摘要：在创业融资的早期阶段，投资决策往往发生在信息高度不对称的环境中，因此创业者的“表达方式”成为投资人判断的重要线索。传统研究主要关注商业计划书、财务预测或市场潜力等理性信息，而忽视了创业者在路演中通过面部表情、语音语调与语言用词传递的情绪信号。Hu和Ma（202
01 研究背景
在创业融资的早期阶段，投资决策往往发生在信息高度不对称的环境中，因此创业者的“表达方式”成为投资人判断的重要线索。传统研究主要关注商业计划书、财务预测或市场潜力等理性信息，而忽视了创业者在路演中通过面部表情、语音语调与语言用词传递的情绪信号。Hu和Ma（2025）发表于Journal of Finance 的研究《Persuading Investors: A Video-Based Study》系统性分析了非语言信息在融资过程中的作用机制，通过多模态视频数据揭示了沟通表达如何影响投资决策。作者利用机器学习技术，对来自全球主流加速器项目的1139段创业申请视频进行视觉（facial）、声音（vocal）与语言（verbal）特征分析，构建了衡量创业者说服力的综合指标。研究发现，表现出更多积极表情、更高语音唤醒度与温暖用语的创业者获得投资的概率更高，这表明投资人不仅受理性评估驱动，也会受到情绪线索的影响。
然而，这种“情绪说服效应”并不总是信息增量的体现。进一步分析表明，投资人对高积极度演讲的偏好部分源于心理偏差而非真实质量信号，即创业者的表情与语气可能在无意中引导投资人形成过度乐观预期。通过结合实验验证与算法量化，本研究揭示了融资过程中的“感性偏差”如何影响资本配置效率。
数据说明与指标构建
02
本研究的数据来源于创业加速器的公开申请视频，作者通过自动化爬取程序从YouTube与Vimeo等视频平台收集了2005至2019年间共1139段创业团队自我介绍视频，涵盖Y Combinator、Techstars、MassChallenge等全球主要加速器项目。每段视频均对应一家初创企业的融资申请，内容包括创业者的自我介绍、产品阐述与市场愿景。为确保样本的代表性与可比性，研究团队剔除了重复提交、内容不完整或画质不达标的视频，并基于视频元信息核实创业团队身份与项目特征。另外，研究团队进一步将视频样本与公开融资结果进行匹配，确保投资结果的准确性。
在指标构建方面，作者基于视频的视觉、声音与语言三维特征提取信息，形成综合的Pitch Factor指标。视觉层面利用Face++ API提取面部情绪特征，量化创业者的积极表情、情绪强度与面部吸引度；声音层面通过pyAudioAnalysis与 SpeechEmotionRecognition模型提取语音的唤醒度（arousal）、情绪极性（valence）与语调特征；语言层面则使用Loughran-McDonald金融词典与Nicolas-Bai-Fiske社会心理词典，对演讲文本进行情感、能力与温暖度分析。此外，研究还利用BERT 词向量模型计算演讲文本与现有创业项目描述的语义相似度，以衡量创新性与内容信息量。
03 实证分析
在基准回归部分，作者旨在验证创业者在视频路演中的表现特征能否影响投资决策，构建的核心模型如下：
其中，I(Invested) ijt 表示创业项目i是否在年份t被加速器j投资；Pitch Factor i 对项目i的视频路演在视觉、声音与语言三维特征标准化后经降维汇总的综合说服力指标。Controls i 为项目层面的控制变量向量；δ j 为加速器固定效应。
表3报告了基准回归结果，Pitch Factor的系数在1%显著性水平下为正，说明创业者在视频中的综合表现与其获得投资的概率呈显著正相关。具体而言，Pitch Factor每提高一个标准差，创业项目获得投资的可能性平均上升约3个百分点，约占样本平均投资率的35.2%。
表3
表4进一步分解结果表明，积极的面部表情、充满活力的语音特征以及温暖友好的语言表达均显著提升投资成功率，而消极情绪与冷漠表达则抑制投资意愿。
表4
进一步，作者检验了样本选取问题，以确保研究结论不受视频可见性偏差的影响。由于加速器申请视频最初均上传至公共平台，而部分创业团队在申请结束后会选择将视频设为“未列出”、“私密”或删除，因此，留存在公共平台的视频样本可能并非完全随机。若被公开保存的视频系统性地更具积极情绪或更可能获得融资，则模型估计的Pitch Factor效应可能被高估。因此，作者基于完整样本中的可追踪子样本，对视频“是否被选出”进行了检验。
表5
作者以Logit模型估计视频被选出的概率，并控制创业者与团队背景变量、视频特征及内容控制项，同时在“加速器—年份”层面聚类稳健标准误。样本限定为2018至2019年7月间上传、且在2019年7月仍可访问的527段视频；截至2020年3月，其中126段（约23.9%）已被设为不可见。表5的回归结果显示，视频被选出的概率与Pitch Factor、加速器投资结果及后续外部融资状况均不具显著相关性，说明样本丢失的过程基本随机，不会系统性地影响主回归的估计。作者据此认为，公开视频样本能够代表全部申请视频的总体分布，其选择性问题对主要结论的影响可以忽略。
机制检验
04
最后，作者探讨了创业者的表达特征通过何种经济渠道影响投资决策。借鉴DellaVigna和Gentzkow（2010）的框架，作者将潜在机制分为两类：信念渠道（beliefs channel）与偏好渠道（taste-based channel）。前者认为，投资人依据路演特征形成对创业项目成功概率的主观信念，即Pitch Factor影响投资人的预期判断；后者则表明，即使控制信念不变，投资人仍可能因个人偏好而更倾向于选择表达积极、富有感染力的创业者。
表10
为识别两种机制，作者设计了实验并使用Logit模型分解效应。表10显示，更高的Pitch Factor显著提升了投资人对项目成功概率的预期（μ），但对信念置信度（σ）的影响较弱，说明表达特征主要通过强化投资者的信念产生作用。
表11
然而，表11进一步发现，即使控制信念变量，Pitch Factor仍然显著正向影响投资决策，表明偏好渠道同样存在。通过系数分解，作者估算信念渠道约占总体效应的79.2%，偏好渠道约占20.8%。这意味着，投资人受创业者表现影响的主要原因在于形成了“过度乐观”的信念，而非单纯偏好特定表达风格。
05 结论
本研究以创业加速器申请视频为研究对象，利用机器学习方法系统分析了创业者在路演中的非语言表达特征与投资结果之间的关系。通过提取视频的视觉、声音与语言三类信息，作者构建综合说服力指标，并发现创业者在视频中表现出的积极表情、更高语音唤醒度以及温暖友好的语言用词显著提高了其获得投资的概率。进一步分析表明，这种“情绪说服效应”主要通过影响投资人的信念形成而发挥作用，即投资人会将创业者的积极情绪误认为是项目质量的信号，从而产生偏乐观的预期。总体而言，该研究以多模态视频数据为基础，揭示了创业融资决策中非语言信息的经济作用，并为行为金融与人工智能方法在创业研究中的结合提供了新的实证证据。
来源：数智行者
