[论文解读] Referral-Embedded Provision Point Mechanisms for Crowdfunding of Public Projects

Praphul Chandra, Sujit Gujar+1 more|arXiv (Cornell University)|Oct 6, 2016

FinTech, Crowdfunding, Digital Finance参考文献 19被引用 6

一句话总结

本文提出了一种新型的众筹机制——推荐嵌入型提供点机制（Referral-Embedded Provision Point Mechanisms, REPPM），将推荐激励整合进提供点机制中，以扩大最初知晓公共项目的参与者群体。通过使参与者在贡献和推荐他人之间获得激励，REPPM 确保若项目在整个参与者群体中具有社会可取性，则在均衡状态下可获得资助；推荐奖金在理论上仅在均衡中被支付，而实际上从未实际支付。

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.

研究动机与目标

• 解决由于潜在支持者对项目认知有限而导致的公民众筹中资金筹集成功率低下的问题。
• 通过设计同时激励贡献与推荐的机制，克服提供点机制中的搭便车问题。
• 形式化定义公共项目在整个参与者群体范围内的“社会可取性”，而不仅限于最初知晓的群体。
• 设计机制，实现在均衡状态下高效、真实且稳定的策略，使参与者按其真实估值贡献资金，并因推荐他人而获得奖励。
• 确保推荐奖金在理论上被提供，但在均衡状态下从未实际支付，从而显著降低赞助方的财务负担。

提出的方法

• 提出两种变体：REPP-R（含退款奖金）和 REPP-S（含证券），均将推荐激励嵌入提供点机制。
• 使用逆向归纳法与子博弈完美均衡分析，证明所有参与者采取真实贡献与推荐策略是最优的。
• 引入基于全体参与者（N）的项目总净价值的阈值条件，而非仅限于已知子集（M ∩ N），从而增强社会可取性标准。
• 采用成本函数 C₀(·) 和流动性约束，对 REPP-S 中的贡献激励进行建模，确保参与者的贡献与其真实价值成比例。
• 利用预测市场机制与证券定价（如基于 LMSR 的方法），动态定价贡献与推荐行为，同时保持预算可行性。
• 证明均衡策略涉及按自身真实价值比例贡献资金，并推荐他人，通过有效推荐可降低自身所需贡献。

实验结果

研究问题

• RQ1 能否将推荐机制嵌入提供点机制中，以扩大最初知晓的参与者群体之外的贡献者池？
• RQ2 在引入推荐激励后，项目在何种条件下会在均衡状态下获得资助？
• RQ3 能否激励参与者既贡献资金又推荐他人，同时在均衡状态下不实际支付任何奖金？
• RQ4 当考虑整个参与者群体而非仅已知子集时，项目资助的社会可取性阈值如何变化？
• RQ5 何种机制可确保真实贡献与推荐行为构成稳定且子博弈完美的均衡？

主要发现

• REPPM 机制实现了子博弈完美均衡，参与者按其对项目的实际估值比例贡献资金。
• 在 REPPM 中，参与者被激励推荐他人，且通过有效推荐可降低自身在均衡中的贡献金额。
• 推荐奖金在均衡中被承诺支付，但从未实际发放，显著降低了赞助方的财务风险。
• 该机制将资金池从 M ∩ N（已知参与者）扩展至 N（所有可能估值的参与者），提高了达到提供点的可能性。
• 对于 REPP-S，均衡条件依赖于反向成本函数 C₀⁻¹，且需在全参与者群体范围内具备足够的超额价值，以支持贡献与推荐激励。
• REPPM 的成功依赖于更高的社会可取性阈值（基于 N），但由于参与范围更广，实践中实现了显著更高的资金筹集成功率。