異質(zhì)性[31]，適合用于刻畫融資市場(chǎng)參與者間的社交網(wǎng)絡(luò)[32-33]。鄭君君等[34]使用無標(biāo)度網(wǎng)絡(luò)對(duì)股權(quán)拍賣過程中外部投資者之間的交互過程進(jìn)行了建模。吳江等[35]通過構(gòu)建基于無標(biāo)度網(wǎng)絡(luò)投資者關(guān)系的人工股市模型，對(duì)投資者之間的羊群效應(yīng)進(jìn)行了模擬分析。因此本研究使用無標(biāo)度網(wǎng)絡(luò)刻畫眾籌市場(chǎng)參與者之間的社交網(wǎng)絡(luò)，并他通過多Agent模型對(duì)充電樁眾籌市場(chǎng)進(jìn)行模擬與分析。

為降低眾籌市場(chǎng)違約風(fēng)險(xiǎn)，本文將針對(duì)性懲罰機(jī)制引入模型。G?chter等[36]學(xué)者證明了適當(dāng)?shù)牧P款機(jī)制在長期看來對(duì)社會(huì)和個(gè)人都是有利的。但如何確定針對(duì)違約行為罰款的最佳比例，以及罰款對(duì)于市場(chǎng)規(guī)模是否有不利影響都有待于進(jìn)一步研究。

2 方法

為結(jié)合復(fù)雜網(wǎng)絡(luò)與行為金融刻畫眾籌市場(chǎng)參與者的決策過程及違約影響的傳播機(jī)制，本文提出了基于DeGroot模型改進(jìn)的影響傳導(dǎo)模型，并采用無標(biāo)度網(wǎng)絡(luò)來模擬真實(shí)的社交網(wǎng)絡(luò)。每一個(gè)市場(chǎng)參與者包括投資者和發(fā)起人，都作為社會(huì)網(wǎng)絡(luò)中的一個(gè)單獨(dú)節(jié)點(diǎn)。節(jié)點(diǎn)之間的關(guān)系代表著市場(chǎng)參與者之間的交流和互動(dòng)。

2.1 網(wǎng)絡(luò)構(gòu)建

對(duì)于社交網(wǎng)絡(luò)中影響傳導(dǎo)機(jī)制的研究已經(jīng)有DeGroot模型[29]及其演變形式[30]。在DeGroot模型中，節(jié)點(diǎn)間的交互作用由n×n的隨機(jī)矩陣Γ=(Γij)∈Rn×n表示，其中Γij>0表示節(jié)點(diǎn)i受節(jié)點(diǎn)j影響的權(quán)重．每一個(gè)節(jié)點(diǎn)通過計(jì)算其相鄰節(jié)點(diǎn)態(tài)度值的加權(quán)平均來更新自己的態(tài)度值．每個(gè)節(jié)點(diǎn)在時(shí)刻t的態(tài)度值為p(t), i∈R,0≤p(t), i≤1。更新規(guī)則如公式(1)所示i，并且，由此可以得到節(jié)點(diǎn)i在t+1時(shí)刻的態(tài)度值si(t+1)，如公式(2)所示：

p(t)=?！(t-1)

(1)

(2)

根據(jù)DeGroot模型，節(jié)點(diǎn)態(tài)度值依賴于相鄰節(jié)點(diǎn)態(tài)度值的加權(quán)平均。而現(xiàn)實(shí)案例，尤其是融資決策，往往是理性因素與非理性因素的復(fù)雜交織。受到社交網(wǎng)絡(luò)影響，決策者無法保持完全理性、時(shí)刻理性計(jì)算以最大化其效用，但也不會(huì)完全只依賴于網(wǎng)絡(luò)效應(yīng)。因此本文以眾籌市場(chǎng)為例提出了融資市場(chǎng)參與者的社交網(wǎng)絡(luò)模型。

本文眾籌市場(chǎng)參與者之間的社交網(wǎng)絡(luò)采用Barabási和Albert[37]的無標(biāo)度網(wǎng)絡(luò)描述。在無標(biāo)度網(wǎng)絡(luò)中加入的新節(jié)點(diǎn)與網(wǎng)絡(luò)中已存在另一節(jié)點(diǎn)i進(jìn)行連接的概率Πi與總結(jié)節(jié)點(diǎn)數(shù)N0、節(jié)點(diǎn)的度ki、kj的關(guān)系為：

圖1 基于復(fù)雜網(wǎng)絡(luò)的充電樁眾籌模擬模型流程圖

(3)

并且該網(wǎng)絡(luò)的度服從冪律分布，即p(k)～k-γ,γ∈(2,3]。冪律分布使得大部分節(jié)點(diǎn)只具有較低的連接度，而較少的節(jié)點(diǎn)具有較高的連接度。而歐治花和湯胤[38]通過復(fù)雜網(wǎng)絡(luò)分析庫NetworkX研究了中國SNS社交網(wǎng)絡(luò)，發(fā)現(xiàn)其表現(xiàn)出無標(biāo)度特性和小世界特性。由此證明無標(biāo)度網(wǎng)絡(luò)是對(duì)現(xiàn)實(shí)社交網(wǎng)絡(luò)的較好模擬。

本文中市場(chǎng)參與者位于無標(biāo)度網(wǎng)絡(luò)的節(jié)點(diǎn)上，參與者i和j的連接則表示他們之間存在社交關(guān)系，參與者的度i以NODi表示，而參與者對(duì)眾籌項(xiàng)目的觀點(diǎn)有兩種狀態(tài)：積極觀點(diǎn)(參與投資)、消極觀點(diǎn)(放棄投資)，分別以上標(biāo)+與-表示，而節(jié)點(diǎn)i自身的態(tài)度值以invi,r,invi,r∈{0,1}表示。因此不同于DeGroot模型，節(jié)點(diǎn)的態(tài)度值invi,r為離散變量，僅有參與和放棄兩種狀態(tài)，不存在中間狀態(tài)。而每一期態(tài)度值更新時(shí)，節(jié)點(diǎn)i不僅只受周圍節(jié)點(diǎn)態(tài)度值影響，同時(shí)也會(huì)部分理性地通過最大化其收益做出決策。

2.2 模型架構(gòu)

2.3 眾籌投資者決策

在社交網(wǎng)絡(luò)中，每一個(gè)潛在的眾籌投資者都被視作一個(gè)節(jié)點(diǎn)。在一個(gè)無限的投資區(qū)間中：[0,1),[1,2),…,[k,k+1),…，假設(shè)每一期都有同質(zhì)的眾籌發(fā)起人發(fā)起充電樁眾籌項(xiàng)目。而投資者是短視的，僅考慮PJ期內(nèi)的收益，并同時(shí)受到社交網(wǎng)絡(luò)中羊群效應(yīng)的影響，在每一期的期初做出是否參與眾籌項(xiàng)目的決策。其決策過程如等式(4)所示，invi,r為投資者i在第r輪項(xiàng)目初期是否投資的虛擬變量，取1時(shí)表示對(duì)眾籌項(xiàng)目持積極觀點(diǎn)，取0時(shí)表示消極觀點(diǎn)。當(dāng)周圍節(jié)點(diǎn)持積極觀點(diǎn)的比例分別落于[0,Ni-]以及[Ni+,1]時(shí)，潛在投資者會(huì)受到羊群效應(yīng)的影響，直接做出決定。

(4)

(5)

(6)

(7)

(8)

2.4 眾籌發(fā)起人決策

(9)

(10)

(11)

3 仿真實(shí)驗(yàn)設(shè)計(jì)及結(jié)果

3.1 實(shí)驗(yàn)設(shè)計(jì)

基于以上的模型設(shè)計(jì)，本文采用多Agent模型、使用python編程對(duì)信息不對(duì)稱背景下中國充電樁眾籌市場(chǎng)中的違約風(fēng)險(xiǎn)進(jìn)行建模與分析。模擬數(shù)據(jù)如表2所示。

表2 中國充電樁眾籌市場(chǎng)模擬數(shù)據(jù)

其中，每份眾籌合同的融資金額PCF和初始的分紅率RCF均參照平均水平設(shè)定。假設(shè)每個(gè)充電樁的預(yù)期服務(wù)時(shí)間中的隨機(jī)變量εt服從正態(tài)分布N(10,1)。出于穩(wěn)健性考慮，本文對(duì)關(guān)鍵參數(shù)進(jìn)行了敏感性分析。

3.2 結(jié)果

在這一節(jié)中，為了研究關(guān)鍵參數(shù)對(duì)眾籌市場(chǎng)上主要指標(biāo)的影響，本文進(jìn)行了敏感性分析。參數(shù)分別有羊群效應(yīng)的閾值Ni-,Ni+、預(yù)期收益的斜率α、分紅比例和罰款比例。主要指標(biāo)包括違約率、選擇加入項(xiàng)目的節(jié)點(diǎn)比例和眾籌發(fā)起人的總利潤。

羊群效應(yīng)的閾值限制了決策過程中的理性邊界。如圖2所示,眾籌市場(chǎng)上的主要指標(biāo)對(duì)于高臨界值Ni+都不敏感，而受到低臨界值Ni-變動(dòng)的影響則較為顯著。違約率一直保持在0.69左右。當(dāng)高臨界值Ni+從0.7增加到0.85時(shí)，項(xiàng)目參與率小幅增加至11%左右，此后保持平穩(wěn)。然而，當(dāng)?shù)团R界值Ni-增加時(shí)，項(xiàng)目參與率和發(fā)起人的利潤都顯著減少。Ni-=0.4時(shí)，參與率為91%。Ni-增加到0.65時(shí)，參與率下降到62%。同時(shí)，眾籌發(fā)起人的利潤將縮水一半以上。

圖2 羊群效應(yīng)閾值敏感性分析

此外，為研究規(guī)模效應(yīng)對(duì)眾籌市場(chǎng)規(guī)模及違約情況的影響，本文對(duì)預(yù)期收益率斜率α進(jìn)行了敏感度分析，α表示項(xiàng)目收益率在多大程度上受項(xiàng)目規(guī)模影響，其中項(xiàng)目收益率用充電樁市場(chǎng)的服務(wù)時(shí)間來衡量。如圖3所示，三項(xiàng)指標(biāo)對(duì)α敏感性均較為顯著。當(dāng)α= 0時(shí)，它意味著服務(wù)時(shí)間是完全隨機(jī)的，無法通過項(xiàng)目規(guī)模預(yù)測(cè)。此時(shí)眾籌發(fā)起人幾乎無法通過運(yùn)營項(xiàng)目而獲利，因此選擇違約的可能性將達(dá)到92%。當(dāng)每個(gè)充電樁的服務(wù)時(shí)間更依賴于α?xí)r，項(xiàng)目的項(xiàng)目參與率和發(fā)起人的利潤都會(huì)增加。當(dāng)α增加到0.25時(shí)，參與率躍升至95%，發(fā)起人的利潤將增加到3000萬元。與此同時(shí)，違約率下降了約20%。

圖3 規(guī)模效應(yīng)系數(shù)敏感性

如圖4所示，項(xiàng)目參與率與分紅比例高度正相關(guān)。當(dāng)分紅比例從0.2提高到0.7時(shí)，項(xiàng)目參與率提高了20%以上。然而，分紅比例對(duì)于違約率和發(fā)起人利潤的影響則是非單調(diào)的。隨著分紅比例的增加，眾籌發(fā)起人的違約率將先降低再升高，當(dāng)分紅比例約為30%時(shí)，違約率達(dá)到最低。相反地，分紅比例與發(fā)起人的利潤之間呈倒U型關(guān)系。當(dāng)分紅比例為0.6時(shí)，發(fā)起人的利潤達(dá)到了約為1500萬人民幣的最高水平。

圖4 分紅比例敏感性

此外，為了找出降低高違約率的有效途徑，本文提出了一種懲罰措施。盡管當(dāng)懲罰率相對(duì)較低時(shí)，該項(xiàng)措施的效率很低，但當(dāng)懲罰率超過60%時(shí)，違約率會(huì)顯著降低。如圖5所示。當(dāng)發(fā)起人在違約后仍能獲得超過55%的利潤時(shí)，罰款機(jī)制的效果是不明顯的。但是，當(dāng)政府對(duì)發(fā)起人違約的罰款超過其利潤的75%時(shí)，違約行為就能得到遏制。并且罰款機(jī)制對(duì)項(xiàng)目的項(xiàng)目參與率和發(fā)起人的利潤沒有顯著影響，兩者分別穩(wěn)定在90%及1800萬人民幣左右。

4 結(jié)語

本文基于復(fù)雜社會(huì)網(wǎng)絡(luò)應(yīng)用多Agent模擬模型來研究我國充電樁眾籌市場(chǎng)中的信息不對(duì)稱問題，由此得出以下四點(diǎn)主要結(jié)論：

(1)羊群效應(yīng)的閾值對(duì)眾籌市場(chǎng)的主要指標(biāo)有著不同的影響。項(xiàng)目參與率及發(fā)起人的利潤與低臨界值Ni-負(fù)相關(guān)。這是由于當(dāng)Ni-增加時(shí),投資者對(duì)周圍人的消極態(tài)度更敏感,更易于受社交網(wǎng)絡(luò)影響直接放棄該項(xiàng)目。另一方面，發(fā)起人和投資者與高臨界值Ni+相關(guān)性不高。這意味著相比正面信息，投資者更容易受到負(fù)面信息的影響。因此，針對(duì)周圍人對(duì)于投資者的顯著的負(fù)面情緒，眾籌發(fā)起人應(yīng)該在廣告和其他宣傳上投入更多來減少甚至扭轉(zhuǎn)投資者的消極態(tài)度。

圖5 罰款比例敏感性

(2)眾籌市場(chǎng)中規(guī)模效應(yīng)影響顯著?；诒疚募僭O(shè)，充電收益由其服務(wù)時(shí)間決定。預(yù)期服務(wù)時(shí)間的斜率α描述了項(xiàng)目收益率在多大程度上受到規(guī)模的影響。在不存在規(guī)模效應(yīng)且服務(wù)時(shí)間完全隨機(jī)的情況下，即α為零時(shí)，發(fā)起人無法通過在眾籌市場(chǎng)上項(xiàng)目的運(yùn)行來盈利因而更傾向于選擇違約。當(dāng)α增加時(shí)，項(xiàng)目的預(yù)期收益更易于確定。這將進(jìn)一步激勵(lì)眾籌者加入項(xiàng)目，因?yàn)轫?xiàng)目規(guī)模的擴(kuò)大會(huì)給投資者和發(fā)起人帶來更多的利潤。因此，政府應(yīng)鼓勵(lì)眾籌在具有規(guī)模效應(yīng)的項(xiàng)目中的應(yīng)用，例如能源公用事業(yè)、高科技類項(xiàng)目初期等。

(3)分紅比例的提高可以顯著提升項(xiàng)目參與率，但其對(duì)于違約率和發(fā)起人收益的影響是非單調(diào)的。這是由于分紅比例對(duì)于項(xiàng)目發(fā)起人收益具有雙重影響：提升分紅比例也有利于吸引更多投資者，但同時(shí)企業(yè)需要發(fā)放的紅利也迅速增加。在可承受的分紅比例范圍內(nèi)，投資者的增加將提升發(fā)起人收益。但隨著分紅比例進(jìn)一步增加，發(fā)起人的分紅負(fù)擔(dān)過重、收益縮水，則可能為逃避分紅而選擇違約。如果政府首要目標(biāo)是違約風(fēng)險(xiǎn)防控，則可以出臺(tái)分紅比例相關(guān)的管控政策，將其鎖定在適當(dāng)范圍以內(nèi)。

(4)嚴(yán)格的懲罰機(jī)制是降低違約率的有效途徑。較低比例的罰款措施無法有效遏制違約行為，因?yàn)榘l(fā)起人即使被罰款，依然可以保有較高的利潤。然而，當(dāng)罰金率過高時(shí)，違約對(duì)發(fā)起人來說不再是有利可圖的了，違約率會(huì)迅速下降到接近0。并且根據(jù)模擬結(jié)果，罰款對(duì)于項(xiàng)目參與度和發(fā)起人收益沒有不利影響。因此，政府有必要效仿眾籌相關(guān)法律較為完善的國家，對(duì)違約行為實(shí)施嚴(yán)格的懲罰機(jī)制，以此降低違約率、保證眾籌市場(chǎng)的良性運(yùn)行。