亲社会投资为世界范围内的慈善事业注入了新的活力,它通过互联网来连接全世界需要帮助的人和乐于帮助他人者,然后募集亲社会投资者的小额投资并以无息贷款的形式发放给那些有困难或有梦想的人。然而,无论是亲社会投资平台和还是传统慈善机构,二者都面临着一个至关重要的问题:高额的投资者流失率,即很多投资者拥有的生命周期非常短,只进行一次或很少几次然后就离开了平台。因此,分析影响投资者再投资行为的因素,进而对投资者的行为进行预测是一项迫切的任务。前人的研究已经大量阐述了个人因素对投资者再投资行为的影响,也不乏相应的预测模型。正如相关研究指出,投资者再投资行为,指一个亲社会投资者是否会在未来的某个时间再次进行投资;投资者留存率,指一个亲社会投资者是否会在未来的某个时间依然留在平台上,这两个因素对于亲社会行业的维持和发展有着的重要影响作用。因此,为了提高对投资者再投资行为预测的准确性和丰富围绕投资者再投资行为影响因子的研究,本文从全新的视角——团队行为对投资者再投资行为的影响——出发,构建了由固定特征子网络、团队行为子网络、个体行为子网络、多目标预测子网络和输出层组成的深度学习模型:DL-TS（DL Model with Team Sequences）模型,并在该模型的子网络之间搭建了特殊的数据传输路径以获得更好的团队行为捕捉表现。本文随后使用了来自kiva的数据集作为实证实验,同时选取了经典机器学习预测模型和目前较为优秀的投资者留存率预测模型等作为对比模型,结果在该数据集上,本文提出的DL-TS模型有着最优秀的表现。最后,通过对比和分析各个模型的预测效果,本文证实了加入团队行为特征可以使得对亲社会投资者的再投资行为预测更为准确。总体来看,本研究对亲社会行业的发展提出了建议,例如提倡组建团队、团队中指定表率成员进行高频投资都是极好的促进亲社会投资者再投资行为的方法;同时,本研究也对其他深度学习在商业问题上的应用模型框架提供了参考,例如如果用户拥有隐性或显性团队,则可以尝试在深度学习模型中加入团队行为序列,这是一个全新的角度来思考商业预测问题。