从中国心到中国芯：贸易战引发的专利选股有效性研究-20181220-兴业证券-29页-3mb

专利选股因子研究总结

核心内容

本报告围绕专利数据在量化选股中的应用展开，重点分析了专利相关因子在A股市场中的有效性。研究团队构建了33个专利因子，并将其应用于高覆盖度的专利属性行业中，包括家电、电子元器件、汽车、机械、基础化工、通信、电力设备、计算机、医药和建筑。

主要观点

• 专利因子有效性：行业市值中性化后，专利因子选股有效性普遍提升，其中发明相关的专利指标表现尤为突出，如授权发明类专利因子（TP0104**）的IC为0.027，T统计量为6.9，显示出较强的预测能力。
• 因子相关性：专利因子与传统的价值、成长、分析师情绪因子相关性较低，且通过Fama-MacBeth回归测试验证了其对收益率的显著贡献。
• 效用比因子：通过专利与研发费用构建的效用比因子（专利/研发费用），在机械行业表现出较强的选股能力，IC达到0.028，T统计量为3.36，且分位数组合测试显示严格单调性。
• SmartBeta策略构建：基于专利因子构建的SmartBeta策略表现优异，包括专利价值等权合成、专利成长等权合成和专利价值成长等权合成三种策略，季度调仓选取50只股票，策略表现显著优于传统因子。

关键信息

• 专利分类与状态：专利分为发明、实用新型和外观设计三种类型，其中发明专利需经历申请、公开、实质审查和授权等流程，而实用新型和外观设计仅需形式审查。
• 专利指标维度：研究涉及专利数量、说明书字数、权利要求项数、独权项数、附图数量、摘要字数、IPC分类号总数、寿命、专利审查期、前引、后引、非专利前引、非专利后引和海外同族专利等13种具体指标。
• 专利因子命名规则：所有专利因子以TPXXYYZZ命名，其中XX代表专利类型，YY代表专利状态，ZZ代表具体指标，如TP010401表示统计截止日前三年内新生成的有效发明授权专利数因子。
• 覆盖度分析：专利因子在不同行业的覆盖度存在差异，其中家电、电子元器件、汽车、机械、基础化工、通信、电力设备、计算机、医药、建筑等行业的覆盖度较高，达到80%以上。
• 行业与地域分布：专利在行业和地域上分布不均，如电子元器件、通信等行业专利数量较多，而北京、广东、山东、上海等地的专利数量和平均数均较高。

数据与方法

• 时间窗口：研究基于2011年1月31日至2018年6月29日的数据。
• 有效性测试方法：采用RankIC（Spearman秩相关系数）和分位数组合测试来评估因子的有效性。
• 测试结果：行业市值中性化后，专利因子的IC值显著提升，且分位数组合测试显示多空组合收益显著，夏普率稳定。

风险提示

本报告模型及结论基于历史数据，当市场环境变化时，存在模型失效的风险。

结构概览

• 1、专利研究介绍
  • 1.1、背景介绍
  • 1.2、文献综述
• 2、数据库介绍及统计分析
  • 2.1、专利数据库介绍
  • 2.2、专利统计分析
    • 2.2.1、行业统计分析
    • 2.2.2、其他特征研究
• 3、专利因子选股有效性研究
  • 3.1、因子有效性测试的方法
    • 3.1.1、RankIC测试
    • 3.1.2、分位数组合测试
    • 3.1.3、因子有效性测试的其他维度
  • 3.2、专利因子的覆盖度分析
  • 3.3、专利因子的整体性测试
  • 3.4、专利因子和传统因子结合的有效性研究
  • 3.5、基于专利、研发费用的效用比研究
• 4、基于专利因子的选股策略构建
  • 4.1、专利因子选股有效性分析
  • 4.2、基于专利因子信息的SmartBeta选股策略研究
• 5、附录
  • 5.1、参考文献
  • 5.2、专利因子与流通市值相关性
  • 5.3、专利因子分位数组合表现
  • 5.4、等权配置下专利因子的选股策略表现

图表与数据

• 图表1：中美贸易战的关键事件
• 图表2：专利因子命名方式示意图
• 图表3：专利因子库介绍
• 图表4：专利维度汇总
• 图表5：不同行业TP101专利总数
• 图表6：不同行业TP101中位数分布
• 图表7：不同行业TP101覆盖度分析
• 图表8：不同省份TP101专利总量
• 图表9：不同省份上市公司TP101专利平均量
• 图表10：RankIC计算过程
• 图表11：分位数组合法
• 图表12：过去一年相关维度的专利因子覆盖度均值
• 图表13：过去三年相关维度的专利因子覆盖度均值
• 图表14：专利因子整体IC表现及市值中性化后表现
• 图表15：授权发明类专利因子年化收益率表现
• 图表16：授权发明类专利因子夏普率表现
• 图表17：授权发明类专利因子多空净值曲线
• 图表18：各个因子双边换手率热度图
• 图表19：各个因子相关性热度图
• 图表20：合成的专利因子表现
• 图表21：专利因子与传统因子的Fama-MacBeth回归分析
• 图表22：传统因子和专利因子结合IC表现
• 图表23：传统因子和专利因子结合分位数测试
• 图表24：八个行业每年披露研发费用的A股公司比例
• 图表25：专利因子覆盖度较高的行业的有效因子测试结果
• 图表26：效用比因子在机械行业的分位数组合测试结果
• 图表27：效用比因子在机械行业的多空净值曲线
• 图表28：流通市值加权下专利因子构建的选股策略表现
• 图表29：流通市值加权下专利因子选股策略净值曲线
• 图表30：基于专利的SmartBeta选股策略构建
• 图表31：基于专利价值成长的SmartBeta选股策略净值曲线
• 图表32：基于专利价值、专利成长的SmartBeta选股策略净值曲线
• 图表33：专利因子与流通市值相关性
• 图表34：分位数组合测试之公开发明类专利因子年化收益率表现
• 图表35：分位数组合测试之公开发明类专利因子夏普率表现
• 图表36：分位数组合测试之公开发明类专利因子多空净值曲线
• 图表37：分位数组合测试之授权实用新型类专利因子年化收益率表现
• 图表38：分位数组合测试之授权实用新型类专利因子夏普率表现
• 图表39：分位数组合测试之授权实用新型类专利因子多空净值曲线
• 图表40：分位数组合测试之专利引用类专利因子年化收益率表现
• 图表41：分位数组合测试之专利引用类专利因子夏普率表现
• 图表42：分位数组合测试之专利引用类专利因子多空净值曲线
• 图表43：等权配置下专利因子构建的选股策略表现
• 图表44：等权配置下专利因子选股策略净值曲线