The Crowdfunding Effects on Venture Capital Investment
Notice bibliographique
Résumé
We examine the impact of crowdfunding on venture capital (VC) investments in the presence of competition among VC firms. Our economic model comprises a startup, a crowdfunding platform, and two VC firms, each with its own perception of the startup’s potential. The startup seeks equity funding from the VC firms and decides on the size of its equity offer. If the VC firms decline to invest, the startup pivots to crowdfunding. Following the crowdfunding campaign, all firms update their beliefs about the startup’s likelihood of success based on the crowdfunding outcome, prompting the VC firms to revisit their investment decisions, now with a reduced equity offer if the crowdfunding outcome was positive. This study provides theoretical underpinnings at the firm level for the observed aggregate-level empirical relationships, both positive and negative, between crowdfunding and VC investments. Specifically, based on our model, the positive relationship, where increased crowdfunding activity leads to a rise in subsequent VC investments, is attributed to startups that fail to secure VC funding in the absence of a crowdfunding platform but succeed in attracting VC attention after a successful crowdfunding campaign. In contrast, the negative relationship is attributed to highly valued startups that could have secured VC funding without crowdfunding, but with crowdfunding, VC firms choose to defer their investment decision until after the crowdfunding campaign’s result is known; on the one hand, a successful crowdfunding outcome lowers their post-crowdfunding VC investment demand, and on the other hand, an unsuccessful outcome deters potential VC investors. Besides these relationships, we also identify another dynamic, where the option of accessing crowdfunding raises VC investment, even if the startup does not actually launch a crowdfunding campaign. This paper was accepted by Sridhar Tayur, entrepreneurship and innovation. Funding: This work was supported by the Natural Sciences and Engineering Research Council of Canada [Grants RGPIN-2015-06757 and RGPIN-2021-04295] and the National Natural Science Foundation of China [Grant 71901135]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/mnsc.2022.00994 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».