多因子系列报告之三十一:专利数据中有哪些Alpha?-20200410-光大证券-23页_1mb
报告摘要
专利数据中有哪些 Alpha?——多因子系列报告之三十一
核心内容
本报告探讨了专利数据在股票投资中的预测能力和选股价值,通过构建多种专利因子,验证其在不同股票池中的表现。专利数据主要包括发明专利、实用新型专利和外观设计专利,其中发明专利的“含金量”最高,特别是发明授权专利,具有法律效力,能更好地反映企业的研发能力和创新能力。
主要观点
- 专利类型差异:发明授权专利是含金量最高的专利类型,其数量与企业的研发成果转化为实际利润的可能性正相关。
- 专利因子有效性:基于发明授权专利数据构造的因子,如Factor_fmsq_1Y_num和Factor_fmsq_1Y_relatedCompanies,在预测能力和选股效果方面表现较强。
- 研发效率因子:通过将研发费用与专利数量结合构造的研发效率因子(Factor_RD_fmsq_1Y),虽然具有一定的预测能力,但其稳定性相对较弱。
- 行业覆盖度:制造业、TMT(通信、电子、计算机等)和消费板块的专利数据覆盖度较高,而金融板块的覆盖度较低。
- 中证500增强应用:在成分股专利数据覆盖度达到62%的前提下,基于Factor_fmsq_1Y_num的中证500增强组合年化超额收益为4.20%,信息比为0.83,具有一定的增强效果。
- 风险提示:模型结果基于历史数据和特定假设,存在失效风险。
关键信息
1. 专利数据类型
- 发明专利:包括发明授权和发明公布,其中发明授权具有法律效力,能反映企业真正的创新能力。
- 实用新型专利:侧重于产品的形状和构造,创造性要求较低。
- 外观设计专利:侧重于工业品的式样,不涉及技术方案,与发明、实用新型专利差异较大。
2. 专利数据覆盖度
- 行业覆盖度:机械、通信、电子、轻工制造、电力设备及新能源、汽车、家电、计算机、基础化工等16个中信一级行业专利覆盖度超过70%。
- 地区覆盖度:广东省和北京的专利数量和覆盖度均领先,而中西部省份专利数量较少但覆盖度相对较高。
3. 专利因子构造方法
- 专利总数:反映企业整体专利数量。
- 专利摘要总字数:反映专利的应用性和涉及面。
- 专利IPC号总数:反映专利的国际标准认可程度和应用范围。
- 专利关联人总数:反映企业对专利的投入成本和人力。
- 专利审查期总长度:反映专利的复杂性和学术性。
- 独权专利总数:反映企业对专利的独占性和研发投入。
4. 专利因子有效性分析
- Factor_fmsq_1Y_num:IC均值为3.39%,IC_IR为0.29,年化超额收益9.84%,信息比1.13,表现稳定。
- Factor_fmsq_1Y_relatedCompanies:IC均值为3.50%,IC_IR为0.29,年化超额收益12.7%,但稳定性相对较弱。
- 研发效率因子(Factor_RD_fmsq_1Y):IC均值为-1.23%,IC_IR为-0.20,预测能力稳定性较差,且部分行业表现不佳。
5. 中证500增强应用
- Factor_fmsq_1Y_num应用于中证500增强,年化超额收益为4.20%,信息比为0.83,且相对波动为5.08%。
- 在不同年份的增强组合表现中,整体胜率较高,但2015年表现较差,最大回撤显著。
因子测试结果
| 因子名称 | IC均值 | IC_IR | 年化超额收益 | 信息比 | 超额收益稳定性 |
|---|---|---|---|---|---|
| Factor_fmsq_1Y_num | 3.39% | 0.29 | 9.84% | 1.13 | 较好 |
| Factor_fmsq_1Y_relatedCompanies | 3.50% | 0.29 | 12.7% | 1.08 | 较弱 |
| Factor_RD_fmsq_1Y | -1.23% | -0.20 | 12.0% | 0.71 | 较弱 |
行业表现
- Factor_fmsq_1Y_num在基础化工、机械、电子、汽车等行业内表现较强,IC_IR大于0.3。
- Factor_fmsq_1Y_relatedCompanies在基础化工、机械、电子、汽车等行业表现较好,IC_IR大于0.3。
- Factor_RD_fmsq_1Y在医药、机械、建筑等行业表现较差,IC_IR小于-0.2。
风险提示
- 所有结果均基于模型和历史数据,存在模型失效风险。
- 需注意专利数据的覆盖度和时效性对因子表现的影响。
附录
- 表1:各行业在不同类别专利上的覆盖度统计。
- 表2:累计专利数量最多的40家上市公司名单。
- 表3:专利因子命名方法。
- 表4:专利因子回测框架。
- 表5:不同专利类型下专利数量因子预测能力。
- 表6:不同滚动时间区间的发明授权专利数量因子预测能力。
- 表7:Factor_fmsq_1Y_num因子分行业表现。
- 表8:发明授权专利类型下不同类型专利因子预测能力。
- 表9:Factor_fmsq_1Y_relatedCompanies因子分行业表现。
- 表10:研发效率因子回测框架。
- 表11:研发费用/发明授权专利数因子预测能力。
- 表12:Factor_RD_fmsq_1Y因子分行业表现。
- 表13:中证500成分股各行业专利数据覆盖度。
- 表14:专利因子增强模型优化参数设置。
- 表15:Factor_fmsq_1Y_num因子中证500增强组合分年度表现。
图表目录
- 图1:全市场A股每年公布的专利数量及在年报中发布研发费用的公司数。
- 图2:专利数据主要类型。
- 图3:各中信一级行业2010年以来专利个数及专利覆盖度。
- 图4:各省份2010年以来专利个数及专利覆盖度。
- 图5:Factor_fmsq_1Y_num因子IC序列。
- 图6:Factor_fmsq_1Y_num因子多头超额收益。
- 图7:Factor_fmsq_1Y_relatedCompanies因子IC序列。
- 图8:Factor_fmsq_1Y_relatedCompanies因子多头超额收益。
- 图9:Factor_RD_fmsq_1Y因子IC序列。
- 图10:Factor_RD_fmsq_1Y因子多头超额收益。
- 图11:Factor_fmsq_1Y因子中证500增强组合表现。
分析师信息
- 周萧潇:执业证书编号:S0930518010005,联系电话:021-52523680,邮箱:zhouxiaoxiao@ebscn.com
- 刘均伟:执业证书编号:S0930517040001,联系电话:021-52523679,邮箱:liujunwei@ebscn.com
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载