这是凯峰数据利用旗下技术品牌“慧分析”首次推出年度榜单，试图利用客观的、可量化的数据建设可信的市场评价体系，打破原有的以传统印象或简单公关的排名游戏，企图发现市场中的主力、各个投资机构的投资脉络，展示市场布局、引导风向，并将该结果于今日（12月19日）上海豫园万丽酒店的“中国新三板·新金融·创新型投资”上进行公布。

2017年新三板最佳投资机构GP前十

“慧分析”对定增数据进行深度解析，将数千个投资事件进行分析，利用股权关系图谱，对于定增机构进行溯源，将人的判断方式应用于技术实现，最终挖掘出投资机构GP实际参与新三板企业定增情况，对其业绩作出评价和在此进行公布。

其业绩评价依据主要从投资家数、投资金额、所投企业IPO进展、所投企业成长性四个维度进行评价，最终得到总排名前10名如下：

总排名直观的其表达式为：

总排名=总投资金额排名*因子a+总投资家数排名*因子b+2017年投资金额排名*因子c+2017年投资家数排名*因子d+当年投后IPO案例排名*因子e+累计投后IPO案例排名*因子f+累计IPO金额排名*因子g+平均营业同比增长排名*因子h

其中，因子的合理性建立在计算机大量验算基础上。此外，由于纳入IPO指标作为考量机构业绩的重要权重，慧分析将时间放宽至2015年1月1日至2017年11月30日，但考虑到2017年揭晓的排名榜单及历史数据清洗问题，慧分析赋予2017年数据以更高的权重，抽象表达即2017年前对结果的影响最多只占35%，而65%（包含）以上的影响来自2017年。

当然，本评价方法有不足之处，例如时间权重分配问题还可以进一步微调，需要更多时间序列数据进行验证权重的合理性。

而本评价方法的为难、争议之处在于：

1、如何确定投资机构GP的评价模型亦为难点，慧分析将市场上诸多标准中进行遴选，保留投资核心业务，确认投入和回报作为基础评价方向，再将投入和回报与实际数据指标进行结合，设定权重；

2、投资GP最终控制人的定位规则，包括最终控制人的机构性质、如何确认上一级控制人，需要根据人的规则定义和大量实际数据分析，用计算机实现。

当前，投资机构GP实际控制人判定主要来自对参与新三板定增的机构及产品的分析，找出其管理人和机构的最终控制人。机构的最终控制人溯源原则是找出每个机构的实际管理人、法人或执行事务合伙人，直至追溯到以下类型：1、公募基金；2、A股公司；3、三板公司；4、仅有个人/政府部门/事业单位为股东的机构；5、港澳台及外国公司；6、个人为大股东且直接控制本公司，其他机构类股东仅为出资人，无控制权的。

判断其是否为GP的条件是（强度越来越弱）：其股东是否为法人代表/执行事务合伙人>其股东是否派驻董事长或执行董事>其股东是否派驻其他重要高管>其股东是否为绝对控股股东>其股东是否为相对控股股东>其股东是否为公司冠名股东

3、评价所用数据涉及大量的清洗工作、校验及标准化，存在部分错误需要进一步修正，可能存在历史数据100%清洗完毕后排名微调的情况。

二、新三板服务最佳证券公司

本榜单立意为“服务最佳”证券公司，则侧重点将倚重券商的督导角色。

慧分析综合优选排名、推荐质量、监管评价三个维度对券商进行测评，找出最佳的券商，前10名排名如下：

其中：

优选排名统计的是2017年1-11月企业更换主办券商后，券商被企业选中的次数排名；

推荐质量统计的是指主办券商2017年挂牌公司整体利润率的排名情况；

监管评价则是对股转系统月度评价进行统计、排名；

则最终排名表达式为：

最终排名=2017年优选排名*因子a+2017年推荐质量*因子b+2017年监管评价*因子c

同样地，因子的合理性建立在计算机大量验算基础上。

本评价方案的不足之处是推荐质量的统计是以企业质地进行说明，衡量一家企业优良与否角度多样，本次只选择最新年度报告的净利润率为标准，角度比较单一，但规避了企业因规模差异而难以绝对比较的问题。

三、2017年新三板最佳服务商业银行（非国有）

在非国有商业银行的评价体系上，慧分析从企业的贷款和授信2个业务维度进行测评，将预计申请和实际申请的流程进行分解，解析了2017年1-11月新三板企业与银行贷款有关临时公告，评选出了对企业融资支持力度最大的银行，前10名如下：

非国有商业银行最终排名表达式为：

最终排名=2017年预计借款企业总数排名*因子a+2017年预计借款总额排名*因子b+2017年申请借款企业总数排名*因子c +申请借款总额排名*因子d+预计授信企业总数排名*因子f+预计授信款总额排名*因子g+申请授信企业总数排名*因子h+申请授信总额排名*因子j

因子的合理性建立在计算机大量验算基础上。

需要注意的是，本次榜单统计数据时间跨度为2017年1月1日至2017年11月30日，均来自以2017年1-11月的企业临时公告，以新三板公司与银行间发生的预计借款、申请借款、预计授信、申请授信的企业数和涉及金额为标准，计算银行对于新三板间接融资的支持力度。

此种评价方法涉及的借贷数据处理难度大，需要多次清洗，部分数据还亟待修正；此外，部分企业仅披露“向银行借款”，并未披露借款的准确对象，因此这部分只计入总额，不算入分银行借款额；最后，企业公布的银行授信及借贷滞后严重，主要在年报中披露明细，因此本次数据仅作为市场数据的采样结果，数据完整性还不足，完整评价需要在企业发布年报后进行全面统计。