本文来源于：思达派
近日，真格基金投资管理副总裁刘元撰文指出，在创业公司为了融资刷数据的背后，VC行业也在广泛的给他们背后的投资人刷数据。
思达派（Startup-Partner.com）对刘元的文章略作编辑，让大家看一下VC行业不为人知的黑色真相。
创业者找 VC 要钱，虽然 VC 们经常自称 “投资人”，但其实投资的钱基本也都不是自己的，而是老板们全世界到处跑找 LP 们募到的。
大家知道，创业者一般找 VC pitch 的时候，总要准备一份二十页上下的 PPT，俗称 BP（即 Bullshit Papers 的缩写）。事实上，有些水平比较逊的投资人，比如我，由于没能力跟创业者们分享对未来风口趋势的预测，就只好常常四处给稀稀拉拉的观众讲讲怎么写这么个东西。而 VC 们要融资，其实也得必须有个 deck 发给 LP 们（deck 其实也就是 PPT 在国外的叫法）。
创业者们的 PPT 一般是这样的内容：团队背景，市场机会，产品，数据，竞争格局，融资条件。而 VC 们要 Pitch 的时候，deck 里的内容本质是一样的：市场机会 （我们要投什么样的行业），基金策略（我们如何做 sourcing）, 竞争格局（我们跟其他基金比起来怎样差异化），团队背景（GP 们的背景和投过的项目）, track record (过往表现)，融资条件（融多大的基金）等等。而今天就着重讲讲，在 track record 这几张纸上面，VC 们往往是如何刷数据的。
刷数据大招之一：调整标尺
LP 们衡量 VC 的重要标准就是看一个基金是不是一个 upper quartile fund，即表现处在行业的前 25%的基金，而数据的标尺即来自于之前提到过的 Cambridge Associates、Pitchbook、路透社 Venture Economics 等来源，按照基金的年份划分每一个年份的 upper quartile 的 net IRR, TVPI, DPI 分别是多少。
同时，LP 界也有一句著名的笑话，即 “世界上百分之九十的基金都是 upper quartile 基金”，因为一个基金即便表现不好，也会想方设法拼命的让自己的数据看上去达到 upper quartile 的标准。（这是当然啰，什么时候你见过一家公司说 ‘我们在这个领域属于第二梯队’ 而不是说 ‘我们是这个行业的领先者’。）这里就出现了第一招，改变不了自己，就改变 benchmark 吧！
一般而言，基金的募集周期往往很长，一年半载是很寻常不过的事情。这样一来，基金的年份就有操纵的空间了。比如，如果一支基金在 2010年 底开始募集，2011年中或者年底 close, 年末开始 capital call, 2012年初给第一个项目打款，那么这个基金是算 2010年的基金呢，还是 2011年或者 2012年 的基金呢？绝大多数 LP 认可的对年份的严格意义上的定义是基金的第一个 capital call 所处在的年份，但也能默许基金以第一个项目打款的年份作为 vintage year.
大家不要小看一年两年的年份区别，行业周期往往也就两三年呢，而且初创公司成长和凋零都非常迅速。感兴趣的同学可以看往期文章或者登陆 Cambridge Associates 的官网查看原来 VC 行业的 benchmark，看看相邻两年的行业回报标尺可以差距多么大。毕竟，把自己的业绩跟已经到了第四年的基金对比，与跟只做到第三年的基金对比，是完全不同的。
刷数据大招之二：摘樱桃 (Cherry-Picking)
Cherry Picking 用俗话说就是 “净挑好的说” 的意思。在美国，如果一家 VC 基金是 SEC Registered (对于 VC 基金并没有要求证监会注册)，那么为了防止误导投资者，在信息披露上 cherry picking 这一点是被盯的非常严格的。
比如如果在一份 PPT 上，有一面是 “我们过往投过的部分优秀项目概况”，那么下面就必须有一个小角标，大意是 “上述项目并不是我们投过的全部项目”。而对于基金的网站，即便是有这样的角标，也绝对不能只选择性的放明星项目的 logo。对于那些举手提问 “可是为什么 XX 基金的网站上就只放了一些明星项目” 的好奇宝宝们，我得重申一下这是美国证监会的要求，所以不在美国证监会注册的基金们是不受此约束的。
最常见但也最业余的 “摘樱桃” 方式，就是在 PPT 里的某一页，放上七八个项目的 LOGO，然后写出每个项目的成本和 fair market value，然后给出这个集合的总回报，比如总共投入三千万美金，现在股权价值两亿美金翻了七倍。稍微专业一点的 LP 看到内心都会哼唧：你要是牛逼就把整个 list 放上来埃事实上，只有 fund level 的 net IRR，net TVPI 和 DPI 这样的数据是结结实实没办法骗人的（否则就违法了。。。），也基本是 LP 唯一关心的数据。摘樱桃的基金即便在附录里，还是得老老实实把整个樱桃筐给 LP 看的。当然，我也曾经见到国内的基金在材料里只披露明星项目回报而没有完整的投资历史回报，让我也是瞠目结舌。
刷数据大招之三：切数据 (data-slicing)
切数据其实是摘樱桃的一种高级表达方式，也是最常见的刷数据方式，常用于新基金或者改变策略的基金。比如一支传统的行业老炮，在融第十一二期基金的时候发现最近几期业绩不行了，不管怎么调基金年份都无法号称自己是 “upper quartile fund” 了，这可怎么办？——没关系，我们过去投资了 TMT 也投资了医疗，好像是医疗拖了咱们后腿，那咱们把所有 TMT 的项目挑出来，因为这是我们的 go forward strategy。这样一来，可以重新计算过去的投资回报业绩，模拟出如果过去一直是只投 TMT 的话业绩会是怎么样，合情合理的摘了樱桃。
而这里面最玄妙的地方就在于分类了。打个比方，Doximity 或者 ZocDoc 这样的医疗领域的科技公司是算医疗公司呢还是算 TMT 公司呢？ 答案当然是——看怎样算对结果更有利啦。如果医疗和 TMT 还算泾渭分明的区别的话，有些无节操的基金按照投资阶段来分就可以没有下限了。
切数据的应用场景各式各样，比如两年前许多美国的 VC 基金想要募集自己的 growth fund 做一个 top up vehicle, 在对 LP 们 pitch 的时候就会列举出来过去所有的 growth equity track record。比如，“我们过去所有的成长期的投资业绩如下。。。” 然后 LP 就会开始纳闷了，为什么以前投的这个公司算成长期，而那个明显更晚期的公司会不算呢？GP 们如果被抓住这样的马脚，即便出着汗也会淡定自若给出一套奇葩的解释，在这里就不提见过的鲜活案例了。在美国的时候，见过以各种标准 slice data 的，比如说 “LP 们你们看，我们以前投二线城市的项目特别好所以成立了一个专投犹他和德州二线城市的基金” 或者 “LP 们你们看，我们以前投网络安全的回报特别好所以我们未来的策略只关注网络安全，这是我们过去在这个行业的回报” 云云。。。
刷数据大招之四：算功劳（credit assignment）
Credit Assignment 本质上又是更加高阶的 data slicing。许多 VC 说过，credit 在这个行业简直是投资人的生命，但 credit 偏偏又是个很难一锤定下来算谁的问题。投资人们日理万机，所以经常出现 A 收到一个 BP 懒得看然后转发给了 B 然后 B 推上会之后 C 一眼就爱上了公司并力挽狂澜让投资得以通过，可是后续又扔给了 D 做董事。还能更夸张的是，D 也许后来离开了公司，然后 E 继承了这个公司的投后管理。然后有一天！这个公司突然牛逼了！然后 ABCDE 的简介里面全部都加上这个公司的 logo...像 Whatsapp 这样自始至终就红杉一个投资人的倒没问题，但 Facebook 和 Uber 这样投资人名单跟阵亡烈士纪念碑一样长并且机构团队都很大的，那就可以很夸张了。美国有一家 VC 诞生了几个 spin-out fund，每个 Managing Partner 都号称是自己当年投了 Uber…
而这里是如何刷数据的呢？简单的说就是，垃圾都倒在离开了基金的倒霉蛋头上就好了。噢，这里有几个 write off, 这些其实都是那几个出去单干基金的人弄的哦，而这几个呢是已经退休了的老头子们非要投的不怪我们哦。相反，出来单干的人，只说我当年可是投了 Airbnb 云云的，带出来七八个大 Logo，在投资列表里也带一两个血本无归的项目意思意思，大部分垃圾就算给自己的老东家了。所以，当新基金的老 GP，和老基金的新团队出来共同融资的时候，好的项目会同时算在双方的过往历史回报里，但挂掉的项目有时就没人认领了。
除去赤裸裸的摘樱桃式的 credit assignment, 我们见到的普遍情况是，只要能扯上关系，团队内部会战略性的把更多的优秀项目（比如 VP 和投资经理或者已经离职的 GP source 来的）集中在耀眼的 GP 身上，然后把老一代的 write off 尽量跟退休了的老合伙人们扯上关系，离职去了其他基金的 VP 或者 GP 们也会经常躺枪。所以有时候会出现 “基金回报 2.5 倍，现有团队回报 4.3 倍” 这种情况 （有些没节操的基金只写后半句）。何况，对 LP present 的 credit 和内部算 carry 的时候不一定是一样的。
刷数据大招之五：自己涨估值（Discretionary Write-up）
这种刷数据的方式在 growth equity 和 buyout funds 中出现的情况比在早期 VC 中出现多，美国和印度比中国和欧洲多。（事实上，我好像还从没见过中国 VC 基金用这么简单粗暴的刷数据方式）。大家习以为常的是，公司的估值按照上一轮来定，每多一轮 up round 估值就噌噌涨一点。但是从会计准则上来讲，公司的估值即 fair market value 也是可以按照 market comparables 来决定的。
这样的估值方式主要运用在晚期，因为公司有了收入和现金流，既可以折腾市盈率啊市净率啊 EV/EBITDA 啊这样的 comps 模型，也可以玩 DCF 现金流折现模型。大多数 PE 基金会规律性的（往往和 LP 报表一样是季度的）开估值委员会会议，决定每个公司这个季度按照什么估值来算。比如一家公司如果投资的时候估值一亿美金，年营业额两千万美金，然后假设这个公司是广告科技公司，二级市场上市的广告科技公司的平均 multiple 是市值的三四倍营业额（这也合情合理，因为私有市场往往会给出高很多的成长预期溢价）。到了下一个季度，股票涨了！突然市面上的六七家主要广告科技公司变成了八倍营业额！于是这笔投资就被 write up 了。。。然后再过了一个季度，股票跌了！可是呢公司的价值却没有变，因为 “咱们投的公司基本面没有受到影响”。。。 当然，这里面可以动手脚的远不止于二级市场的波动，还在于选哪些公司作为 market comparables。 “别看都在同一个行业，哥的 comp set 就是不选那公司，当然不是因为那家公司估值低了，是因为还有其他业务。”“虽然都是广告公司，但我们只包括了公司 A，没包括公司 B，因为 B 的业务主要是视频广告嘛” 。当然，这样的估值方法并非代表着公司可以胡作非为，选择 comparable 的过程还是需要经过四大会计事务所审计的。如果是用 DCF，那么投行出来的朋友们就知道，里面可以 move around 的模型预设条件就更多了。这就是为什么在四大会计事务所，有个很难进同时收入很高的部门叫 TS（Transaction Services）, 因为这里面的人做的事情不是在审计时蹲仓库做盘点，而是绞尽脑汁研究基金最聪明的人做出来的 valuation model 找问题，否则要是一不小心 LP 们发现被刷了数据，自己供职的会计事务所作为本质上的担保方就要跪下了。
事实上，真正谨慎的投资人，即便在公司已经融到了下一轮时，如果觉得下一轮估值太高，甚至都不会把 portfolio write up 到下一轮估值。所以原来做 LP 的时候，对一些项目的不同投资方，看他们如何给公司估值是一件非常有意思的事情。最近的一个大事件，就是富达 Fidelity 在之前狂飙突进地投了许多独角兽公司的晚期轮次之后，大规模的下调了自己对所投公司的公允价值估计 (虽然这些公司都没有 down round), 引起了业内的巨大震荡和讨论，有兴趣的同学可以自己去谷歌一下。
刷数据大招之六：僵尸公司（Zombie companies）
标题虽然危言耸听，但简单的说，僵尸公司的意思就是公司半死不活的，但是从估值上仍然是成本（held as cost），只要公司还没停止营业，即便业绩每况愈下，每个季度裁员 10%，在账面上可能仍然是个 1x。基金们要 write up 公司的估值非常积极，但是 write down 是非常不情愿的。一般来说，如果在报表上看到什么公司过了三四年仍然是成本估值，在大多数情况下，用鲁迅先生的话说，“大约的确是死了”。 当然，公司即便能撑三年，也撑不了六七年的，总有 write off 的一天。对于早期基金来说，这样的公司是否 write off 其实往往对最后的回报影响倒并不大，一家 VC 基金能否做到 3x 的 net return, 主要在于有没有抓到 home-run，在于估值上的进攻而不在于防守。 即便是世界一流的基金，到了每一期基金第八年第十年的时候，一般都是 20%的成本产生了 95%的回报，其他也基本归零了。
总的来说，国内目前的基金刷数据的成分事实上还很少，以上的这些案例基本都是在美国见到的，原因的一方面大概是穷则思变，90年 代的许多老 VC 基金们的新一代要融资，如果业绩不够骄人，得想方设法与 Sequoia、Accel、Benchmark 这样的传统贵族和 Union Square、Foundry、Wing 这样的新锐基金拼抢有限的 LP 资源而绞尽脑汁想出的办法。而在国内，当年VC 行业的先行者们面临的是巨大而接近竞争为零的市场，所以到今天基本都属于繁荣昌盛的豪门，不屑于冥思苦想如何在融资 deck 上刷数据。而最近几年蜂拥揭竿而起的新秀们，尚且还处在前三期的阶段，只要之前融到了资，整个 portfolio 可以说还没走出 J Curve, 而已经找到的 LP 们也会有一定的信心周期。（作为 LP，如果仅仅投了一支基金的某一期就不再支持了，对自己的名节其实也不是很好。） 但早期投资终究是一个二八分化最为严重的行业之一，如今竞争日益白热化，也许对一些基金来说需要刷数据的日子也不远了。
