[논문 리뷰] Referral-Embedded Provision Point Mechanisms for Crowdfunding of Public Projects

Praphul Chandra, Sujit Gujar외 1명|arXiv (Cornell University)|2016. 10. 06.

FinTech, Crowdfunding, Digital Finance참고 문헌 19인용 수 6

한 줄 요약

이 논문은 기부자들이 공공 프로젝트를 처음으로 알고 있는 사람들 외에도 더 넓은 범위의 기부자 풀을 확보하기 위해 제공점 기반 메커니즘에 추천 인센티브를 통합한 새로운 유형의 크라우드펀딩 메커니즘인 Referral-Embedded Provision Point Mechanisms (REPPM)을 제안한다. 기부자들의 기여와 다른 사람을 추천하는 것을 동시에 유도함으로써, 전체 기부자 집단 내에서 사회적으로 바람직한 프로젝트일 경우 균형 상태에서 프로젝트가 자금을 확보할 수 있도록 보장한다. 추천 보상은 균형 상태에서는 이론적으로만 지급되며, 실제로는 지급되지 않는다.

ABSTRACT

Civic Crowdfunding is emerging as a popular means to mobilize funding from citizens for public projects. A popular mechanism deployed on civic crowdfunding platforms is a provision point mechanism, wherein, the total contributions must reach a predetermined threshold in order for the project to be provisioned (undertaken). Such a mechanism may have multiple equilibria; unfortunately, in many of these equilibria, the project is not funded even if it is highly valued among the agents. Recent work has proposed mechanisms with refund bonuses where the project gets funded in equilibrium if its net value is higher than a threshold among the agents who are aware of the crowdfunding effort. In this paper, we formalize the notion of social desirability of a public project and propose mechanisms which use the idea of referrals to expand the pool of participants and achieve an equilibrium in which the project gets funded if its net value exceeds a threshold among the entire agent population. We call this new class of mechanisms Referral-Embedded Provision Point Mechanisms (REPPM). We specifically propose two variants of REPPM and both these mechanisms have the remarkable property that, at equilibrium, referral bonuses are offered but there is no need for actual payment of these bonuses. We establish that any given agent's equilibrium strategy is to refer other agents and to contribute in proportion to the agent's true value for the project. By referring others to contribute, an agent can, in fact, reduce his equilibrium contribution. In our view, the proposed mechanisms will lead to an increase in the number of projects that are funded on civic crowdfunding platforms.

연구 동기 및 목표

• 초기 기부자들 사이에서의 인식 부족으로 인한 시민 크라우드펀딩의 자금 확보 실패 문제를 해결하기 위해.
• 기여자들이 동시에 기여와 추천을 유도하는 메커니즘을 설계하여 제공점 기반 메커니즘에서의 무료 라이더 문제를 극복하기 위해.
• 초기 인지한 사람들 외에도 전체 기부자 집단 전체에 걸쳐 공공 프로젝트의 사회적 바람직성 개념을 정식화하기 위해.
• 기부자들이 자신의 진정한 평가에 비례해 기여하고, 추천에 대해 보상을 받는 효율적이고 진정성 있는 균형 상태를 달성하는 메커니즘을 설계하기 위해.
• 추천 보상은 균형 상태에서는 이론적으로만 지급되며 실제로는 지급되지 않도록 하여 서포터의 재정적 부담을 최소화하기 위해.

제안 방법

• 두 가지 변형인 REPP-R(환불 보상 포함)와 REPP-S(증권 포함)를 제안하며, 둘 다 제공점 기반 메커니즘에 추천 인센티브를 통합한다.
• 후방 추론과 부분게임 완전 균형 분석을 통해 모든 기부자들이 기여 및 추천 전략을 진정성 있게 선택하는 것이 최적임을 증명한다.
• 초기 인지한 집단(M ∩ N) 외에도 전체 기부자 집단(N)을 기준으로 한 총 순가치 기반의 임계 조건을 도입함으로써 사회적 바람직성 기준을 향상시킨다.
• REPP-S에서 기여 유인을 모델링하기 위해 비용 함수 C₀(·)와 Liquidity 제약 조건을 활용하여 기부자들의 기여가 그들의 진정한 가치에 비례하도록 보장한다.
• 예측 시장 메커니즘과 증권 가격 설정(예: LMSR 기반)을 활용하여 기여 및 추천의 동적 가격을 설정하면서 예산 타당성을 유지한다.
• 균형 상태 전략이 자신의 진정한 가치에 비례해 기여하고 다른 사람을 추천함으로써 자신의 기여를 줄일 수 있음을 입증한다.

실험 결과

연구 질문

• RQ1 제공점 기반 메커니즘에 추천 메커니즘을 통합하여, 처음으로 인지한 사람들 외의 더 넓은 기부자 풀을 확보할 수 있는가?
• RQ2 추천 인센티브가 도입된 상황에서 프로젝트가 균형 상태에서 자금을 확보하는 조건은 무엇인가?
• RQ3 균형 상태에서 실제 보상 지급이 발생하지 않도록 하면서도 기부자들이 동시에 기여와 추천을 유도할 수 있는가?
• RQ4 전체 기부자 집단을 고려할 경우와 초기 인지한 집단만을 고려할 경우의 사회적 바람직성 기준은 어떻게 달라지는가?
• RQ5 진정성 있는 기여 및 추천 행동이 안정적이고 부분게임 완전 균형 상태가 되도록 보장하는 메커니즘은 무엇인가?

주요 결과

• REPPM 메커니즘은 기부자들이 자신의 프로젝트에 대한 진정한 평가에 비례해 기여하는 부분게임 완전 균형을 달성한다.
• REPPM에서는 기부자들이 다른 사람을 추천할 동기를 가지며, 효과적인 추천을 통해 자신의 기여를 줄일 수 있다.
• 균형 상태에서는 추천 보상이 이론적으로 지급되지만 실제로는 지급되지 않아 서포터의 재정적 위험을 크게 줄인다.
• 메커니즘은 초기 기부자 집단(M ∩ N)에서 전체 기부자 집단(N)으로 기부자 풀을 확장함으로써 제공점에 도달할 가능성을 높인다.
• REPP-S의 경우 균형 조건은 역비용 함수 C₀⁻¹에 의존하며, 전체 기부자 집단 전반에 걸쳐 기여와 추천 인센티브를 뒷받침할 수 있는 충분한 초과 가치가 필요하다.
• REPPM의 성공 여부는 전체 기부자 집단(N) 기반의 더 높은 사회적 바람직성 기준에 달려 있지만, 더 넓은 참여도로 인해 실질적으로 훨씬 높은 자금 확보 성공률를 달성한다.