中国互联网发展展望论文提纲

论文题目：中国互联网行业的风险投资与私募投资策略研究

摘要：本文专门针对中国互联网行业风险与私募投资策略进行研究,注重于如何发现早期的潜在成功投资机会。在此,本文做出了以下的核心贡献:首先,在对国内外关于识别企业成功与失败影响因素及其分析框架研究文献综述的基础上,结合对中国互联网行业的研究,提出针对中国互联网行业初创企业影响因素的理论模型,并以该模型作为基础来展开相应的研究。影响互联网企业的发展是多方面的:内部层面主要包括企业内部的战略、组织、文化、产品、以及作为领导团队核心人物同时也是整个企业的精神领袖的企业创始人。外部层面包括企业所在的整体环境,从宏观经济到基础设施、政策体系、技术发展水平、以及人才资源。企业的各个方面,从发展战略到日常运行都受到外部环境的制约。研发的产品最终的战略选择与推广方式取决于产品目标市场的结构与潜力。同时,对于互联网初创企业,投资方具有至关重要的位置。原因在于很多互联网企业在开始阶段除了团队和产品概念之外,还没有盈利能力。在这情况下,投资方不仅为企业提供资金让企业能正常运行,还提供人脉网络帮助企业找到更好的合作伙伴与发展渠道.现有研究所提出的模型主要针对传统行业,同时专注于企业某个具体方面,缺乏全面性和以及各方面之间的关系。本文构建的理论模型不仅把之前研究的成果进行汇总,还专门针对互联网行业的具体情况做设计,同时对已有模型的不足做出改进,把创业企业最直接、最重要的影响方面及其之间的关系清晰地描述出来,为后续汇总和帅选相应的影响因素提供指导。第二,本文在第三章对中国风险与私募投资环境进行分析,同时使用SCP分析模型对中国互联网行业进行研究。在对中国投资环境、社会文化以及科技与基础设施做概括性分析的同时,本文把重点放在互联网行业的分析上。原因在于,全方位地了解互联网行业的结构、行为、绩效是风险与私募投资策略的基础。在行业结构分析上,由于互联网行业的特殊性,无法使用传统行业的方法和数据类型,本文专门收集互联网业界广受认可的数据进行分析。对传统行业而言,市场份额主要通过销售额或收入进行划分。互联网企业的情况较为特殊:由于很多互联网企业在其发展初期并没有收入或收入很小,但其规模却很大,因此销售或收入并不能用来衡量互联网企业的市场份额。对互联网企业而言,核心产品的用户数是规模的重要衡量指标。目前的互联网产品主要在PC和移动等两大平台。在PC上,互联网产品主要为网站的形式,其用户规模最具有代表性的数据为访问网站的独立用户数;而在移动平台上的互联网产品主要为APP,其用户规模最有代表的数据为APP的安装次数。因此,在PC端,本文使用Alexa中国地区排名前10000网站的数据作为PC平台上的市场集中度的研究数据。Alexa排名是互联网业界广为认可的网站排名指标。在移动端,本文使用艾瑞集团的移动APP指数数据库中的所有4955应用的数据。同时,本文还提出如何针对互联网的数据情况来运用HHI模型对市场集中度进行计算,从而对互联网行业结构及其相应的戏份市场做出分析。在行为分析上,本文先对BAT（百度、阿里巴巴、腾讯）作为互联网行业最有影响力之一的企业行为进行探讨。特别注意的是,这三家企业是风险与私募的典型成功投资案例,也是互联网行业模式运用得最为精彩的企业。随后,本文进一步对互联网行业商业模式与定价战略进行分析。互联网行业的商业模式非常丰富,出现了越来越多的创新,但从最终用户的角度来看,所有的模式最终都可被归纳为三大类:免费、免费增值、付费。本文从互联网产品与最终用户和商业客户的关系等两大角度对这三种模式进行阐述,与此同时把不同细分市场划分到相应的模式中。结果指出中国互联网细分市场的规模越大,其集中度越高,同时免费是这部分高度集中、大规模细分市场所使用的商业模式来获取用户抢占市场,而使用付费和免费增值作为商业模式的细分市场规模更小,集中度更低。除此之外,本文还针对创新与知识交换、强力扩张与整合、促进网络效应、稀缺人才抢占、组织行为与资本需求进行探讨。在绩效分析上,本文对互联网行业的盈利与增长进行分析。同时对传统企业与收到风险与私募投资的互联网企业之间的不同做出对比,并对中国互联网行业的特殊挑战进行汇总。第三,从以上的文献综述,理论模型以及互联网行业的分析结果,结合中国互联网企业典型案例分析,本文在第四章专门对互联网初创企业的成功影响因素进行研究,为风险与私募投资在进行投资筛选和评估上提供参考。由于部分影响因素是内部企业非公开信息,或在企业间较难衡量与对比,因此本文研究范围的影响因素需要符合以下条件:a)真实存在的、可容易进行客观判断,不被主观判断所影响;b)公开信息,企业外部人员可容易通过公开渠道进行信息获取与确认。最终选出以下14个影响因素相对应14个假设:（1）领域先驱企业:先进入市场的企业成功的可能性更高;（2）企业所在城市:位于一线城市的互联网企业成功的可能性更高;（3）平台式产品:拥有核心产品为平台式的互联网企业成功的可能性更高;（4）市场资源分散程度:在资源分散程度高的市场发展产品的互联网企业成功的可能性更高;（5）收到知名风险投资机构的投资:收到Top风险投资机构投资的互联网企业成功的可能性更高;（6）BAT体系下或收到BAT的投资:BAT体系下或收到BAT投资的互联网企业成功的可能性更高;（7）收到第一笔投资的时间:在企业能自然稳定增长一段时间后再收到第一笔投资的互联网企业成功的可能性更高;（8）“海归”创始人:有“海归”创始人的互联网企业成功的可能性更高;（9）创始人为连续创业者:创始人为连续创业者的互联网企业成功的可能性更高;（10）创始人教育背景:有更高学历的创始人的互联网企业成功的可能性更高;（11）创始人毕业院校排名:拥有毕业于Top学校的创始人的互联网企业成功的可能性更高;（12）创始人创业前的工作经验:创始人在创业前具有互联网行业工作经验的互联网企业成功的可能性更高;（13）创始人创业年龄:创始人创业年龄在30岁以上的互联网企业成功的可能性更高;（14）创始人性别:创始人为男性的互联网企业成功的可能性更高本文使用200家中国互联网公司作为研究样本,其中100家为典型成功企业、100家为典型失败案例。成功企业样本来源于艾瑞集团旗下的i Media所汇总的中国互联网企业价值榜。失败企业样本来源于IT桔子数据库中状态为破产或已关且融资总额最高的互联网企业。企业影响因素的数据是本文通过逐个企业全面调研之后进行手动收集的。投资方、融资时间等融资相关数据来源于Thomson Reuters旗下的Venture Expert数据库结合IT桔子数据库。企业所在城市、产品类型、市场类型、创始人相关信息是通过企业官方网站、百度百科、创始人社交网公众账号、权威报纸新闻、访谈等渠道手动整理的。回归结果显示,5项因素显著影响中国互联网企业初创成功,其中,领域先驱企业、BAT体系或获得BAT投资等因素对企业具有正向影响;成立后马上获得第一笔投资、“海归”创始人以及市场分散程度等因素具有负向影响。方法论上,本文使用线性回归、逻辑回归、决策树、支持矢量机以及神经网络等不同分析模型对成功与失败企业数据进行分析,并最终对不同模型的分析结果及其预测效果进行对比。结果显示,所有模型得出相似的预测效果,其中逻辑回归和神经网络的效果最高。除了对论文数据进行分析外,本文所使用的分析模型和方法可为投资者的投资评估提供参考。除此之外,这部分研究的价值还体现在以下方面:首先,影响企业成败的因素需要从正反两方面同时进行验证。目前的研究主要通过少数的案例单方面对成功因素或失败因素进行定性分析,缺乏全面性与对比性。从研究成果可看出,很多因素在一些研究被归纳为成功原因的同时,在其他研究却是指定的失败原因。因此,本文试图通过多个成功案例与失败案例同时验证来做出更全面的分析。其次,国内外文献中所界定的很多因素较为模糊,很难进行客观地评价与确定,本文汇总并选择具有真实可追溯性、可容易客观判断的因素进行验证。另外,国内对这方面的研究较为匮乏,国外的研究主要针对欧美的市场。鉴于此,本文将专门针对中国市场来研究中国互联网企业成功影响因素,同时还构建出可供后续借鉴扩展使用的研究方法。第四,本文在第五章专门针对创始人作为初创企业的领袖也是企业成败的关键影响因素进行研究。作为“习惯创业者”中收到重大关注的连续创业者,这群体在欧美国家不仅在创业界上有着独特的位置,收到投资者的高度评价,在学术上也是学者们注重研究的对象。但国内关于连续创业者的研究尤其是针对中国市场的实证研究非常匮乏。为了弥补该缺陷,本文专门针对中国互联网行业的连续创业者进行分析,对先前创业经验跟后续再次创业业绩之间的关系进行探讨,为投资者的投资评估、政策制作者、创业者以及后续的研究提供参考。本文将以经验学习、社交网络传承以及创业成功持久性作为基础,并从创业者先前创业经历、行业经历与融资等角度进行分析并提出相应的假设。所研究的样本公司满足以下的条件:（1）创建与管理创业公司的企业家是连续创业者,运营过至少两家公司;（2）随后所创建的公司退出状态明确:成功退出的定义是投资者有机会从公司中退出,通常情况下是公司完成IPO、新三板上市或被收购;失败退出的定义是是公司破产关闭;（3）连续创业者所创办的公司各经营独立的产品,同一家公司的转型、名字更换或spin-off不在样本筛选的范围内;（4）公司所经营的主要产品和服务是互联网产品,即用户需要通过互联网来使用公司所提供的产品或服务;（5）样本为中国国内公司,即公司的总部在中国,同时其重要目标用户是中国用户。样本数据来自IT桔子公司库按融资金额排名的前5000家成功与失败退出公司。融资数据使用Thomson Reuters旗下的Venture Expert数据库以及IT桔子数据库。成功退出的公司的标准是已IPO、新三板上市或已被收购;失败退出的公司的定义为目前状态为“已关闭“并没有经历过IPO或收购阶段。控制变量的数据来自企业官网,IT桔子创始人数据库、百度百科以及权威报纸新闻与访谈等渠道手动整理。本文对5000家公司及其管理团队逐个进行调研并根据上面所设定的5个条件来进行筛选。最终选出由252位连续创业者所创立的608家公司作为研究对象,其中233家公司成功退出、241家失败退出、134家还在运营中并未退出。252连续创业者中,74.2%创建过2家公司、16.3%创建过3家公司、5.6%创建过4家公司、3.9%创建过5家公司以上。进一步对筛选出的608家公司进行具体调研并对其创立时间、收到第一笔投资的时间、退出状态、退出时间与方式、所属细分行业进行标注。从创业次数、退出状态、行业经验以及第一笔投资获取时间等维度进行分析,所提出相应假设并运用最小二乘法进行验证。结果显示:（1）创业次数及细分行业经验而不考虑先前创业业绩不能作为后续再次创业成功的可能性预估指标;（2）创业次数越多与先前创业成功的创业者再次创业时倾向于等待更长时间才获取第一笔投资,而创业失败的创业者再次创业时第一笔投资获取时间更早;（3）先前创业成功的创业者再次创业成功的可能性极高,而先前创业失败的创业者则容易再次失败;另外,无论创业者在相同还是不同细分行业进行再次创业,该关系都保持不变。第五,本文的研究结果可为投资者、创业者以及政策制定者提供管理启示与政策建议:首先,对于投资者来说,需要更有针对性地分配投资基金,不能纯依赖于先前经验来对连续创业者进行过高的评价,而需要了解先前经验所创造的业绩和最终退出结果。另外,由于投资者一般会同时给很多公司进行投资,人脉较为广泛,可让成功的创业者做经验分享,为新创业者以及先前失败的创业者能从中学习到成功创业经验。对于创业者来说,需要多跟成功的创业者学习,获取成功创业的经验,同时不能太高估先前创业经验,特别是先前创业失败的经验。另外,创业者不应该盲目地连续创业,特别是创业失败时,需要先总结失败原因,避免下一次再犯同样的错误。同时,在创业公司发展初期,创业者不应该着急大规模融资,而需要先打造产品,小规模,低成本地试错。在产品价值与公司发展方向明确之后再考虑融资。对于政策制定者来说,在为创业者提供资源支持,特别是稀缺的资源时,需要慎重考虑到其创业经验的可靠性与对未来创业成功的可能性来更有效地提供支持和更合理地分配资源。地方政府可组织创业者协会,举办创业者研讨会,让创业者有机会互相认识、互相学习、互相帮助,同时让成功的创业者分享经验,让新手和失败创业者从中获取成功的创业经验。第五章的研究价值在于,目前关于连续创业者的研究主要针对欧美国家,针对中国的研究非常匮乏;同时现有的研究对象比较泛化,没有具体到互联网行业。因此,本文专门针对中国互联网行业的连续创业者进行研究,弥补以上的缺陷。另外,目前的研究主要为调查问卷,调查对象仅仅是还存活的企业,同时结果依赖于被调查者的主观判断。本文专门收集有最终退出状态的创业数据,能客观判断企业成功与失败状态作为评估基准,同时相关指标也是客观真实可追踪的数据,避免主观判断。本文对连续创业者先前创业经验对后续再次创业业绩的影响进行研究,并用中国互联网行业的数据进行验证。研究方法和结果不仅为连续创业的成功提供思路路径,还能为投资者与政策制定者在识别、评估有潜力的创业公司上提供参考。综上,互联网行业风险与私募投资策略制定至关重要一环是如何识别与评估有潜力成功的互联网企业。本文先从中国互联网行业整体结构、行为、绩效等角度进行分析,再聚焦到单个互联网企业成功影响因素以及创业者作为互联网企业的精神领袖与关键决定因素之一进行探讨。本文的研究不能覆盖到中国互联网风险与私募投资策略的各个方面,而最终目标是想为投资者提供参考与启发。本文的研究结果,特别是方法论可为后续更深入的投资策略评估和决策做参考。与此同时,本文在第六章除了对整体研究结果进行汇总,提出相应的政策建议与管理启示外,还总结研究的不足和未来研究方向的展望。

关键词：

学科专业：企业管理

ACKNOWLEDGEMENTS

ABSTRACT

摘要

1 Introduction

1.1 Research Motivation

1.1.1 Significance of Chinese Internet Market

1.1.2 The Need for Financing in the Chinese Internet Market

1.1.3 Supportive Policies from Government

1.2 Research Objectives

1.3 Research Value

1.3.1 Theoretical Value

1.3.2 Practical Value

1.3.3 Novelty

1.4 Research Methodologies and Organization

1.4.1 Research Methodology

1.4.2 Research Organization

2 Literature Review

2.1 Definitions and Terms

2.1.1 Venture Capital

2.1.2 Private Equity

2.1.3 On the Difference between Venture Capital and Private Equity

2.1.4 Investment Process

2.2 Theoretical Basis

2.2.1 Porter’s Value Chain

2.2.2 Structural Holes

2.2.3 A proposed Framework for Startup Success Factors

2.2.4 The Central Role of Serial Entrepreneur Experience

2.3 Existing Research

2.3.1 Research about Venture Capital and Private Equity

2.3.2 Venture Capital and Private Equity in China

2.3.3 Chinese Internet Industry

2.3.4 Statistical Approaches towards Success

2.3.5 Serial Entrepreneurship and the Persistence of Success

3 VC&PE Environment in China’s Internet Industry

3.1 Chinese Investment Environment and Impacts on Venture Capital and Private Equity– a PESTLE View

3.1.1 China Economic Environment and Financial Markets

3.1.2 Investment Regulations and Impacts

3.1.3 Socio– Cultural Diversification

3.1.4 Development of Technology and Infrastructure

3.2 China’s Internet Industry:A SCP View

3.2.1 Overview of Chinese Internet Industry

3.2.2 Structure of Chinese Internet Industry

3.2.3 Conduct of Chinese Internet Industry

3.2.4 Performance of Chinese Internet Industry

3.3 Comparing Venture Backed Chinese Internet Industry Investments to Traditional Investments

3.3.1 Characteristics of Technology Investments Compared to Low-tech Investments

3.3.2 Specific challenges in the Chinese internet industry

4 Towards a Predictive Model for Startup Success

4.1 Research Question and Structure

4.2 Towards a Model for Determining Success Factors

4.2.1 Linear Regression

4.2.2 Logistic Regression

4.2.3 Decision Trees

4.2.4 Support Vector Machine

4.2.5 Neural Network

4.2.6 Model Selection

4.3 Success Factor Candidates

4.3.1 Headstart:Being the First in The Market

4.3.2 Location:Tier1 City

4.3.3 Platforms and Ecosystems:The Ability to Scale

4.3.4 Market Fragmentation

4.3.5 Relationships:First Investor as Top Investment Funds

4.3.6 Relationships:Acquisition or Investment by BAT

4.3.7 Time to First Investment

4.3.8 Founder Background:Returnees

4.3.9 Founder Background:Serial Founders

4.3.10 Founder Background:Education Level

4.3.11 Founder Background:University Ranking

4.3.12 Founder Background:Work Experience

4.3.13 Founder Background:Age when founding

4.3.14 Founder Background:Gender

4.4 Analysis of Success Factors and Predictive Model

4.4.1 Dataset and Descriptive Statistics

4.4.2 Logistic Regression and Odds of Success

4.4.3 Comparison of Prediction Models

5 Entrepreneurial Experience and Success Persistence

5.1 Serial Entrepreneurship and the Performance of Start-ups

5.2 Reseach Hypothesis

5.2.1 Impact of Previous Founding Experience on Subsequent Start-up Performance

5.2.2 Impact of Previous Industry Experience on the Performance of Subsequent Ventures

5.2.3 Impact of Previous Founding Experience on Fund-raising

5.3 Regression Model and Data

5.3.1 Regression Model

5.3.2 Research data

5.4 Regression Results

5.4.1 Impact of Previous Founding Experience on Subsequent Start-up Performance

5.4.2 Impact of Previous Industry Experience on Performance

5.4.3 Impact of Previous Founding Experience on Fund-raising

5.5 Persistence of Success:Conclusion

6 Recommendations and Conclusion

6.1 Findings

6.2 Policy Recommendations

6.2.1 For Investors

6.2.2 For Entrepreneurs

6.2.3 For Regulatory Bodies

6.3 Future Research

References

Author Introduction and Publications