金融支持科技成果轉化的風險價值研究

李尹汐　蔡志榮　任可心　白紅信

摘要：由于知識經濟和世界經濟一體化進程的加快，金融支持科技成果的轉化成為了建設創新型國家的必由之路。但是金融投入存在風險，因此，建立風險評價方法進而對風險進行評估十分必要。本文將運用“最小二乘法”對2008-2017年專利有效累計數與各類資金數額統計中的未知數據進行填充，并結合我國國情選擇專利有效累計數、科學技術支出、創業風險管理資金、研究與試驗發展（R&D）經費情況、股票成交額、保險保費投資額中近幾年的數據，通過實證分析研究后發現，創業風險管理資金與創業風險投資數據的吻合度最高，進而利用VAR模型中的方差-協方差法對已知投資組合進行風險價值的分析求證，得出其風險價值。

關鍵詞：金融支持;科技成果轉化;風險價值;最小二乘法

從2010年1月劉延東同志對科技部等七部門上報的《關于深化科技金融合作加快實施自主創新戰略的報告》所作的批示，到2017年10月召開的十九大中習總書記提到的“科技創新”問題和制定的法律法規中不難發現，我國在金融支持科技成果轉化方面進行了有益探索，但不容忽視的問題是科技成果在產業化、商品化及資本化等轉移轉化過程中，易受到不確定因素（技術、市場、制度環境、收益等在內的投入與輸出的不穩定性及不確定性）的影響而造成無法達到預期或是與預期相差甚遠的結果。這種無法徹底得以有效控制的科技與經濟脫節問題所帶來的影響，使得我國在金融支持科技成果轉化的效率性及有效性方面遠落后于歐美等發達國家。

但通過查閱大量的數據對比發現，風險的出現除了不確定性外還具有一定的規律性。最為明顯的一點是其階段性。同一項目的不同階段，風險的幾率不同。在風險投資項目的萌芽期，盡管投資額較少但出現風險的概率卻是最大的，隨著項目的進行，技術和產品在不斷地成熟完善，風險出現的概率也隨其在不斷減小直至進入市場化階段時達到最低。

上述對于風險性的分析使得我們對于文章所研究的核心有一個較為宏觀的認識。同樣地，對我國科技成果轉化的現狀進行分析，也有利于我們下文的討論。

據《全國技術市場統計年度報告》和《全國科技成果統計年度報告》顯示，應用技術類在我國科技成果資源中占有較大比重，但從2008-2017年應用技術成果的應用狀態中發現，盡管產業化應用成果的比例位居首位，但該比例卻呈逐年下降至平穩狀態。我國有51677項應用技術成果在2017年被登記，其中有29113項成果為產業化應用。獲得經濟效益的成果比重占全部應用技術類的30.40%（15711項），已轉化的項目數量占21.21%（10963項），未應用成果數占6.40%（3306項），此外還有0.16%的成果（84項）應用后被停用。值得注意的是，在未應用或應用后被停用的科技成果比重中，被獨立科研機構和大專院校完成的比例高達44.84%。

一、研究現狀

通過現有文獻可以了解到，國內外學者對于金融支持科技成果轉化的積極作用這一課題已達成共識。金融通過支持科技成果的轉化，帶動了相關企業的發展，提高了國家的創新水平，從而實現技術變革這一目標。

Gerard Cornuejols（2003）提出了開發性金融機構通過提供資

本來吸引更多資金加入以提高新興企業的技術吸收力及國家創新力的想法。Keuschning（2004）認為，風險投資機構及有經驗的投資家的大量存在可以有效地提高技術創新率。鄢洪平（2007）在《風險投資解困中小科技企業融資難題》一書中指出了風險投資與高新技術產業的雙向發展關系及其促進作用。鄭婧淵（2009）通過分析金融與高新產業的關系指出，金融支持是促進其快速發展的基石。

但就國內已有相關文獻而言，主要集中于金融與科技結合方面的研究，關于金融支持科技轉化的風險價值研究較少，絕大數是作為其關系的影響因素而略有提及。為此，本文將以金融對科技成果轉化的支持方式為基礎（本文只選取了其中五個方面進行研究），結合我國現有科技成果轉化方面的情況，針對其中的風險價值進行研究。

二、研究方法及技術路線

眾所周知，科技成果的轉化是高風險與高收益并存的一項經濟活動。其風險性主要體現在對核心技術預測的偏差性、市場需求的不確定性、轉化時速度和方向的受限性以及惡意競爭造成的收益未知性。而這些影響因素是科技成果在產業化、商品化及資本化等轉移轉化過程中不可忽視的。因此本文將采用“最小二乘法”來對其風險價值進行研究。雖然“最小二乘法”已廣泛應用于經濟學的各個領域中，但在金融與科技轉化問題的研究中涉之甚少。

（一）研究方法

最小二乘法的基本公式為：

[j=1nXijβj=yi（i=1，2，3...m）]

其中m為等式數目，n為未知數個數，m[>]n;將其進行向量化后為：[XB=y]

其中，[X]=[X11? X12? …? X1nX21? X22? …? X2n?? ??? ? ? ?Xm1? Xm2? …? Xmn]? ? ?[β=β1β2?βn]，? [y=][y1y2?ym]

引入殘差平方和函數S

S（[β]）=[Xβ-y]2

當[β=β]時，S（[β]）取最小值，記作：[β]=argmin（S（[β]）），通過對S（[β]）進行微分求最值可以得到X[T]X[β]=X[T]y，如果X[T]X矩陣非奇異則[β]有唯一解：[β]=（X[T]X）[-1]X[T]y

計算每組數據之間的相關系數，相關系數的值越接近1，說明這兩組數據的吻合度越高，它們之間的影響就越大。

（二）技術路線

本文引用了“最小二乘法”，它的原理是通過最小誤差的平方和尋找數據的最佳函數匹配。利用“最小二乘法”可以簡便地求出未知數據，且允許存在小誤差，所以本文選取這個方法進行分析。又利用MATLAB對相關的數據進行求解，通過計算數據之間的相關系數來反映其影響關系。

應用“最小二乘法”，可以較為方便地分析金融支持科技創新成果轉化的風險價值，其技術路線如下：

三、實證建模分析

對于未知量我們利用到了“最小二乘法”進行模擬擬合，“最小二乘法”的優勢是可以反映這組數據的趨勢，并且允許有一定的誤差。為了更好地研究金融支持科技成果轉化中的風險價值問題，我們可以用VAR模型中的方差-協方差法進行分析求解。然后再利用此方法求出這幾組數據之間的關系，通過Excel得出每組數據的相關系數。

（一）數據選擇

科技成果轉化中的資金主要來源于財政科技投入、創業風險投資、金融機構和資本市場。財政科技投入選擇的數據為科學技術支出和R&D研究經費（研究與試驗經費），創業風險投資選擇的數據為創業風險管理資金，金融機構選擇的數據是股票成交額，資本市場選擇的數據為保險公司的保險保費。專利有效累計數中的數據來源于中華人民共和國國家知識產權局網站。科學技術支出中的數據來源于中華人民共和國科技技術部網站。創業風險管理資金中的數據來源于中華人民共和國科學技術部。研究與試驗發展（R&D）經費情況中的數據來源于中國統計年鑒網。股票成交額中的數據來源于中國統計年鑒網。保險保費投資額中的數據來源于中國統計年鑒網。

首先利用最小二乘法模擬出需要擬合的曲線圖像并觀察其變化趨勢，再利用方差-協方差法求出每組中的未知數據，根據求得的每組中的未知數據，利用Excel分別得出其相關系數和風險價值，進而可以直觀了解到金融支持科技成果轉化的最為有效方式。

如圖1所示，我們先用MATLAB求出未知數據以及擬合方程。

（三）結果

根據以上求出的擬合方程求得的未知數據如表2所示：

而金融與科技成果轉化之間的關系從以上表中是看不到的，為了求出金融對科技成果轉化的支持，本文采取了相關系數來進行求解。求出金融與各組數據之間的相關系數，用到了Excel進行求解，結果如表3所示：

因為資產組合的風險價值求得的方法是一樣的，所以就以保險公司的保費投資額為例，利用VAR模型求風險價值，它表示給出投資金額數時，在未來的一日和十日時的最大損失金額為多少，求出來的風險價值如表4所示：（詳細過程見附錄）

四、結論與建議

（一）結論

本文探討了風險價值的產生原因并由此確立了金融對科技成果轉化中風險價值的支持關系，并在此基礎之上結合我國金融支持科技成果轉化現狀，收集、整合數據并建立VAR模型，通過測算和分析其中的利弊關系，得到其風險價值的實證結果。

由上述數據可知：R&D研究經費的吻合度最高，股票成交額的吻合度最低。說明R&D研究經費的支出對科技成果轉化的影響力更大，因此政府可以在合理的范圍內加強對R&D研究經費的投資。

不管是政府部門對資金方面的投入還是個人企業對資金方面的投資，都希望能做到最小的損失，而據上圖數據顯示，保險保費在投資中，在百分之九十五的概率下的10天最大損失為1144.77億元，但通過風險的規律性可以提前有效地降低投資風險。

（二）建議

要建設創新型國家，必須緊跟經濟和科技的腳步，并將其合二為一、相輔相成。為此，根據研究結果提出如下建議：

第一，進一步發揮政府的引導作用。本文研究表明，最為有效的方式是加強對R&D研究經費的投資，因此政府可以適當加大對其的引導和投入。

第二，進一步加強金融對科技成果轉化的推動作用，努力營造良好的金融生態環境，調動企業及學校對其研究的積極性。

第三，進一步完善多層次的市場經濟體制，為科技成果轉化的金融支持提供多元化的選擇。

參考文獻：

[1]Zhuxin Wu，Chunyu Zhao，Mei Chen.Research on Scientific & Technological Achievements Transformation of Sichuan Provincial State-Owned Enterprises ofChina. American Journal of Industrial and Business Management，2016（6）：815-821.

[2]徐輝.科技成果轉化機制及對經濟增長的效應研究[D].南京：河海大學，2006.

[3]Gerard George，Ganesh Prabhu. Developemental financialinstitutions astechnology policy instruments：implications for innovation and entrepreneurship in emerging economics[J].Research Policy，2003（32）：89-108.

[4]Keuschning Christian. Venture Capital Backed Growth[J].Journal of Growth，2004，9（2）：239-261.

[5]鄢洪平，馬懷.風險投資解困中小科技企業融資難題[J].財政研究，2007（01）：70-72.

[6]鄭婧淵. 我國高科技產業發展的金融支持研究[J].科學管理研究，2009，27（05）：101-103.

[7]童藤.金融創新與科技創新的耦合研究[D].武漢：武漢理工大學，2013.

[8]王寧，王麗娜.論我國科技成果轉化的金融支持機制與發展對策[J].科技管理研究，2013，33（9）.

[9]藺海新，徐全智.基于最小信息準則的 AR（1）模型的單位根檢驗[J].河西學院學報，2007（02）.

[10]柳勁松.民族地區財政支出與義務教育供給的動態關聯研究——基于1979-2006年數據的VAR分析[J].教育與經濟，2009（03）：57-60.

[11]彭正宇.淺析 VAR分析方法[J].現代經濟（現代物業下半月刊），2008（1）：39+152.

[12]馮慶水，高亞運.基于 VAR 模型金融支持科技成果轉化影響的實證研究——安徽省為例[J].安徽農業大學學報（社會科學版），2017，26（05）：44-49.

[13]徐義國.以金融創新推動成果轉化[J]. 中國科技投資，2010（11）：58-59.