“三叶草”模型的研究总体上是一个从数据中发现现象，再通过模型寻找规律进而指导实践的过程。“三叶草”模型是在传统市场预测基础上，结合资料研究和数据挖掘的方法建立起来的，模型可以对自然人的投资行为、投资规模以及投资偏好进行分析和预测，帮助市场主体“找人”、“找资金”、“找市场”。在之前的研究中我们介绍了建立“三叶草”模型的背景，并对自然人的投资行为进行了实证分析和预测，本次研究我们将分析并预测自然人的投资规模，进一步讨论模型预测的意义。

　　我们对2012年—2016年北京市高新技术产业领域公开披露的投资信息进行了归集，并整合了互联网所发布的投资类数据及资讯信息，利用国家企业信用信息公示系统公布的企业股东信息反推投资人，并对数据进行清洗、归纳和聚类，共获得约1.8万条有效数据记录，并从中挖掘出较为活跃的投资人9600多名。

　　投资人中的“帕累托法则”

　　意大利经济学家帕累托发现社会上20%的人占有80%的社会财富，而且这种现象具有普遍性和稳定性，这一规律被称为“帕累托法则”，也叫“二八定律”。在研究中我们发现，这种现象在投资领域更加显著，也就是说更小部分的投资人掌握着更大规模的资金。在选取的9600多名活跃投资人中，近5年投资总金额TOP10的投资总额占所有投资总额的36.9%，TOP100的投资总额占所有投资总额的55.0%，TOP500的投资总额占所有投资总额的74.0%，TOP1000的投资总额占所有投资总额的83.5%，TOP2000的投资总额占所有投资总额的92.1%。

　　按照投资金额划分投资人群

　　我们对2012-2016年的投资金额进行了聚类分析，将这些投资人的年度投资金额分为四个层级：5000万以上、600至5000万、60至600万以及60万以下。这四个层级的中心值分别为8000万、1000万、150万和20万，可以对应理解为超大规模投资、大规模投资、中等规模投资和小规模投资。四个投资层级的近5年的投资频次依次为675人次，3779人次，6927人次和6770人次。

　　建模预测各投资人的投资规模层级

　　通过散点图可以看出聚类后各投资规模层级中投资人的离散程度，从下图中可以看出，第二、第三层级的投资规模相对集中，第一、第四层级的投资规模相对分散。通过人工神经网络算法建立“三叶草”模型，对每一位自然投资人2017年投资规模的层级进行预测，并估算出投资总规模。通过2016年数据验证得到模型的整体准确率为64.5%。

　　预测结果解读

　　总体上看，2017年自然投资人投资整体趋势平稳，预测投资总规模642亿元，较2016略有提升；自2014年来，投资的人数呈现稳定上升趋势，预测2017年投资人数会持续增加。

　　从四个投资规模层级来看，整体上变化幅度不大，投资区间较为稳定。其中，预测超大规模投资（5000万元以上）层级人数和小规模投资（60万元以下）的投资人数会有所下降，中小规模（60至600万）和中高规模（600至5000万）的人数预测有所增加。

　　预测投资规模的意义

　　宏观层面上，一个城市、一个地区或者一个产业园区的活跃投资人数相对稳定，而这些自然投资人的投资行为既有较高的弹性，又拥有一定的惯性。基于自然投资人对市场变化的敏锐弹性，可以通过预测其投资行为提前了解区域经济的走向和趋势，基于投资人投资偏好及投资模式的稳定性，可以通过预测其投资行为更加科学地制定经济发展策略和确定经济发展目标，实现经济效益和社会效益最大化。

　　微观层面上，对于有融资需求的企业来说，对投资人投资行为的预测可以用于帮助其精准地找到潜在投资人，对投资规模的预测还能更有效地为其找到资金，甚至建立业务联系，助力企业的持续发展。对投资人来说，预测结果可以帮助其进行高效的投资决策，提前了解各个行业的投资情况，能够更加充分实现资金的跨期优化，减少在投资过程中的资金浪费，降低投资的风险，获得更高的投资回报。

　　以上内容由龙信数据区域发展事业部提供