早期创业企业股权估值的挑战

《Management Review Quarterly》：Valuation challenges of equity in early-stage ventures

　　摘要
早期初创企业在估值方面面临根本性挑战，因为它们缺乏稳定的现金流、历史业绩数据以及可靠的市场基准。因此，投资者依赖多种估值方法，这些方法结合了财务建模、启发式判断和信息信号。本研究对用于早期初创企业的估值方法进行了以方法为导向的系统性文献回顾。按照既定的系统回顾程序，我们分析了1991年至2025年间发表在创业、金融和管理学期刊上的75篇经过同行评审的研究。该回顾确定并综合了用于评估创业企业的方法论方法，包括财务估值模型、以实践者为导向的启发式方法、基于信号的分类评估以及新兴的基于平台的估值机制。研究结果证实，早期初创企业的估值很少仅由单一方法决定。相反，投资者会运用财务技术、可信度信号以及分期融资和可转换工具等治理机制来管理不确定性。为了提高综合过程中的方法透明度，该回顾还展示了人工智能辅助的语义分析如何支持在系统文献回顾中对异构估值方法进行分类和整合。此外，我们还通过与风险投资和创业生态系统从业者的半结构化访谈获得了见解，这些访谈反映了估值方法在实践中的应用情况。本研究通过阐明早期初创企业估值在各种研究背景下的实施方式，为创业金融文献做出了贡献。我们还提出了一套估值机制的概念框架，并为未来关于创业生态系统中的新兴估值实践的研究指明了方向。

1 引言
早期初创企业难以估值，因为估值所需的关键输入数据缺失。许多公司收入有限、单位经济效益不稳定且经营历史较短。它们的资产往往是无形且难以核实的。这些特性使得标准的企业估值流程在早期阶段变得脆弱（Dittmann等人，2004年；Audretsch和Link，2012年）。然而，这并不意味着不会进行估值。投资者确实会使用结合财务估算、定性判断和交易结构的方法来确定股权价格。实际上，估值过程通常与治理条款、分期付款和下行风险保护等因素一起协商确定（Hsu，2010年；Hsu等人，2014年；Balcerzak等人，2023年）。这导致在可见指标相似的公司之间，估值结果存在较大差异（Gornall和Strebulaev，2020年；Barg等人，2021年）。更糟糕的是，新企业提供了一国就业增长的主要来源（Audretsch和Link，2012年）。然而，平均而言，只有10%的新创企业能够成功，其中仅有30%的企业能够存活过最初的三年（Howarth，2025年）。在这种极端风险环境中，对早期初创企业的评估或估值至关重要。与具有历史财务业绩和可预测现金流的成熟企业不同，初创企业通常以无形资产、未经验证的业务模式和高不确定性为特征。
学术文献反映了这种复杂性。关于早期初创企业估值的研究分布在创业、金融、经济学和信息系统等多个领域（Colombo等人，2023年）。尽管文献中描述了几种技术，但对早期初创企业的估值仍然难以捉摸。研究使用不同的标签来称呼类似的方法，并以不同的方式衡量“估值”。一些研究关注正式的估值模型，如折现现金流模型、实物期权或或有索取权框架（Dittmann等人，2004年；Hsu，2010年；Balcerzak等人，2023年）。其他研究则强调筛选启发式方法、决策规则以及创始人属性和合法性线索的作用（Maxwell等人，2011年；Becker-Blease和Sohl，2015年；Blume和Hsueh，2024年）。第三类研究关注平台环境，其中市场设计和信号传导影响了感知价值和融资结果（Kleinert等人，2020年；Chen等人，2021年；Li和Cao，2023年）。这种碎片化现象带来了实际成本。创业者难以预测投资者如何将企业的叙述和前景转化为股权份额。当预测存在噪声或战略行为扭曲信息披露时，投资者面临较高的错误风险（Scarlata和Alemany，2010年；Theoharakis等人，2021年）。随着平台金融的发展和估值实践在各个生态系统中的传播，政策制定者也面临不断变化的目标。本研究通过以方法为导向的系统性文献回顾（SLR）来解决这些问题（Block等人，2025年最近推荐SLR作为一种独特的回顾格式，用于综合不同领域对某一现象的研究方法）。与这一框架一致，我们考察了早期初创企业估值是如何通过定量模型、定性方法、混合框架和基于平台的方法来实现的。我们关注估值方法而非一般的投资标准，因为决策标准并不总能直接转化为估值结果（Pollock等人，2010年；Ding等人，2014年）。
我们的回顾有三个目标：首先，整合文献中使用的估值方法并尝试解决术语重叠的问题；其次，综合关于不同方法使用情况及其对估值结果的影响；第三，明确不同投资者类型和融资背景下的边界条件，包括风险投资、天使投资和众筹（Maxwell等人，2011年；Hsu等人，2014年；Kleinert等人，2020年）。此外，本文还展示了在手动编码后使用人工智能辅助的语义整合程序，以提高分类的一致性和聚类效果（Block等人，2025年）；并通过从业者访谈反映了估值在实践中的实际应用情况。我们注意到，访谈证据被用作三角验证工具，而不是替代文献记录。

文章的其余部分结构如下：第2节回顾了估值研究中使用的关键理论视角，包括代理理论、信号理论、行为决策理论、合法性理论和实物期权理论；第3节描述了系统回顾协议和人工智能辅助的综合程序；第4节提出了估值方法和机制的主题综合；第5节汇总了从业者的见解；第6节将两种证据流整合为早期初创企业估值的概念框架；第7节概述了未来的研究议程；第8节总结了全文。

2 早期初创企业估值的理论基础
我们认为，早期初创企业的估值处于金融学、创业学和决策科学的交叉点。几种理论视角解释了学者们如何解释投资者行为和估值结果。我们认为，当财务信息有限时，五种视角在文献中出现得最为频繁：代理理论、信号理论、行为决策理论、合法性理论和实物期权理论。

2.1 代理理论与治理考量
代理理论将早期初创企业的估值视为创业者与投资者之间更广泛契约问题的一部分。创始人拥有关于企业质量和未来前景的私人信息，而投资者则对投资者的努力程度、报告准确性以及融资后的战略选择存在不确定性（Jensen和Meckling，1976年；Kaplan和Str?mberg，2004年）。这些信息摩擦既影响了估值也影响了交易结构。投资者很少将估值视为一个孤立的定价过程，而是将其与董事会代表权、清算偏好和分期融资等治理条款相结合。分期付款允许投资者逐步投入资本，同时持续监控企业的表现（Hsu，2010年；Kaplan和Str?mberg，2004年）。代理问题也解释了不同类型投资者为何对同一企业有不同的评估方式。风险投资者（VC）通常管理机构资本，并面临来自有限合伙人的问责压力，他们的估值决策往往强调可扩展的经济潜力和正式的治理安排。商业天使投资者（BA）则在较小的网络中运作，通常严重依赖关系信任和信息监控机制（Maxwell等人，2011年；Hsu等人，2014年）。从这个角度来看，估值不仅反映了预期的财务回报，还包括控制代理风险所需的治理机制。

2.2 信号理论与信息不对称
信号理论为创业金融中的估值模式提供了另一种解释。创业者通常比外部投资者拥有更多关于企业质量的信息。为了减少不确定性，创始人会传递传递可信度和承诺的信号（Spence，1973年；Connelly等人，2011年）。信号有多种形式，创始人的经验、教育背景和之前的创业成功经验常被视为执行能力的指标（Becker-Blease和Sohl，2015年；Hsu等人，2014年）。外部认可也起着重要作用，之前的融资经历、加速器参与以及与可信赖组织的合作关系可以增强投资者的信心（Kleinert等人，2020年；Pollock等人，2010年）。这些信号的价值取决于具体情境，当不确定性高且直接尽职调查受限时，认证效应最为显著。众筹平台就是一个明显的例子：投资者在评估项目时常依赖可观察的信号，如之前的融资情况、项目势头或社会证明（Kleinert等人，2020年；Li和Cao，2023年）。从这个角度来看，估值反映了信号的可信度，而不仅仅是财务预测本身。

2.3 行为决策理论与投资者启发式方法
行为决策理论强调了投资者评估背后的认知过程。早期投资决策往往在时间压力和不完整的信息下做出。投资者通过使用启发式方法和筛选规则来简化复杂决策（Kahneman和Tversky，1979年；Maxwell等人，2011年）。实证研究表明，许多投资者遵循分阶段的筛选流程，根据少量关键属性快速筛选机会。常见的标准包括创始人的能力、市场规模和产品的差异化程度。未能达到最低门槛的企业在估值过程早期就被淘汰（Maxwell等人，2011年；Ding等人，2014年）。这些决策规则虽然降低了信息处理成本，但也可能导致偏见。糟糕的投资经历会影响投资者对新兴机会的解读；成功经历可能会增加对特定行业或商业模式的信心，而之前的失败则可能使投资者对类似企业更加谨慎（Blume和Hsueh，2024年）。因此，行为视角解释了为什么在财务预测不可靠时，投资者会依赖启发式估值方法。

2.4 合法性理论与制度视角
合法性理论关注企业如何通过社会过程获得投资者和利益相关者的认可。早期初创企业通常在技术可行性和市场需求不明的不确定市场中运作。因此，投资者会评估企业在其制度环境中的可信度（Suchman，1995年；Zimmerman和Zeitz，2002年）。创始人通常通过关联性和认可来寻求合法性。参与加速器项目、与成熟企业的战略合作伙伴关系以及来自可信赖投资者的认可表明企业达到了某些质量标准。这些信号可以通过影响投资者对风险和增长潜力的认知来影响估值（Pollock等人，2010年；Kleinert等人，2020年）。制度环境也塑造了估值实践，不同创业生态系统的监管框架、披露规范和投资者网络各不相同。因此，合法性可以被视为形成估值判断的社会过滤器。

2.5 实物期权理论与战略灵活性
实物期权理论为理解风险投资中的分阶段投资决策提供了金融框架。早期初创企业在市场需求、技术可行性和竞争动态方面面临高度不确定性。在这些条件下，投资者将初始投资视为一种选项，这种选项赋予他们以后投入更多资本的权利，但没有义务这样做（Dixit和Pindyck，2012；Hsu 2010）。分阶段融资反映了这一逻辑。投资者在早期轮次中投入有限的资本，并随着不确定性的减少而扩大投资。每一轮融资都作为一个决策点，在这一点上投资者会重新评估创业企业的前景。实物期权理论也解释了为什么在早期阶段的估值可能显得较为保守。投资者在定价时会考虑到预期的结果，以及随着新信息的出现而调整投资决策的灵活性。这种观点将早期阶段的估值视为一个动态投资过程的一部分，而不仅仅是一个静态的定价决策。

2.6 理论意义
这些理论视角解释了为什么早期创业企业的估值很少遵循单一的分析模型。代理问题促进了分阶段的融资和治理结构。信号机制帮助投资者解读有限的信息。行为启发式方法塑造了机会的筛选和评估方式。合法性过程影响了创业生态系统内的可信度。实物期权理论为增量投资提供了财务上的合理性。这些视角还阐明了为什么估值文献中包含了多种方法论过程。不同的理论强调不同的机制和测量策略。

3 方法论
我们使用SLR方法来综合关于早期创业企业估值方法的研究。SLR提供了一种结构化的程序，用于识别、评估和整合分散的研究成果（Tranfield等人，2003）。与叙述性综述相比，这种方法提高了透明度并减少了选择偏差。当一个领域包含多种方法论方法和分散的经验证据时，它被广泛用于管理和创业研究（Denyer和Tranfield 2009；Colicchia，2012）。研究设计的阶段包括搜索策略、文章筛选、数据提取和综合。下面将描述每个阶段。

3.1 搜索策略和数据库选择
文献搜索针对的是涉及创业企业估值方法的同行评审期刊文章。搜索使用了在创业和金融研究中常用的主要学术数据库，包括Elsevier（sciencedirect.com）、Emerald（emeraldinsight.com）、Springer（springerlink.com）和Taylor and Francis（tandfonline.com）。搜索字符串结合了与创业企业和估值相关的术语。在文章标题、摘要或关键词中使用了以下搜索词：
1. (VC OR venture cap*) AND (valu*) AND (metho*);
2. (BA OR bus* angel*) AND (valu*) AND (metho*).
搜索过程旨在涵盖多个相关领域的研究。关于创业企业估值的研究不仅出现在创业期刊中，也出现在金融、经济学和创新管理等领域的出版物中，这有助于我们减少学科偏见并增加相关研究的覆盖范围。搜索产生了一个初始的文章池，随后通过筛选程序进行了进一步优化。我们在图1中展示了这一过程。

3.2 筛选和纳入标准
文章经过多个阶段的筛选以确保相关性和质量。第一阶段是审查标题和摘要，以识别明确讨论创业企业估值或相关评估过程的研究。仅关注成熟企业估值的研究被排除在外。第二阶段是对剩余文章进行全文审查。如果研究满足以下三个标准，则被纳入：首先，该研究考察了用于早期创业企业或初创企业的估值方法；其次，研究提供了与估值方法或投资决策过程相关的实证、概念或建模见解；第三，文章发表在同行评审的期刊上。未讨论估值机制而广泛讨论创业金融的研究也被排除。应用这些标准后，最终的数据集包括75篇1991年至2025年间发表的同行评审文章。这一时间跨度反映了创业金融研究从早期的风险资本研究发展到最近的众筹和基于平台的投资环境的演变。

3.3 数据提取
使用结构化的引用程序从每篇文章中提取相关信息。提取过程侧重于识别每项研究中使用的估值方法及其应用背景。对于每篇文章，记录了以下信息：
- 研究中考察的估值方法或估值框架；
- 作者采用的理论视角；
- 研究设计和方法论（例如，实证分析、实验、建模）；
- 资金背景（例如，风险资本、天使投资、众筹）；
- 与估值实践相关的关键发现以及建议的未来研究方向。
这些信息使评论者能够比较不同研究中的方法论方法，并识别重复出现的估值机制。我们排除了会议记录、讨论论文、书籍和书籍章节以及其他非同行评审的出版物、特刊介绍和先前发表的系统综述。

3.4 人工智能辅助工具在审查过程中的应用
在综合阶段，我们采用了结构化的人工智能辅助程序来提高所审查研究的方法分类一致性。人工智能工具没有用于识别文章或提取数据。所有筛选决策和估值方法的编码都是手动完成的。在对估值方法进行手动编码后，使用大型语言模型处理提取的方法，以评估方法描述之间的语义相似性。这一步骤有助于整合重叠的术语，并帮助将方法分组为连贯或同质的主题集群。考虑到文献中存在相似方法的不同术语，这一点非常重要。例如，风险资本方法、基于退出的估值和折现退出价格模型通常指的是密切相关的估值逻辑。因此，当研究来自不同的学科传统时，这些变化可能会使分类变得困难。此外，我们还使用人工智能来支持综合阶段的模式检测。通过比较文章中估值方法的技术描述，该程序有助于识别概念上的相似性，从而帮助构建主题集群。人工智能支持的输出结果经过人工审查并对照原始文章进行了验证，以防止误分类。我们在表2中记录了人工智能辅助工具在审查过程中的使用情况。

3.5 描述性分析
我们的最终文章样本涵盖了1991年至2025年的文章。图4和表3展示了文章在高排名期刊中的分布以及发表年份。我们还对最终样本时期标题、摘要和关键词中的术语共现进行了可视化的文献计量分析，以识别随时间的变化趋势，并考察了这一时期的主题集群。根据Charfeddine和Umlai（2023）的观点，我们排除了基于作者隶属关系的趋势分析。系统文献综述提出了几种分析和可视化文献计量网络的方法（例如Perianes-Rodriguez等人（2016））。我们使用VOS viewer版本1.6.20来分析三个方面：即标题、摘要和关键词中的术语共现。该软件使用先进的文本挖掘功能来可视化网络布局和网络集群。

3.6 出版物趋势
我们的搜索策略共产生了4,427篇研究文章，然后根据ABDC排名进行了初步的质量筛选。我们采用严格的质量标准，只包括排名A*或A的期刊（以及其他表1中列出的标准）。我们根据2025年的最新ABDC质量排名列表来进行期刊质量筛选。接下来，我们筛选标题、摘要和关键词，以确定哪些文章应纳入系统综述。筛选后，我们选出了75篇文章。

3.7 人工智能辅助工具在审查过程中的应用
在综合阶段，我们采用了结构化的人工智能辅助程序来提高研究之间方法分类的一致性。人工智能工具没有用于识别文章或提取数据。所有的筛选决策和估值方法的编码都是手动完成的。在对估值方法进行手动编码后，使用大型语言模型处理提取的方法，以评估方法描述之间的语义相似性。这一步骤有助于整合重叠的术语，并帮助将方法分组为连贯或同质的主题集群。考虑到文献中存在相似方法的重复术语，这一点非常重要。例如，风险资本方法、基于退出的估值和折现退出价格模型通常指的是密切相关的估值逻辑。因此，当研究来自不同的学科传统时，这些变化可能会使分类变得困难。此外，我们还使用人工智能来支持综合阶段的模式检测。通过比较文章中估值方法的技术描述，该程序有助于识别概念上的相似性，从而帮助构建主题集群。人工智能支持的输出结果经过人工审查和原始文章的验证，以防止误分类。我们在表2中记录了人工智能辅助工具在审查过程中的使用情况。

3.8 描述性分析
我们的最终文章样本时间为1991年至2025年。图4和表3展示了文章在高排名期刊中的分布以及发表年份。我们还对我们的最终样本时期的标题、摘要和关键词中的术语共现进行了可视化文献计量分析，以识别随时间的变化趋势，并考察了这一时期的主题集群。根据Charfeddine和Umlai（2023）的观点，我们排除了基于作者隶属关系的趋势分析。系统文献综述提出了几种分析和可视化文献计量网络的方法（例如Perianes-Rodriguez等人（2016））。我们使用VOS viewer版本1.6.20分析了三个方面，即标题、摘要和关键词中的术语共现。该软件使用先进的文本挖掘功能来可视化网络布局和网络集群。

图2 使用VOSviewer可视化的关键词共现网络，展示了与初创企业估值相关的样本文献中的关键词共现情况。该网络揭示了五个不同但相互关联的集群，每个集群代表了该领域内的一个主题焦点。在可视化的中心是一个主导的紫色集群，由“初创企业”、“风险资本”和“估值方法”等术语构成。这些术语作为核心节点，表明了它们在创业金融讨论中的关键作用。它们之间的强关联表明风险资本投资与用于评估早期企业的技术之间存在紧密的联系。紧邻中心术语的是一个橙色集群，包含了“定性分析”、“创业金融”和“投资分析”等关键词。这个集群突出了一个方法论维度，其中主观评估方法由于初创企业数据质量有限而经常是必要的。此外，“平台”和“非银行金融机构”的存在指出了传统风险资本之外的替代金融来源生态系统的扩展，反映了融资机制的多样化。

图3 使用AI生成的图像替代文本。完整尺寸图像。
关键词共现时间线可视化图3展示了基于我们样本中的标题和摘要文章的另一种共现网络可视化。该地图揭示了2015年至2019年间与投资者行为、风险资本和估值方法相关的主题集群的演变。颜色渐变从蓝色（2015年）到黄色（2019年），表示每个关键词的平均发表年份。这提供了研究流演变的洞察。我们发现“投资者”一词作为最中心且连接最密集的节点出现，表明其在文献中的关键作用以及与其他概念（如“企业家”、“投资”、“模型”和“企业”）的广泛联系。强烈的共现链接表明投资者经常与理论建模和创业背景一起被讨论。同样，“风险资本”和“企业”形成了另一个显著的集群，与“估值方法”和“企业价值”等术语密切相关，反映了风险资本对企业形象和绩效的影响。有趣的是，较新的研究主题，如“基于crowd的企业”、“影响”和“理论”，以黄色调出现，可能反映了学术界对替代投资模式的新兴兴趣。相比之下，“估值方法”和“企业价值”等概念以较深的色调出现，这表明了2015年至2016年左右的早期关注点。

图4 显示了与风险资本、天使投资和估值相关的学术作品数量。1991年至21世纪初，相关出版物的数量非常有限，每年仅有少数几篇。2003年至2015年间，出版物数量开始逐渐增加，尽管并不稳定。从2020年开始出现了显著的增长，有8篇出版物，2021年（9篇）、2022年（8篇），2023年达到峰值，共有12篇，是数据集中的最多数量。我们认为这种增长反映了创业金融的兴起，可能是由于初创企业生态系统更广泛的变化或研究重点的转变。2024年数量略微下降到5篇，2025年进一步减少到2篇（可能是因为我们的文章收集截止）。总体而言，我们发现学术界对风险资本、天使投资和估值主题的关注显著增加。

3.7 期刊质量
我们的数据集包括75篇发表在25种期刊上的文章，反映了学术界对风险资本和天使投资估值实践的高度关注和高质量的研究兴趣。所代表的期刊大多属于高端期刊，其中25种中有18种在ABDC质量排名中被列为A级，其余7种被列为A*级。从期刊四分位数的角度来看，相关文献主要集中在Q1级别的期刊上，这表明这些期刊倾向于在具有高影响力的出版平台上发表文章。值得注意的是，除了三种期刊外，其他所有期刊都被列入Q1级别，而像《Journal of Optimization Theory and Applications》、《Journal Operations Research Society》和《Qualitative Finance》等少数期刊则被列入Q2级别。Q1级别期刊的这种主导地位表明该领域受到了广泛的经济关注，并验证了该领域贡献的重要性和平等性。在这些期刊中，如果有的话，其影响因子（JIF）进一步证实了它们的突出地位。例如，《Journal of Financial Economics》（JIF=10.4）、《Journal of Business Venturing》（7.7）和《Finance Research Letters》（7.4）都是影响力较高的期刊。然而，也有一些期刊没有报告影响因子，或者在本次评估时尚未被收录，例如《Journal of Business Venturing Insights》和《Journal of Financial Services Research》。在我们的样本中，《Small Business Economics》的发表频率尤为突出，共有33篇文章，占总样本的44%，这凸显了它在推进创业金融估值研究方面的核心作用。其他有多篇论文发表的期刊还包括《Annals of Operational Research》（3篇文章）和《Review of Accounting Studies》（也是3篇文章）。虽然大多数其他期刊只发表了一到两篇文章，但这反映出在管理、金融、经济学和组织研究领域的兴趣分布较为广泛但依然存在。

表3：各期刊间的研究文章分布

方法论的最后阶段是将研究分为同主题的集群。进行集群化的目的是整合那些研究相似估值机制但使用不同术语或实证环境的研究成果。在这个综合过程中出现了五个集群：（1）金融估值模型；（2）启发式和以实践者为导向的估值方法；（3）信号传递和信息不对称机制；（4）投资者认知和行为决策过程；（5）平台和市场设计对估值的影响。这些集群反映了文献中用于研究早期风险企业估值的主流方法论。然而，我们注意到这些集群并不是互相排斥的类别，有些研究会结合多种方法。例如，关于风险投资家（VC）决策的研究经常将风险企业估值模型与行为筛选启发式方法结合起来。围绕这些集群组织文献有助于超越逐篇论文的总结，而是突出了在不同情境和投资者类型中影响估值结果的共同机制。下一节将介绍这一综合研究的成果。

**关于早期风险企业估值的我们知道什么**
我们在附录2中深入探讨了风险投资家（VCs）和商业天使投资者（BAs）在文献中的分歧与共识之处。同时，我们还在同一附录的表A2中提供了一个总结表，列出了对这一讨论有贡献的主要出版物。关于早期风险企业估值的文献揭示了几种影响投资者定价方式的共同机制。这些机制超出了传统的金融估值模型范围。我们样本中的研究一致表明，投资者会将财务估算与可信度信号、启发式筛选过程以及为管理不确定性而设计的治理安排结合起来。综合分析得出了五个主题集群，它们涵盖了研究风险企业估值时使用的主要方法论。

**4.1 金融估值模型**
金融估值模型在文献中仍然是一个重要的参考点，尽管其在早期阶段的应用受到有限财务信息的限制。标准的企业估值方法依赖于预测现金流和稳定的折现率，但这些信息在早期风险企业中往往难以获得或存在很大不确定性（Audretsch和Link 2012；Dittmann等人2004）。实证研究表明，投资者通常会调整传统的金融模型，而不是完全放弃它们。DCF模型、基于退出的估值方法和风险投资方法经常会被修改以适应年轻企业的不确定性（Dittmann等人2004；Balcerzak等人2023）。证据还表明，投资者很少依赖单一的估值技术。风险投资家常常会将财务预测与其他方法结合起来进行交叉验证。调查表明，使用多种估值方法的资金往往比依赖单一技术的资金具有更低的投资损失率（Dittmann等人2004）。基于市场的估值捷径在文献中也很常见。当风险企业开始产生早期收入时，投资者经常应用收入倍数或可比交易 benchmark。这些方法使投资者能够将估值与可观察的市场交易挂钩，尽管不同行业和融资阶段的估值结果可能有很大差异（Barg等人2021；Gornall和Strebulaev 2020）。金融估值文献倾向于采取实用的观点，金融模型很少以教科书形式直接应用，而是作为结构化的估算工具，与其他形式的信息结合使用来评估早期风险企业。

**4.2 启发式和以实践者为导向的估值方法**
另一系列研究考察了投资者在评估创业机会时使用的启发式方法。这些方法反映了早期投资决策的实际约束。投资者通常在时间压力和信息不完整的情况下审查大量机会。关于商业天使投资者（BA）投资过程的研究显示，许多投资者采用分阶段筛选程序。机会通过一组关键标准快速筛选，未能达到最低门槛的风险企业会在估值过程中被早早排除（Maxwell等人2011；Ding等人2014）。创始人特征通常是主要的筛选指标。行业经验、之前的创业成功和教育背景经常影响投资者对风险企业质量的看法（Becker-Blease和Sohl 2015；Hsu等人2014）。在财务绩效数据有限的情况下，这些因素可以作为执行能力的代理指标。知识产权在早期风险企业估值中也是一个重要信号。Block等人（2014）研究了商标申请如何影响风险投资家对初创企业的定量估值。他们的发现表明，商标申请的数量和范围与风险企业估值之间存在倒U形关系。适度的商标活动水平似乎表明了战略市场定位和品牌发展，投资者对此持积极态度。然而，随着风险企业进入后期融资阶段和更多客观绩效指标的可用，这些信号的边际价值会降低。这些发现表明，特别是在早期融资轮次中，强调商标活动和更广泛的营销投资可能有助于展现企业的增长导向和战略承诺（Block等人2014）。关于决策启发式的研究表明，投资者并不总是使用补偿性评分系统来评估风险企业。相反，他们通常会应用非补偿性规则，在发现关键弱点后立即排除风险企业（Maxwell等人2011）。这种方法降低了估值成本，但也可能导致投资者之间的投资决策不一致。因此，启发式估值方法是对创业金融市场不确定性的适应性响应，使投资者在无法获得可靠财务预测时能够迅速做出判断。

**4.3 信号传递和信息不对称机制**
信息不对称是早期风险企业融资的一个显著特征。创业者通常拥有关于风险企业质量的私人信息，而投资者必须从有限的可见信号中推断潜在结果。大量研究探讨了信号如何影响投资者评估和估值结果。创始人的人力资本是最广泛研究的信号之一。相关行业的经验、之前的创业成功和教育背景通常会增强投资者对风险企业执行能力的信心（Becker-Blease和Sohl 2015；Hsu等人2014）。外部认证也起着重要作用。之前的融资轮次、加速器参与以及与成熟组织的合作关系可以说明风险企业的可信度。这些信号减少了投资者的不确定性，增加了获得融资的可能性（Pollock等人2010；Kleinert等人2020）。在众筹环境中，信号传递机制的重要性尤为明显。数字平台上的投资者往往缺乏尽职调查的能力，因此，之前的融资情况、活动势头和认可度等可见信号成为风险企业质量的重要指标（Kleinert等人2020；Li和Cao 2023）。因此，文献强调估值结果是由信息解读而非纯粹的财务估算决定的。

**4.4 投资者认知和行为决策过程**
行为视角为理解估值决策的形成提供了额外的见解。投资者在不确定性下评估机会时，经常依赖认知捷径来简化复杂判断。行为金融和创业研究显示，先前的经验会影响投资者对新机会的解读。成功的投资可以增强投资者对特定行业或商业模式的信心。之前的失败可能导致投资者在评估类似风险企业时采用更严格的筛选标准（Blume和Hsueh 2024）。决策过程因投资者类型而异。由于投资组合的规模和对机构投资者的责任，风险投资家通常应用更加结构化的估值框架。商业天使投资者则在较小的网络中运作，可能更依赖直觉和个人判断（Hsu等人2014；Maxwell等人2011）。这些行为动态即使在不完全相同的风险企业评估中也会导致估值结果的差异。因此，认知过程在创业金融研究中是一个重要的解释因素。

**4.5 平台和市场设计的影响**
最近的研究将风险企业估值的研究扩展到了数字融资平台。股权众筹和其他在线投资机制创造了新的估值环境。多项研究探讨了平台设计如何影响投资者行为。定价策略（如早鸟折扣或分层奖励结构）可以影响参与模式和融资结果。这些机制影响了投资者对项目价值的认知，并影响最终获得的融资金额（Chen等人2021；Zhou等人2021）。认证信号在平台环境中也起着重要作用。之前的融资经历、认可度和与成熟组织的合作关系有助于投资者在难以进行详细尽职调查的情况下解读项目可信度（Kleinert等人2020；Li和Cao 2023）。因此，众筹研究强调了估值与市场架构之间的相互作用。融资结果不仅取决于风险企业的质量，还取决于信息在平台环境中的呈现和解读方式。

在这些集群中，我们选取的文献一致认为，早期风险企业估值很少依赖于单一的分析方法。相反，投资者在形成估值判断时会整合多种形式的信息。金融模型提供了潜在回报的结构化估算。启发式筛选过程帮助投资者高效地筛选机会。信号传递机制有助于减少信息不对称。行为决策过程影响了投资者对信息的解读。制度背景和市场设计进一步影响了估值的协商和实施方式。这些机制的相互作用产生了既包含分析估算又包含社会解读的估值结果。因此，早期风险企业估值最好被理解为一种混合过程，结合了财务推理、可信度评估和治理设计。

**5. 实践者对早期风险企业估值的见解**
我们的系统综述发现揭示了几个影响早期风险企业估值的机制。为了将研究结果置于具体背景下并进行反思，我们对在卡塔尔运营的风险投资家和商业天使投资者进行了四次半结构化访谈。访谈中使用的问题来自之前的估值调查。这些访谈提供了关于新兴生态系统中估值行为的实际见解。我们在表4中提供了访谈参与者的匿名描述。

我们发现，访谈结果支持了综述中确定的主要模式，同时也提供了关于估值实际操作方式的详细信息。在参与者1-4中，估值不是一次性的计算，而是一个分阶段的判断过程。投资者结合了方法选择、创始人评估、市场验证和合同结构。三个主题反复出现：阶段依赖的方法选择、团队和市场信号的中心性，以及使用尽职调查和合同来管理不确定性。

**5.1 阶段依赖的估值实践**
参与者多次提到，在早期阶段很少使用正式的DCF模型。参与者1明确表示：“对于早期阶段的交易，我们根本不使用折现现金流，而是根据市场中的可比标准来计算收入倍数或重复性收入倍数。”同一位参与者还强调，方法选择因商业模式而异：“……如果是SaaS或订阅服务业务，那么在重复性收入方面使用倍数非常普遍，而且倍数也更高。”（P1）。参与者3也描述了类似的实践，她说：“不，我们不使用DCF。”这在我们的阶段通常不适用。这样做是不可能的，”她补充说，基金反而依赖于市场上的类似交易和估值倍数。她还强调，这些工具主要是用来辅助决策，而不是替代决策，“我认为通常是两者结合使用，而且更多依赖于判断力而不是数学方法。”（P3）第4位参与者提供了更结构化的、基于阶段的说法。根据这次访谈，“……估值方法会根据公司的不同阶段而变化。对于早期阶段的公司，我们的基金通常使用风险投资方法、稀释法或可比公司分析。”（P4）同一位参与者还提到，“……只有在A轮之后的公司，才会根据行业情况、现金流以及盈利路径来考虑使用DCF退出方式。”（P4）同时，另一位参与者提出了不同的但相关的观点。他没有直接对公司进行定价，而是描述了通过可转换结构进行的早期融资；“……你不需要进行评估，而是以贷款的形式进行投资，然后这笔贷款会转化为股权。”后来他进一步澄清，在简单未来股权协议（SAFE）下，“……估值是在融资额上限中确定的。”（P2）因此，我们可以推测早期阶段的估值非常依赖于阶段特性。DCF被视为适用于较晚阶段的工具。早期轮融资更可能依赖于可比公司、倍数、稀释逻辑或可转换工具。

5.2 团队质量考虑
所有四位参与者都认为创始人团队至关重要。第3位参与者表示，“……团队可能是我们这个阶段最重要的决策因素之一”，并解释说她的基金会从行业经验、高成长潜力、领导力以及网络strength等方面来评估创始人。（P3）第4位参与者用更简洁的语言得出了相同的结论：“创始人团队的质量……投资于早期阶段的公司，实际上就是投资于这个团队，因为这往往是你能获得的唯一评估依据。”（P4）第1位参与者也非常重视创始人的质量，尤其是其行业适应性和扩展能力，“……行业经验，以及在企业发展方面的经验。因此，我们在评估创始人时会考虑这两个方面。”（P1）她还将这种评估与在不确定性下的执行能力联系起来，重申创始人应该了解所在行业，亲身理解他们要解决的问题，并知道“如何完成第一轮融资、第二轮融资、第三轮融资，以及如何实际推动初创企业的扩张。”（P1）第2位参与者对创始人评估的质量进行了最详细的描述。他认为一个强大的团队应同时具备技能和性格特点。用他的话说，“一个非常强大的团队拥有所有这些优势：互补的技能、勇气、韧性以及对项目的热情。”（P2）他还警告不要仅将估值简化为对团队的评估。尽管他承认许多投资者表示首先考虑的是创始人，但他认为“……必须有一个非常有吸引力的价值主张，市场空间也要足够大，产品要有足够的差异化才能成功。而团队则是成败的关键。”（P2）当被问及哪个因素最重要时，第1位参与者更直接地表达了这种平衡的观点。她拒绝单独选择一个因素，说：“我认为有两个重要因素：团队和市场。”（P1）因此，我们可以看出受访者们在观点上有很大的共识。团队质量显然很重要，但并不是孤立存在的。投资者会综合考虑团队、市场和产品逻辑。

5.3 尽调视角
访谈还显示，投资者的尽调是实际操作中非常实用且对创始人的预测持高度怀疑态度的。第1位参与者指出，投资者会考察“单位经济效益和毛利率”，并询问每个单位或订阅是否盈利，以及需要多少订阅量才能达到盈亏平衡。她补充说，她的团队会鼓励创始人采用“自下而上的预测方法”，因为如果没有客户数据、合同价值和市场份额逻辑作为支撑，增长预测是没有意义的。（P1）第2位参与者用更强烈的措辞表达了同样的观点。他认为许多创始人的预测不可靠，“投资者通常会对任何预测进行大约50%的调整。他们会对此提出质疑，但仍然会给予一定的折扣。”（P2）他还提出，更好的预测应该基于客户调研，“……我们实际教授的方法是去与潜在客户交谈，与两百位客户交流并进行统计分析。”（P2）第3位参与者描述了一种类似的方法。她的基金在评估收入情况时使用投资组合基准和保守的假设，“我们不会过于乐观……”而是将公司与其他类似业务进行比较。（P3）她还提到资金需求与公司的可持续发展时间有关，指出当“公司在融资后至少有十八个月的运营时间”时，基金会感到最安心。（P3）第4位参与者则描述了一个更为正式的内部建模流程。他们的基金首先采用创始人的模型，然后建立自己的两个版本，“我们以提供的财务模型为基础，再另外的两个模型，一个较为保守，另一个则更为激进。”（P4）然而，在种子轮阶段，这位参与者表示重点仍在于“产品、市场和团队”，而不是深入的财务建模。（P4）证据表明，投资者确实会审查项目，但他们很少盲目相信表面数据。他们会通过自下而上的逻辑、对比案例、客户访谈和情景建模来进行验证。

5.4 客户验证和用户粘性
访谈还显示，投资者对用户粘性的重视程度并不统一。第1位参与者将客户参与度直接与企业与市场的匹配度联系起来：“客户参与度就是你对产品与市场匹配度的验证。”（P1）她提到使用仪表板来监测用户活跃度和客户留存率，以及通过客户访谈来评估产品是否解决了实际问题。她还强调，“必须要有明确的产品与市场匹配度……”并且她的团队不会投资那些仍在探索这一点的公司。（P1）第3位参与者提出了一种更条件性的方法。客户和用户群体数据很重要，但其重要性因创始人的背景而异。“对于首次创业的创始人来说，这比对于有经验的创始人更为重要。对于有经验的创始人，我们有时甚至在有收入之前就开始投资。”（P3）她还解释说，她的基金有时会分阶段投资，并将第二阶段的投放在达到特定用户粘性目标时进行。（P3）至于第4位参与者，他们则更加明确地指出客户参与度“非常关键”，因为它可以揭示“创始人如何与客户互动以及如何将反馈融入产品中。”（P4）同样，她也强调了直接的市场联系，特别是对于B2B业务来说，认为主要的市场研究“对于收集客户的客观反馈非常关键”，并且有助于建立与未来买家的关系。（P4）我们的研究发现表明，投资者既重视用户粘性也重视客户价值，但会根据创始人的经验、商业模式和融资/发展阶段来衡量其重要性。

5.5 可转换合约和稀释
访谈还显示，合同结构本身就是估值的一部分。第2位参与者将可转换票据（convertible notes）和简单未来股权协议（SAFE）视为应对不确定性的实用手段。“如果你签了SAFE协议，那么估值就体现在融资额上限中。”（P4）他们还提到融资额上限和折扣是保护早期投资者的关键条款。第4位参与者描述了一种基于谈判的稀释方法：“……稀释法可以帮助创始人和投资者就双方都能接受的最佳稀释比例达成一致，同时考虑后续轮融资的情况。”（P4）这表明一些投资者将估值视为关于所有权和未来财务灵活性的谈判过程。实际上，投资者通过合同设计来降低这种不确定性。

6 讨论早期阶段估值的实际操作方式
文献综合和访谈证据一致表明，早期阶段的估值很少依赖单一的分析模型。投资者在确定创业公司价值时，会结合使用财务基准、定性信息和合同设计。首先，在创业公司的最早阶段，正式的财务估值模型作用有限。参与者反复指出，在公司缺乏收入历史或可靠预测的情况下，DCF模型并不实用。我们的发现表明，投资者更依赖于类似交易、估值倍数、稀释逻辑或可转换工具。这些方法使投资者能够将机会与市场实际表现进行对比。其次，创始人质量是投资评估的核心，这一点在多位受访者中得到了一致的强调。这与广泛的研究文献相符，这些文献强调了人力资本和创业能力在塑造创业结果中的作用（Kaplan & Str?mberg, 2004; Hsu 2007）。同时，访谈显示投资者很少单独评估团队。创始人的能力会结合市场机会的大小或创业价值主张的可信度来评估。实际上，投资者将团队质量视为实现机会的重要途径，而不仅仅是估值的一个输入因素。再次，访谈强调了在评估创业预测时自下而上的尽调的重要性。参与者认为财务预测只是有用的起点，并非精确的估值依据。他们还会通过保守的假设、情景分析和市场对比来调整预测。此外，多位参与者表示会直接质疑创始人的预测，并会对预测收入轨迹进行系统的折扣调整。客户访谈、用户群体数据和投资组合基准被用来验证增长假设的合理性。这些实践表明，财务预测主要起到了揭示潜在业务假设的作用。

另外，访谈还揭示了投资者对用户粘性的不同看法。有时，强烈的用户参与度或客户留存率可以证明产品与市场的匹配度，从而增强投资合理性。然而，在其他情况下，如果创始人有丰富的创业经验或可靠的执行记录，投资者可能会接受相对较低的用户粘性。这表明用户粘性的重要性因创始人的经验、商业模式和行业条件而异。最后，访谈还强调了正式文献中较少提及的一个方面，即财务合同在估值中的作用。几位参与者指出，早期投资常常通过可转换票据、SAFE协议或分阶段投资结构进行。通过这些工具，投资者可以将估值决策推迟到获得更多信息后再做出。实际上，估值问题被转移到了合同条款上，例如估值上限或转换折扣。这些说明说明，早期阶段的估值是一个综合性的决策过程，其中投资者结合了市场基准、质量评估和合同机制来管理不确定性。这表明，早期创业企业的估值是多种因素相互作用的结果，具体包括信号、投资者判断、估值工具和合同设计。图5：该图像的替代文本可能是通过人工智能生成的。全尺寸图片。概念性估值框架。未来研究议程：尽管关于早期创业企业估值的研究越来越多，但仍有一些重要问题尚未解决。现有文献指出了概念上、实证上和方法上的局限性，为未来的研究提供了有希望的方向。

7.1 无形资产与估值框架
一个持续的挑战是将无形资产纳入估值模型中。早期创业企业往往从创始人的专业知识、技术能力、知识产权和网络关系中获取价值，而不是来自已建立的财务表现。然而，传统的估值模型难以捕捉这些要素，因为它们过度依赖历史财务数据和稳定的现金流假设（Hellmann 2002；Chen等人2021）。许多研究指出，估值方法经常依赖于简化的假设，这些假设无法捕捉到围绕早期创业企业的不确定性（Chen等人2021；Mouzakitis等人2013）。这一局限性在技术密集型创业企业中尤为明显，因为其价值体现在知识资产和未来增长潜力上，而不仅仅是当前的收益（Hellmann 2002）。因此，未来的研究可以探索结合财务指标与企业家人力资本、技术能力和关系资本的综合估值框架。这样的研究将有助于更真实地理解早期企业是如何创造价值的，以及投资者在形成估值判断时是如何解读无形资产的。

7.2 投资者的估值决策
另一个研究机会在于探讨支撑创业企业估值的行为过程。现有的大量文献隐含地假设估值结果是理性的财务计算的结果。但实际上，投资者的决策往往涉及更多主观性、启发式方法和基于经验的推理。一些研究强调了诸如创始人特征、合法性线索和社会网络等定性信号在塑造投资者认知中的作用（Hellmann 2002）。这些信号帮助投资者评估可能在极端不确定性和/或信息有限的环境中的创业企业质量。尽管有这样的认识，但目前文献中对投资者如何解读这些信号的认知机制仍缺乏深入探讨。我们建议未来的研究可以考察投资者在评估创业企业时如何处理信息，以及先前经验、制度背景和市场条件如何影响这些估值判断。实验研究设计、行为金融方法和投资委员会的实地研究可能为此类过程提供有用的见解。

7.3 金融合同设计
另一个未充分探索的领域是估值与金融合同设计之间的关系。早期投资通常涉及分阶段融资和可转换证券等合同安排。这些机制为投资者提供了一种管理不确定性并在创始人与投资者之间分配风险的方式。先前的研究承认合同治理在风险投资关系中的作用（Hellmann 2002），但相对较少的研究探讨了这些合同结构如何与估值过程相互作用。一些研究表明，合同条款有效地将估值决策嵌入到谈判过程中，而不仅仅是纯粹的财务计算中（Chen等人2021）。未来的研究可以调查不同的金融工具如何影响估值谈判、投资激励和创业企业的发展轨迹。跨投资背景的比较研究可能有助于阐明合同机制如何作为早期融资中的隐含估值工具发挥作用。

7.4 市场认可度和 traction
另一个空白领域是投资者如何解读市场认可度和 traction 的信号。产品采用度、客户参与度和年收入增长等指标经常被用作评估创业企业潜力的指标。然而，现有文献对如何在不同投资情境下解读这些信号提供的指导有限。一些研究强调了市场估值在评估早期创业企业时的重要性（Chen等人2021）。Traction 的重要性可能因创始人的经验、行业特性以及创业企业自身的发展阶段而异。经验丰富的创业者即使在没有强烈 traction 信号的情况下也可能获得资金支持。未来的研究可以探讨投资者如何解读不同形式的 traction 信号，包括用户参与度、收入增长和客户留存率。使用大型创业企业数据集或基于平台的投资的实证研究可能会进一步揭示这些信号如何影响估值决策。

7.5 数字融资环境
创业金融的日益数字化也为研究带来了新的机会。在线众筹平台、数字投资网络和去中心化金融基础设施正在改变早期创业企业吸引资金的方式。一些研究表明，数字融资环境依赖于可观察的信号，如社会证明和平台设计特点，这些因素会影响投资结果。这些方面可能会改变投资者如何解读创业企业质量并确定估值水平。未来的研究可以探讨投资者在传统风险资本市场和基于平台的融资生态系统中的行为差异。这一领域的研究可能会揭示市场参与者在日益数字化的金融系统中如何评估创业企业的新方法。

8. 结论
早期创业企业仍然是创业金融中最复杂的任务之一。与成熟企业不同，年轻的企业很少拥有稳定的收入、历史绩效数据或可靠的市场基准。因此，投资者必须在存在较大不确定性的情况下做出估值决策。本综述综合了用于评估早期创业企业的各种方法，并考察了这些方法在实践中的应用。研究表明，投资者在评估创业企业价值时会结合多种机制。财务模型（如可比公司分析、风险投资方法）和创业乘数提供了结构化的基准。同时，与创始人能力、市场机会和产品差异化相关的定性信号对投资决策有重大影响。包括分阶段融资和可转换工具在内的治理机制通过允许投资者随时间管理不确定性，进一步影响估值结果。综合研究还发现，随着创业企业生成可靠财务数据，正式的财务模型变得越来越重要。但在早期阶段，投资者更重视创业团队质量、市场潜力和产品市场适应性的早期指标。这些发现表明，早期估值最好被理解为一种结合财务估算、定性评估和合同设计的混合决策过程。本综述在三个方面为相关文献做出了贡献：首先，它将关于早期创业企业估值分散的研究整合成了连贯的方法学集群；其次，它强调了投资者在评估创业机会时如何结合财务技术与定性评估；第三，通过纳入实践者访谈，该研究提供了关于估值方法在实际投资环境中如何实施的见解。这些视角揭示了投资者在面对早期投资的实际限制时如何调整理论验证模型。

尽管关于创业企业估值的文献不断增多，但仍有一些重要问题尚未解决。现有的估值模型难以纳入无形资产，如创始人的人力资本和技术能力。投资者决策背后的行为过程尚未得到充分理解。合同机制（如可转换融资）作为估值工具也值得更多的关注，而不仅仅是融资工具。解决这些问题将加深我们对投资者在不确定性下如何评估创业企业的理解。