科技關(guān)聯(lián)因子專利數(shù)據(jù)再挖掘

1、國(guó)投瑞銀目錄 HYPERLINK l _TOC_250012 1、 從專利數(shù)據(jù)到科技動(dòng)量 5 HYPERLINK l _TOC_250011 、 專利 IPC 分類情況概述 5 HYPERLINK l _TOC_250010 、 科技動(dòng)量因子 7 HYPERLINK l _TOC_250009 、 科技動(dòng)量因子：收益顯著性較弱 8 HYPERLINK l _TOC_250008 、 科技動(dòng)量領(lǐng)先因子 11 HYPERLINK l _TOC_250007 、 兩種構(gòu)造方式因子表現(xiàn)差異明顯 11 HYPERLINK l _TOC_250006 2、 科技動(dòng)量因子的改進(jìn) 14 HYPERLINK l

2、 _TOC_250005 、 利用技術(shù)行業(yè)集中度：改進(jìn)效果一般 14 HYPERLINK l _TOC_250004 、 結(jié)合專利關(guān)聯(lián)度的改進(jìn)方法 16 HYPERLINK l _TOC_250003 、 結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子：有顯著改善 18 HYPERLINK l _TOC_250002 、 剝離常見風(fēng)格因子后：穩(wěn)定性提升 20 HYPERLINK l _TOC_250001 3、 風(fēng)險(xiǎn)提示 21 HYPERLINK l _TOC_250000 4、 參考文獻(xiàn) 21圖目錄圖 1：A 股上市公司分年度IPC 一級(jí)分類部數(shù)量統(tǒng)計(jì)圖 6圖 2：A 股各中信一級(jí)行業(yè)IPC 一級(jí)分類部數(shù)量堆

3、積柱狀圖 6圖 3：A 股上市公司單個(gè)專利平均二級(jí)分類大類平均數(shù)量 7圖 4：Tech_Momemtum_fmgb_5Y 因子 IC 序列 10圖 5：Tech_Momemtum_fmgb_5Y 因子多頭超額收益（第一組） 10圖 6：Tech_Momemtum_fmgb_5Y 與主要大類因子相關(guān)性 10圖 7：Tech_Mean_Rev_V1_fmgb_5Y 因子相關(guān)性 12圖 8：Tech_Mean_Rev_V2_fmgb_5Y 因子相關(guān)性 12圖 9：Tech_Momemtum_fmgb_5Y、Tech_Mean_Rev_V1_fmgb_5Y 和 Tech_Mean_Rev_V2_fmg

4、b_5Y 因子值分布比較. 12圖 10：Tech_Mean_Rev_V2_fmgb_5Y 因子 IC 序列 13圖 11：Tech_Mean_Rev_V2_fmgb_5Y 因子多頭超額收益（第一組） 13圖 12：回滾過(guò)去一年分類號(hào) A47 和 A61 在A 股各中信一級(jí)行業(yè)上的專利個(gè)數(shù)分布 14圖 13：中國(guó)石化各專利分類數(shù)量占比柱狀圖 17圖 14：Improved_Tech_Mean_Rev_fmgb_5Y 因子 IC 序列 19圖 15：Improved_Tech_Mean_Rev_fmgb_5Y 因子多空收益與多頭超額收益（第一組） 19圖 6：Improved_Tech_Mean

5、_Rev_fmgb_5Y 與主要大類因子相關(guān)性 19表目錄表 1：A 分類部專利詳細(xì)二級(jí)大類含義表 5表 2：因子回測(cè)框架 8表 3：科技動(dòng)量因子測(cè)試結(jié)果 9表 4：Tech_Momemtum_fmgb_5Y 因子收益表現(xiàn) 10表 5：兩種構(gòu)造下的科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果 11表 6：Tech_Mean_Rev_V2_fmgb_5Y 因子收益表現(xiàn) 13表 7：改進(jìn)的各科技動(dòng)量因子命名表 15表 8：改造后的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果 15表 9：改進(jìn)的各科技動(dòng)量因子命名表 18表 10：結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果 18表 11：結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因

6、子與科技動(dòng)量領(lǐng)先因子收益表現(xiàn) 18表 12：中性化的因子列表 20表 10：中性化后結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果 20表 11：中性化后結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子收益表現(xiàn) 20在報(bào)告專利數(shù)據(jù)中有哪些 Alpha？多因子系列報(bào)告之三十一中，我們利用從專利數(shù)據(jù)庫(kù)中直接提取的專利信息，構(gòu)造了有效的專利因子。但報(bào)告構(gòu)造的專利因子只停留在每個(gè)公司自身的專利水平和研發(fā)水平，沒(méi)有考慮到相同研發(fā)水平公司間存在的股價(jià)關(guān)聯(lián)性，以及不同分類的專利產(chǎn)生的收益溢出效應(yīng)。不同公司的科研成果并不是獨(dú)立的，一項(xiàng)科技進(jìn)步的溢出效應(yīng)將會(huì)影響科技關(guān)聯(lián)度較高的一系列公司，這種效應(yīng)將影響相

7、關(guān)公司的基本面，并最終反應(yīng)在股價(jià)中。本篇報(bào)告將繼續(xù)在專利數(shù)據(jù)基礎(chǔ)上，考慮相同專利屬性公司間的股價(jià)聯(lián)動(dòng)關(guān)系，以及不同分類專利帶來(lái)的不同收益溢出效應(yīng)，從更多的角度構(gòu)造和挖掘?qū)＠麛?shù)據(jù)中包含的具有選股能力的因子。1、從專利數(shù)據(jù)到科技動(dòng)量、專利IPC 分類情況概述在報(bào)告專利數(shù)據(jù)中有哪些 Alpha？多因子系列報(bào)告之三十一中，我們通過(guò)每個(gè)公司在過(guò)去一段時(shí)間的專利 IPC 號(hào)（國(guó)際專利分類號(hào)）總數(shù)，構(gòu)建了專利 IPC 號(hào)總數(shù)專利因子，相比于其他專利因子，專利 IPC 號(hào)總數(shù)專利因子的 IC、IC_IR 等指標(biāo)也有較好的表現(xiàn)，說(shuō)明專利數(shù)據(jù)中的 IPC 號(hào)能夠?yàn)橥顿Y者提供一個(gè)較為有效的角度對(duì)專利數(shù)據(jù)進(jìn)行分析。I

8、PC 號(hào)是唯一國(guó)際通用的專利文獻(xiàn)分類和檢索工具，得到國(guó)際認(rèn)證的專利將獲得 IPC 號(hào)，一個(gè)專利的技術(shù)內(nèi)容，往往涉及好幾個(gè)分類的內(nèi)容，因而可能有多個(gè)分類號(hào)。國(guó)際專利分類系統(tǒng)按照技術(shù)主題設(shè)立類目，把整個(gè)技術(shù)領(lǐng)域分為 5 個(gè)不同等級(jí)，在第一等級(jí)中一共有 8 種不同的分類部：A（人類必需品）、B（作業(yè)、運(yùn)輸）、C（化學(xué)、冶金）、D（紡織、造紙）、E（固定建筑物）、F（機(jī)械工程、照明、加熱、武器、爆破）、G（物理）、H（電學(xué)）。在每個(gè)一級(jí)分類部下，又對(duì)應(yīng)著不同的二級(jí)分類大類，一共有 145 個(gè)二級(jí)分類大類。以 A 分類部下的二級(jí)分類大類為例，下表給出了 A 分類部下的二級(jí)分類大類情況。表 1：A 分類部

9、專利詳細(xì)二級(jí)大類含義表IPC 二級(jí)分類號(hào)含義A01 A21 A22 A23 A24 A41 A42 A43 A44 A45 A46A47農(nóng)業(yè)；林業(yè)；畜牧業(yè)；狩獵；誘捕；捕魚 焙烤；制作或處理面團(tuán)的設(shè)備；焙烤用面團(tuán)屠宰；肉品處理；家禽或魚的加工其他類不包含的食品或食料；及其處理煙草；雪茄煙；紙煙；吸煙者用品服裝 帽類制品鞋類服飾縫紉用品；珠寶手?jǐn)y物品或旅行品 刷類制品家具；家庭用的物品或設(shè)備；咖啡磨；香料磨；一般吸塵器A61A62 A99醫(yī)學(xué)或獸醫(yī)學(xué)；衛(wèi)生學(xué)救生；消防本部其他類目中不包括的技術(shù)主題資料來(lái)源：國(guó)家知識(shí)產(chǎn)權(quán)局， 圖 1 給出了 2010 年以來(lái)，所有 A 股上市公司每一年 IPC 一

10、級(jí)分類部的專利數(shù)量統(tǒng)計(jì)情況，每一個(gè)一級(jí)分類部的專利數(shù)量都在逐年遞增，其中 B 分類部和 F 分類部的專利數(shù)量多于其他分類部，而 A 分類部、D 分類部和 E分類部的專利數(shù)量較少。圖 1：A 股上市公司分年度 IPC 一級(jí)分類部數(shù)量統(tǒng)計(jì)圖A B C D E F G H2019201820172016201520142013201220112010050000100000150000200000250000300000350000400000450000500000資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：截至 2019 年 12 月 31 日 單位：例圖 2 給出了 2010 年以來(lái)，A 股各行業(yè) IPC 一

11、級(jí)分類部的專利數(shù)量統(tǒng)計(jì)情況，每一行業(yè)在不同類別的專利上都有所側(cè)重，但專利總量較多的幾個(gè)行業(yè)在每一個(gè)專利類別上都有所涉獵。圖 2：A 股各中信一級(jí)行業(yè) IPC 一級(jí)分類部數(shù)量堆積柱狀圖ABCDEFGH500000450000400000350000300000250000200000150000100000500000資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：截至 2019 年 12 月 31 日左軸單位：例一個(gè)專利可以映射到同一個(gè) IPC 類別下的多個(gè)維度，一個(gè)專利的技術(shù)內(nèi)容，往往涉及好幾個(gè)分類的內(nèi)容，因而可能有多個(gè)分類號(hào)，圖 3 給出了單個(gè)專利二級(jí)分類大類的平均數(shù)量變化情況，可以看到，單個(gè)專利擁有的二級(jí)分

12、類大類的平均數(shù)量在 1.4 到 1.9 之間波動(dòng)，近年來(lái)，單個(gè)專利的平均二級(jí)分類大類數(shù)量有所增加，這表明中國(guó) A 股上市公司的專利質(zhì)量在逐年增加，專利的實(shí)用性逐漸提高。圖 3：A 股上市公司單個(gè)專利平均二級(jí)分類大類平均數(shù)量21.91.81.71.61.51.41.31.22010-062011-062012-062013-062014-062015-062016-062017-062018-062019-06資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2010-01-01 至 2019-12-31、科技動(dòng)量因子現(xiàn)如今，公司業(yè)務(wù)線非常復(fù)雜，很多時(shí)候兩家公司的主營(yíng)業(yè)務(wù)收入來(lái)源的區(qū)別，導(dǎo)致公司股價(jià)的關(guān)聯(lián)性難以被發(fā)掘

13、。從產(chǎn)品研發(fā)和創(chuàng)新領(lǐng)域來(lái)看，兩個(gè)致力于科技研發(fā)和創(chuàng)新的公司有著更深層次的關(guān)聯(lián)，Lee et al. (2019)給出了擁有強(qiáng)技術(shù)關(guān)聯(lián)性的公司回報(bào)具有可預(yù)測(cè)性的證據(jù)。具體來(lái)說(shuō)，一個(gè)具有一定研發(fā)實(shí)力和專利實(shí)力的上市公司的股票回報(bào)，相對(duì)于與其擁有類似專利水平公司的股價(jià)回報(bào)，表現(xiàn)出了可預(yù)期的滯后性。一個(gè)核心技術(shù)公司的同類公司獲得了更高(更低)的回報(bào)，那么它在接下來(lái)的幾個(gè)月里也會(huì)獲得更高(更低)的回報(bào)?？萍缄P(guān)聯(lián)度可以找出被行業(yè)以及上下游產(chǎn)業(yè)鏈忽視的公司之間的關(guān)系。為了研究公司之間是否擁有類似的專利水平，我們首先需要構(gòu)造公司之間的科技關(guān)聯(lián)度。從本篇報(bào)告的上一部分可以看出，IPC 分類號(hào)的數(shù)量和分布，能夠用

14、來(lái)表現(xiàn)一個(gè)公司專利覆蓋度和專利研發(fā)實(shí)力。我們利用 IPC 二級(jí)分類大類來(lái)構(gòu)建公司之間的科技關(guān)聯(lián)度，參照相關(guān)系數(shù)的計(jì)算方法，科技關(guān)聯(lián)度的定義如下：, =(, )1/2( )1/2, ,其中：,表示公司在時(shí)刻統(tǒng)計(jì)得到的，在過(guò)去一段時(shí)間各個(gè)分類上的專利個(gè)數(shù)，是一個(gè)維數(shù)為1 145的向量,表示公司和公司在時(shí)刻的科技關(guān)聯(lián)度上述公式表示了兩個(gè)公司在不同專利類別上的關(guān)聯(lián)度，兩個(gè)公司的科技關(guān)聯(lián)度越高，表示它們擁有類似的專利研發(fā)水平，它們股價(jià)的相關(guān)性也將更為顯著?；诖?，我們利用科技關(guān)聯(lián)度和公司股價(jià)的收益率構(gòu)建了科技動(dòng)量因子：_,= , , ,其中:,表示公司在時(shí)刻過(guò)去一個(gè)月的股票收益率.簡(jiǎn)單來(lái)說(shuō)，我們賦予除公

15、司以外的每個(gè) A 股的股價(jià)收益率不同的權(quán)重，與公司擁有更高科技關(guān)聯(lián)度的公司被賦予更高的權(quán)重，并求和，得到了公司在時(shí)刻的科技動(dòng)量因子。通過(guò)對(duì)專利數(shù)據(jù)庫(kù)的觀察，我們發(fā)現(xiàn)，外觀設(shè)計(jì)類別的專利不具有和其他類別專利相同的IPC 分類號(hào)，這是因?yàn)橥庥^設(shè)計(jì)在國(guó)外屬于設(shè)計(jì)（design）范疇，因此采用另外的分類方式。所以，和我們第一篇報(bào)告中專利因子的構(gòu)造方式相同，我們通過(guò)滾動(dòng)統(tǒng)計(jì)不同時(shí)間長(zhǎng)度上的專利數(shù)量來(lái)構(gòu)建科技關(guān)聯(lián)度，分別在不同的專利類別上構(gòu)造科技動(dòng)量因子。各因子的命名方式為 Tech_Momentum_xx_yy：xx 表示專利類型：all 表示所有專利類型，fmgb 表示發(fā)明公布，fmsq表示發(fā)明授權(quán)，

16、wgsj 表示外觀設(shè)計(jì)；yy 表示統(tǒng)計(jì)時(shí)長(zhǎng)：1Y 表示一年，3Y 表示三年，5Y 表示五年。1.2.1、科技動(dòng)量因子：收益顯著性較弱在測(cè)試科技動(dòng)量因子的預(yù)測(cè)能力等有效性指標(biāo)時(shí)，考慮到因子的覆蓋度和行業(yè)偏離度等因素，本文后續(xù)所有的因子測(cè)試的測(cè)試框架將沿用報(bào)告專利數(shù)據(jù)中有哪些Alpha？多因子系列報(bào)告之三十一中相同的測(cè)試框架：表 2：因子回測(cè)框架專利因子回測(cè)框架回測(cè)時(shí)間區(qū)間2011 年 1 月 1 日至 2020 年 3 月 31 日回測(cè)股票池屬于機(jī)械、電子、電力設(shè)備及新能源、通信、基礎(chǔ)化工、家電、鋼鐵、計(jì)算機(jī)、汽車、建材、醫(yī)藥、建筑、有色金屬、輕工制造、國(guó)防軍工、石油石化 16 個(gè)一級(jí)行業(yè)的股票

17、（剔除選股日 ST/PT 股票；剔除上市不滿一年的股票；剔除選股日由于停牌等因素?zé)o法買入的股票）調(diào)倉(cāng)頻率月度調(diào)倉(cāng)IC 指標(biāo)IC 為行業(yè)和市值中性化后，與下一期股票收益率的秩相關(guān)系數(shù)分組方式每月最后一個(gè)交易日收盤后，根據(jù)本月所有未被剔除的股票數(shù)據(jù)計(jì)算因子值，行業(yè)內(nèi)根據(jù)因子值從小到大排序?qū)⒐善钡确譃?5 組，分別計(jì)算每組股票的歷史回測(cè)收益及多空組合收益。多頭超額收益多頭超額收益為行業(yè)內(nèi)分組后，因子值最低的第一組的收益（等權(quán)加權(quán)）相對(duì)基準(zhǔn)的超額收益，基準(zhǔn)為因子測(cè)試股票池的等權(quán)組合。交易費(fèi)率因子測(cè)試階段暫不考慮交易費(fèi)用資料來(lái)源： 表 3：科技動(dòng)量因子測(cè)試結(jié)果由下表可見，本節(jié)構(gòu)建的科技動(dòng)量 Tech_M

18、omentum 因子在收益預(yù)測(cè)能力和穩(wěn)定性上的表現(xiàn)均較為一般。值得關(guān)注的一點(diǎn)是，科技動(dòng)量因子有兩個(gè)特征與前一報(bào)告中的結(jié)論略有差異：基于發(fā)明公布類型專利的科技動(dòng)量因子表現(xiàn)相對(duì)較好；時(shí)間維度上，基于滾動(dòng) 5 年的專利數(shù)據(jù)的因子表現(xiàn)較好，且時(shí)間維度上的單調(diào)性較好。由于科技動(dòng)量因子中，關(guān)鍵指標(biāo)是科技關(guān)聯(lián)度指標(biāo),，需要較為完整和專利數(shù)據(jù)覆蓋才能更精確的衡量不同公司之間的專利關(guān)聯(lián)度，因此時(shí)間維度上需要更久的數(shù)據(jù)，同時(shí)發(fā)明公布類型的專利數(shù)量也是顯著高于其他類型專利的。IC meanIC positive perIC stdIRTech_Momemtum_all_1Y1.49%55%10.13%0.15Tec

19、h_Momemtum_all_3Y1.66%56%10.83%0.15Tech_Momemtum_all_5Y1.71%58%11.25%0.15Tech_Momemtum_fmgb_1Y1.17%50%9.92%0.12Tech_Momemtum_fmgb_3Y1.79%58%10.20%0.18Tech_Momemtum_fmgb_5Y1.84%58%10.34%0.18Tech_Momemtum_fmsq_1Y0.90%50%9.15%0.10Tech_Momemtum_fmsq_3Y1.11%59%9.49%0.12Tech_Momemtum_fmsq_5Y1.44%57%9.74%0

20、.15Tech_Momemtum_syxx_1Y0.46%55%8.33%0.06Tech_Momemtum_syxx_3Y1.23%55%9.57%0.13Tech_Momemtum_syxx_5Y1.45%56%9.80%0.15資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31我 們 以 IC_IR 最 高 的 5 年 期 發(fā) 明 公 布 科 技 動(dòng) 量 因 子Tech_Momemtum_fmgb_5Y 為例，其歷史 IC 時(shí)間序列上的穩(wěn)定性相對(duì)較弱。圖 4：Tech_Momemtum_fmgb_5Y 因子 IC 序列圖 5：Tech_Momemtum_fmgb_

21、5Y 因子多頭超額收益（第一組）1.81.61.41.210.80.60.30.20.10-0.1-0.201/201106/201111/201104/201209/201202/201307/201312/201305/201410/201403/201508/201501/201606/201611/201604/201709/201702/201807/201812/201805/201910/2019-0.3資料來(lái)源： 資料來(lái)源： ，注：基準(zhǔn)為股票池等權(quán)（詳見表 2Tech_Momemtum_fmgb_5Y 因子的多空年化收益為 4.80%，多空收益夏普比為 1.02，多頭年化超額收

22、益為 4.70%。因子選股收益穩(wěn)定性較為一般。表 4：Tech_Momemtum_fmgb_5Y 因子收益表現(xiàn)Tech_Momemtum_fmgb_5Y多空年化收益4.80%多空收益夏普比1.02多空收益最大回撤-8.3%多頭年化超額收益4.70%多頭收益信息比0.87多頭收益最大回撤-37%資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31考慮到Tech_Momemtum_fmgb_5Y 因子中使用到了相關(guān)股票過(guò)去一個(gè)月的收益率，我們這里考察該因子與包括動(dòng)量因子在內(nèi)的主要大類因子之間 IC 序列的相關(guān)性。由下圖可見 Tech_Momemtum_fmgb_5Y 因子與大

23、部分因子的相關(guān)性極低，僅與 1 個(gè)月動(dòng)量因子有微弱的相關(guān)性，相關(guān)性為 0.21。圖 6：Tech_Momemtum_fmgb_5Y 與主要大類因子相關(guān)性O(shè)P_Q_YOYMomentum_1M Momentum_24M Momentum_12MROE_TTM STD_1M TURNOVER_1MFC_MCBP_LRLn_MCVSTD_1M-0.2-0.100.10.20.30.4資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31、科技動(dòng)量領(lǐng)先因子在得到公司間的科技關(guān)聯(lián)度后，除了可以從“動(dòng)量”的角度來(lái)構(gòu)建因子，我們也同樣考慮從“收益領(lǐng)先性” 或者也可以理解為“均值回復(fù)” 的

24、角度來(lái)構(gòu)造因子?？萍紕?dòng)量領(lǐng)先因子的構(gòu)造方式有兩種，分別為：_1= , , , ,_2,= (, , ,) ,第一種構(gòu)造方法中，我們?cè)诳萍紕?dòng)量因子的基礎(chǔ)上，直接減去公司自身的股票收益率，差值大小表示公司股價(jià)與全市場(chǎng)相似股票之間是否存在明顯的滯后關(guān)系。第二種構(gòu)造方法中，在加權(quán)時(shí)每次都減去公司本身在時(shí)刻過(guò)去一個(gè)月的股票收益率，使得每一次加權(quán)時(shí)都比較公司股價(jià)是否與專利水平相似公司存在明顯的滯后關(guān)系。這兩種構(gòu)造方法的原理都是，若差值越大，表示專利水平相似公司的股價(jià)收益率高于公司，公司股價(jià)仍然具有上漲空間，若這一差值越小甚至為負(fù)，表示公司的收益已經(jīng)高于相似公司，股價(jià)不再具有上漲空間。但第一種方法存在明顯弊

25、端，這一構(gòu)造方法可能會(huì)導(dǎo)致構(gòu)造的科技動(dòng)量領(lǐng)先因子與傳統(tǒng)動(dòng)量因子存在明顯的負(fù)相關(guān)關(guān)系，我們將通過(guò)具體的回測(cè)結(jié)果來(lái)對(duì)兩種構(gòu)造方法進(jìn)行比對(duì)。我們同樣通過(guò)滾動(dòng)統(tǒng)計(jì)不同時(shí)間長(zhǎng)度上的專利數(shù)量來(lái)構(gòu)建科技關(guān)聯(lián)度，分別在不同的專利類別上構(gòu)造科技動(dòng)量領(lǐng)先因子。各因子的命名方式為 Tech_Mean_Rev_V1_ xx_yy 和 Tech_Mean_Rev_V2_ xx_yy：xx 表示專利類型：all 表示所有專利類型，fmgb 表示發(fā)明公布，fmsq表示發(fā)明授權(quán)，wgsj 表示外觀設(shè)計(jì)；yy 表示統(tǒng)計(jì)時(shí)長(zhǎng)：1Y 表示一年，3Y 表示三年，5Y 表示五年。1.3.1、兩種構(gòu)造方式因子表現(xiàn)差異明顯1.2 節(jié)中我們

26、發(fā)現(xiàn)當(dāng)涉及到科技關(guān)聯(lián)度指標(biāo)時(shí)，使用滾動(dòng) 5 年的發(fā)明公布專利數(shù)量所構(gòu)造的因子的表現(xiàn)相對(duì)較好，因此后文中我們將主要展示該類因子的相關(guān)改進(jìn)因子的測(cè)試結(jié)果。表 5：兩種構(gòu)造下的科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果IC meanIC positive perIC stdIRTech_Mean_Rev_V1_fmgb_5Y4.10%64%9.77%0.42Tech_Mean_Rev_V2_fmgb_5Y2.41%61%9.64%0.25資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31僅從因子 IC 和 IC_IR 指標(biāo)來(lái)看，Tech_Mean_Rev_V1_fmgb_5Y 因子的預(yù)測(cè)能力表

27、現(xiàn)更出色，但下圖因子相關(guān)性測(cè)試的結(jié)果中表明，該因子與一個(gè)月動(dòng)量因子（Momentum_1M）之間存在極高的相關(guān)性，相關(guān)性達(dá)到-0.68。圖 7：Tech_Mean_Rev_V1_fmgb_5Y 因子相關(guān)性圖 8：Tech_Mean_Rev_V2_fmgb_5Y 因子相關(guān)性O(shè)P_Q_YOYMomentum_1M Momentum_24M Momentum_12MROE_TTM STD_1M TURNOVER_1MFC_MCBP_LRLn_MC VSTD_1MOP_Q_YOYMomentum_1M Momentum_24M Momentum_12MROE_TTM STD_1M TURNOVER_1

28、MFC_MC BP_LRLn_MC VSTD_1M-0.8-0.6-0.4-0.200.20.4資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至2020-03-31-0.4-0.3-0.2-0.100.10.20.30.4資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至2020-03-31與1 個(gè)月動(dòng)量因子之間的高相關(guān)性表明Tech_Mean_Rev_V1_fmgb_5Y因子的收益大部分是由因子計(jì)算公式：_1= , , , ,中減號(hào)右邊的,貢獻(xiàn)的，因子收益大部分由股票的反轉(zhuǎn)效應(yīng)提供，并無(wú)法很好的體現(xiàn)科技動(dòng)量領(lǐng)先指標(biāo)所希望體現(xiàn)的信息。圖 9：Tech_Momemtum_fmgb_5Y、T

29、ech_Mean_Rev_V1_fmgb_5Y 和 Tech_Mean_Rev_V2_fmgb_5Y 因子值分布比較資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2020-02-28從上圖中可以看出，Tech_Mean_Rev_V1_fmgb_5Y 的構(gòu)造方式明顯改變了 Tech_Momemtum_fmgb_5Y 因子的量級(jí)，使得因子值更加接近于 1 個(gè)月動(dòng)量因子的量級(jí)，因子的分布情況也與科技動(dòng)量因子有很大差異。而 Tech_Mean_Rev_V2_fmgb_5Y 在保持因子量級(jí)不變的前提下結(jié)合均值回復(fù)效應(yīng)，因子的分布情況和科技動(dòng)量因子更加接近。我 們 以 IC_IR 最 高 的 5 年 期 發(fā) 明 公 布 科

30、 技 動(dòng) 量 因 子 Tech_Mean_Rev_V2_fmgb_5Y 為例，其歷史 IC 時(shí)間序列上的穩(wěn)定性相對(duì)較好，月度勝率由 Tech_Momemtum_fmgb_5Y 的 58%提高至了 61%。圖 10：Tech_Mean_Rev_V2_fmgb_5Y 因子 IC 序列 圖 11：Tech_Mean_Rev_V2_fmgb_5Y 因子多頭超額收益（第一組）2.52.32.11.91.71.51.31.10.90.70.50.30.250.20.150.10.050-0.05-0.1-0.15-0.201/201106/201111/201104/201209/201202/20130

31、7/201312/201305/201410/201403/201508/201501/201606/201611/201604/201709/201702/201807/201812/201805/201910/2019-0.25資料來(lái)源： 資料來(lái)源： ，注：基準(zhǔn)為股票池等權(quán)（詳見表 2Tech_Mean_Rev_V2_fmgb_5Y 因子的多空年化收益為 6.00%，多空收益夏普比為 1.41，多頭年化超額收益為 8.50%，多頭收益的信息比為 1.64，相較于原始的科技動(dòng)量因子Tech_Momemtum_fmgb_5Y 各項(xiàng)表現(xiàn)均有顯著提升。表 6：Tech_Mean_Rev_V2_fm

32、gb_5Y 因子收益表現(xiàn)Tech_Momemtum_fmgb_5YTech_Mean_Rev_V2_fmgb_5Y多空年化收益4.80%6.00%多空收益夏普比1.021.41多空收益最大回撤-8.3%-3.90%多頭年化超額收益4.70%8.50%多頭收益信息比0.871.64多頭收益最大回撤-37%-9.22%資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31綜合上述結(jié)論，Tech_Mean_Rev_V2_fmgb_5Y 因子在構(gòu)造上更為合理，且相比原始科技動(dòng)量因子有了較為顯著的改善效果，因此，我們將科技動(dòng)量 領(lǐng)先因子的定義方式確定為 Tech_Mean_Rev_V

33、2 的定義方式。后 文 中 的 科 技 動(dòng) 量 領(lǐng) 先 因 子 Tech_Mean_Rev 均 默 認(rèn) 為 Tech_Mean_Rev_V2 的構(gòu)造方式。2、科技動(dòng)量因子的改進(jìn)、利用技術(shù)行業(yè)集中度：改進(jìn)效果一般在科技動(dòng)量因子和科技動(dòng)量領(lǐng)先因子的構(gòu)造過(guò)程中，我們默認(rèn)每個(gè)公司的股價(jià)變化相比于同類型的公司是滯后的，但在實(shí)際中這一滯后現(xiàn)象并不會(huì)在每個(gè)公司的股票上完全出現(xiàn)，這會(huì)給我們構(gòu)造的因子帶來(lái)一定誤差。雖然通過(guò)均值回復(fù)的方式我們減小了這一誤差，但從回測(cè)結(jié)果中可以看出，因子的穩(wěn)定性依然有待提升。我們將從技術(shù)行業(yè)集中度（technology-specificity）的角度，對(duì)每個(gè)公司的信息滯后水平進(jìn)行評(píng)

34、價(jià)打分，構(gòu)建基于技術(shù)行業(yè)集中度的科技動(dòng)量因子和科技動(dòng)量領(lǐng)先因子。Lee et al. (2019)給出了技術(shù)行業(yè)集中度影響股價(jià)滯后水平的兩個(gè)解釋：一種解釋是，當(dāng)核心公司的技術(shù)行業(yè)集中度更高時(shí)，科技公司的回報(bào)只是包含了更多關(guān)于公司估值的信息。另一種解釋是，因?yàn)橹攸c(diǎn)科技公司的行業(yè)集中度很高，投資者更有可能低估同類科技公司回報(bào)率的全部?jī)r(jià)值含意。所以高技術(shù)行業(yè)集中度會(huì)導(dǎo)致較慢的或不太完整的信息傳遞，使得公司更有可能發(fā)生收益的滯后性，使得科技動(dòng)量因子更具有可信度。在構(gòu)建技術(shù)行業(yè)集中度時(shí)，我們首先構(gòu)建不同專利類別的行業(yè)集中度。我們統(tǒng)計(jì)得到不同二級(jí)分類專利號(hào)過(guò)去一年在不同行業(yè)上的分布情況，如圖 12 給出了

35、在時(shí)間點(diǎn) 2020 年 3 月 31 日，回滾過(guò)去一年統(tǒng)計(jì)得到的分類號(hào) A47和 A61 在各行業(yè)上的專利個(gè)數(shù)分布情況，縱坐標(biāo)軸采用對(duì)數(shù)刻度。從圖中可以看出，由于這兩個(gè)分類的專利都屬于人類必需品專利分類部，所以在各行業(yè)上的分布情況相近，但依然有所區(qū)別，更多的行業(yè)擁有分類號(hào)為 A61 的專利。圖 12：回滾過(guò)去一年分類號(hào) A47 和 A61 在 A 股各中信一級(jí)行業(yè)上的專利個(gè)數(shù)分布100001000100101A47 A61資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2020-03-31定義每個(gè)分類號(hào)的專利在各個(gè)行業(yè)上的專利個(gè)數(shù)的標(biāo)準(zhǔn)差，為全市場(chǎng)每個(gè)類別專利的專利集中度。對(duì)于每一個(gè)公司，我們分別計(jì)算公司在過(guò)去一

36、年的所有類型專利的數(shù)量，并與專利集中度進(jìn)行加權(quán)求和，就可以計(jì)算出一個(gè)公司在過(guò)去一年的技術(shù)行 業(yè)集中度_,。公司的技術(shù)行業(yè)集中度越高，表明這一公司越有可能發(fā)生信息滯后現(xiàn)象，為了使得不同公司的技術(shù)行業(yè)集中度權(quán)重加和為 1，我們對(duì)技術(shù)行業(yè)集中度 進(jìn)行單位化，定義公司在時(shí)刻的技術(shù)行業(yè)集中度權(quán)重為：_,= _, . _,我們分別通過(guò)以下方式，構(gòu)造基于技術(shù)行業(yè)集中度的科技動(dòng)量因子和科技動(dòng)量領(lǐng)先因子：_= , , _, ,= (, , ,) _ ,因子含義命名方式基于技術(shù)行業(yè)集中度的科技動(dòng)量因子Tech_Spec_Momentum_Factor_xx_yy基于技術(shù)行業(yè)集中度的科技動(dòng)量領(lǐng)先因子Tech_Spe

37、c_Mean_Rev_Factor_xx_yy基于技術(shù)行業(yè)集中度的各因子的命名方式，如下表：表 7：改進(jìn)的各科技動(dòng)量因子命名表,資料來(lái)源： xx 表示專利類型：all 表示所有專利類型，fmgb 表示發(fā)明公布，fmsq表示發(fā)明授權(quán)，wgsj 表示外觀設(shè)計(jì)；yy 表示統(tǒng)計(jì)時(shí)長(zhǎng)：1Y 表示一年，3Y 表示三年，5Y 表示五年。仍然以 5 年期發(fā)明公布專利數(shù)據(jù)構(gòu)造的因子為例，改造后的基于技術(shù)行業(yè)集中度的科技動(dòng)量因子和科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果如下：表 8：改造后的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果IC meanIC positive perIC stdIRTech_Momentum_fmgb_5Y

38、1.84%58%10.34%0.18Tech_Spec_Momentum_fmgb_5Y1.31%59%9.92%0.13Tech_Mean_Rev_fmgb_5Y2.41%61%9.64%0.25Tech_Spec_Mean_Rev_fmgb_5Y2.02%62%9.12%0.22資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31結(jié)合技術(shù)行業(yè)集中度的科技動(dòng)量因子和科技動(dòng)量領(lǐng)先因子在IC 和IC_IR的表現(xiàn)上出現(xiàn)下滑，因子勝率和穩(wěn)定性上則有一定程度的提高。整體上看， Tech_spec 因子的改進(jìn)效果較為一般。、結(jié)合專利關(guān)聯(lián)度的改進(jìn)方法在構(gòu)建科技關(guān)聯(lián)度時(shí)，我們認(rèn)為不同分

39、類的專利之間是獨(dú)立的，但實(shí)際上不同的專利類別，特別是同一分類部下的專利類別之間有可能也存在著關(guān)聯(lián)。為了在構(gòu)建科技關(guān)聯(lián)度時(shí)考慮不同專利類別間的關(guān)聯(lián)，Nguyen et al. (2020)提供了一種新的構(gòu)建科技關(guān)聯(lián)度的方法。在每個(gè)時(shí)刻，除了可以構(gòu)造科技關(guān)聯(lián)度，我們還可以用相同的方法構(gòu)建專利關(guān)聯(lián)度：, =(, )1/2( )1/2,其中，,表示分類號(hào)在時(shí)刻統(tǒng)計(jì)得到的，在過(guò)去一段時(shí)間各個(gè) A 股上的專利個(gè)數(shù)，是一個(gè)維數(shù)為1 上市公司數(shù)量的向量。,表示分類號(hào)和分類號(hào)在時(shí)刻的專利關(guān)聯(lián)度。在得到專利關(guān)聯(lián)度后，我們通過(guò)以下的公式來(lái)構(gòu)建改進(jìn)的科技關(guān)聯(lián)度：, _, =( )1/2(, )1/2其中:, ,是由,

40、構(gòu)成的維數(shù)為145 145的專利關(guān)聯(lián)度矩陣._,為基于專利關(guān)聯(lián)度計(jì)算得到的公司和公司在時(shí)刻的科技關(guān)聯(lián)度。上述公式的直觀解釋是，在計(jì)算兩個(gè)不同公司之間的科技關(guān)聯(lián)時(shí)，我們考慮不同類別的專利之間也有相互影響的可能。上述公式可以改寫為:(, 1/2) (1/2 )_, =( )1/2( )1/2, ,其中，, 1/2同樣為一個(gè)維數(shù)為1 145的向量，每一個(gè)位置上的元素除了公司本身的專利數(shù)量，還加上了由公司其他專利類型數(shù)量帶來(lái)的影響。圖 13：中國(guó)石化各專利分類數(shù)量占比柱狀圖0.25中國(guó)石化原始專利數(shù)量占比中國(guó)石化考慮專利相關(guān)性后的專利數(shù)量占比0.20.150.10.050010203040506070

41、8090100110120資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2020-03-31，橫軸為不同專利二級(jí)分類上圖給出了在 2020 年 3 月 31 日統(tǒng)計(jì)得到的，中國(guó)石化過(guò)去 5 年各二級(jí)分類專利單位化數(shù)量情況。可以看到，原始的專利數(shù)量更為集中，考慮專利分類間的相關(guān)性之后，專利數(shù)量更加分散，與原始數(shù)量較多專利相關(guān)性比較大的幾個(gè)分類專利，數(shù)量有所提升。需要說(shuō)明的是，如果不同類別的專利之間相互獨(dú)立，那么是一個(gè)單位矩陣，_,便等于,。在計(jì)算得到基于專利關(guān)聯(lián)度的科技關(guān)聯(lián)度后，我們便可以對(duì)本篇報(bào)告第一部分和第二部分構(gòu)造的因子進(jìn)行改進(jìn)，具體的計(jì)算公式如下：_,= _, , _,_,= (_, , ,) _,_=

42、_, , _ _,_,= (_, , ,) _ _,改進(jìn)的各科技動(dòng)量因子的命名方式如下表：,因子含義命名方式表 9：改進(jìn)的各科技動(dòng)量因子命名表改進(jìn)的科技動(dòng)量因子Improved_Tech_Momentum_Factor_xx_yy改進(jìn)的科技動(dòng)量領(lǐng)先因子Improved_Tech_Mean_Rev_Factor_xx_yy改進(jìn)的基于技術(shù)行業(yè)集中度的科技動(dòng)量因子改進(jìn)的基于技術(shù)行業(yè)集中度的科技動(dòng)量領(lǐng)先因子資料來(lái)源： Improved_Tech_Spec_Momentum_Factor_xx_yy Improved_Tech_Spec_Mean_Rev_Factor_xx_yyxx 表示專利類型：al

43、l 表示所有專利類型，fmgb 表示發(fā)明公布，fmsq表示發(fā)明授權(quán)，wgsj 表示外觀設(shè)計(jì)；yy 表示統(tǒng)計(jì)時(shí)長(zhǎng)：1Y 表示一年，3Y 表示三年，5Y 表示五年。、結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子：有顯著改善仍然以 5 年期發(fā)明公布專利數(shù)據(jù)構(gòu)造的因子為例，結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子和科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果如下：表 10：結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子測(cè)試結(jié)果IC meanIC positive perIC stdIRTech_Momentum_fmgb_5Y1.84%58%10.34%0.18Improved_Tech_Momentum_fmgb_5Y2.12%57%11.92%

44、0.18Tech_Spec_Momentum_fmgb_5Y1.31%59%9.92%0.13Improved_Tech_Spec_Momentum_fmgb_5Y1.72%60%12.42%0.13Tech_Mean_Rev_fmgb_5Y2.41%61%9.64%0.25Improved_Tech_Mean_Rev_fmgb_5Y2.55%59%11.22%0.23Tech_Spec_Mean_Rev_fmgb_5Y2.02%62%9.12%0.22Improved_Tech_Spec_Mean_Rev_fmgb_5Y3.18%61%12.12%0.26資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011

45、-01-01 至 2020-03-31Improved_Tech_Spec_Mean_Rev_fmgb_5Y 因子 IC 均值達(dá)到 3.18%， IC_IR 為 0.26，是上述幾種改造方式中表現(xiàn)最佳的。同時(shí)上述幾種改造方式下的因子的多空收益和多頭收益表現(xiàn)如下表所示：表 11：結(jié)合專利關(guān)聯(lián)度的科技動(dòng)量因子與科技動(dòng)量領(lǐng)先因子收益表現(xiàn)Improved_Tech_Moment Improved_Tech_Spec_M Improved_Tech_Mean_R Improved_Tech_Spec_Mum_fmgb_5Yomentum_fmgb_5Yev_fmgb_5Yean_Rev_fmgb_5Y多

46、空年化收益5.70%4.33%7.50%10.21%多空收益夏普比1.200.981.671.12多空收益最大回撤-9.21%-12.35%-6.12%-13.90%多頭年化超額收益6.50%5.34%10.61%9.80%多頭收益信息比1.231.022.111.62多頭收益最大回撤-21.02%-19.00%-9.01%-12.22%資料來(lái)源：通聯(lián)數(shù)據(jù)， ，注：2011-01-01 至 2020-03-31Improved_Tech_Mean_Rev_fmgb_5Y 因子分組表現(xiàn)優(yōu)異，其多空年化收益為 7.50%，多空收益夏普比為 1.67，同時(shí)因子多頭組合年化超額收益為10.61%，多頭

47、組合信息比 2.11，因子收益穩(wěn)定性較強(qiáng)，是上述幾種改造方式中收益表現(xiàn)最為出色的因子。因此下文我們主要展開分析 Improved_Tech_Mean_Rev_fmgb_5Y 因子的各方面表現(xiàn)以及與其他大類因子相關(guān)性上的表現(xiàn)：具體分析結(jié)合專利關(guān)聯(lián)度的 5 年期發(fā)明公布科技動(dòng)量領(lǐng)先因子（Improved_Tech_Mean_Rev_fmgb_5Y）的預(yù)測(cè)能力和多頭收益能力。因子的預(yù)測(cè)能力較為穩(wěn)定，從 IC 序列來(lái)看，因子 2014 年至今的 IC 表現(xiàn)較為穩(wěn)定。圖 14：Improved_Tech_Mean_Rev_fmgb_5Y 因子 IC序列圖 15：Improved_Tech_Mean_Re

48、v_fmgb_5Y 因子多空收益與多頭超額收益（第一組） Long_Shorttop_relative0.330.22.50.120-0.1-0.21.510.51/1/20116/1/201111/1/20114/1/20129/1/20122/1/20137/1/201312/1/20135/1/201410/1/20143/1/20158/1/20151/1/20166/1/201611/1/20164/1/20179/1/20172/1/20187/1/201812/1/20185/1/201910/1/2019-0.302011201220132014201520162017201820192020資料來(lái)源： 資料來(lái)源： ，注：基準(zhǔn)為股票池等權(quán)（詳見表 2結(jié) 合 專 利 關(guān) 聯(lián) 度 的 5 年 期 發(fā) 明 公 布 科 技 動(dòng) 量 領(lǐng) 先 因 子（Improved_Tech_Mean_Rev_fmgb_5Y）的多空收益較為穩(wěn)定，多空收益的夏普比高達(dá) 1.67。圖 16：Improved_Tech_Mean_Rev_fmgb_5Y 與主要大類因子相關(guān)性O(shè)P_Q_Y