【MBA中國網訊】知識經濟時代，科技實力已經成為一個公司短期盈利和長期生存的重要因素。世界上的科技巨頭，如谷歌、蘋果、亞馬遜、特斯拉等公司，它們的行業和產品可能截然不同，但在科技層面卻有著千絲萬縷的聯繫。這些科技上的關聯超越了傳統的行業界限，卻通常不易從公司的財務報告中辨別出來。
北京大學光華管理學院張然老師與其合作者研究了公司之間的科技關聯（Technological Links）和公司股票未來預期收益之間的關係。其背後的邏輯是公司的科技創新並不是獨立的，一項科技進步的溢出效應會影響科技關聯度高的一系列公司，而這種影響將改變這些公司基本面，並最終（先後）反映到公司的股價中。
基於此，該文揭示了一個令人驚訝的實證關係，即目標公司的股票收益率和與其科技關聯度相近的公司前期的收益率之間有一種滯後-領先關係。換句話說，對於任何一個目標公司，使用某種代理指標來計算它和其他公司的科技關聯度，然後以該關聯度為權重和關聯公司的當期收益率就可以計算出一個加權收益率，該收益率對目標公司下一期的收益率有很強的預測性：使用科技關聯構建的多空組合投資策略可以獲得月度1.17% 的超額收益（年化14%左右）。因此，以科技關聯度為權重的加權收益率是一個優秀的 α 因子。這種領先-滯後關係也可以被稱作「科技動量」。
該文於2018年9月獲得美國金融量化協會 (The Institute for Quantitative Research in Finance，簡稱Q Group) Roger F. Murray Prize 傑出研究一等獎(2018 First Prize)。
如何計算公司之間的科技關聯度？
實施科技動量策略，首先需要計算公司之間的科技關聯度。為此，作者使用谷歌專利資料庫提供的專利數據，將公司所有的授權專利對應到美國專利與商標局( United States Patent and Trademark Office, USPTO) 規定的427種專利分類中，確認其所屬類別。在任一時點，通過計算兩家公司過去5年間所授權的專利在不同專利分類中的布局，進而算出專利布局向量的相關係數，得到公司兩兩之間的科技相關度，最小為0，最大為1。兩家公司的專利布局越相似，其專利布局向量的相關係數越高，科技關聯程度越大。通過這樣的方法，就可以在任一時點，計算目標公司與其他公司之間的科技關聯度。
圖1展示了兩家公司 Regeneron Pharmaceuticals 和 Illumina 在 2002 到 2006 年間專利布局的情況。Regeneron 是一家製藥公司，而 Illumina 生產生命科學檢測儀器並提供基因分析服務。這兩家公司處於完全不同的行業，且在供應鏈方面也沒有什麼聯繫。但是科技關聯性從全新的角度揭示了它們之間的關聯 —— 這兩家公司在 435 專利分類（分子生物學和微生物學）均有很多專利，它們之間的科技關聯度高達 0.71。可見科技關聯度可以揭示被行業以及上下遊產業鏈忽視的公司之間的關係，文章發現這種關聯在選股方面大有可為。
Illumina和Regeneron的專利布局情況(2002-2006)
基於科技關聯的投資策略
找到科技關聯的公司之後，就可以利用科技關聯公司過去的股票收益，預測目標公司未來的股票收益，也就是所謂的「科技動量」。作者構建了如下投資策略：在第t月末，對於每個目標公司，首先找到科技關聯的所有公司，再計算根據科技相似度加權的科技關聯公司第t月股票收益，即科技關聯收益（TechRet），最後利用該指標選擇目標公司——買入第t月科技關聯收益處於前10%的目標公司，賣空處於後10%的目標公司。據此構建的等權投資組合在第t+1月可以獲得1.17%的超額收益，並在控制行業、供應鏈等公司間動量效應，以及其他常見的市場異象後仍然穩健存在。作者發現，買入並持有一個月的策略收益最好。隨著投資組合持有期的逐漸增加，超額收益也逐漸減少，並在未來沒有出現反轉——這表明科技動量是一個價格發現的過程，隨著投資者逐漸意識到科技關聯公司的新信息，股價也隨之逐漸反應完全。
基於科技關聯的套利組合收益
科技動量策略的邏輯
前文的結果說明TechRet因子在選股方面確實有效，而且它獲得的超額收益不能被市場中常見的其他因子解釋。那麼該因子為什麼有效？其內在邏輯是什麼？對於超額收益，學術界和業界主流的兩種解釋是錯誤定價和風險補償。搞清楚策略背後的機制至關重要：錯誤定價意味著投資者可以通過合理的策略獲得潛在的超額收益；而風險補償則意味著投資者獲得的收益是以承擔額外風險為代價的。
為了區分這兩種解釋，文章首先驗證錯誤定價，並研究了以下三個方面：
1. 科技相關信息（innovation-related information）的性質；
2. 投資者對這類新息的有限注意力（limited attention）；
3. 投資者的套利成本。
第一方面，實證結果表明，TechRet因子的強度和目標公司的科技強度（technology intensity）和專度（technology specificity）有關。舉例來說，在強度方面，R&D 開銷大的公司獲得的TechRet因子收益更高；在專度方面（科技專度高指公司的專利可用行業較集中），作者發現專度高的公司獲得的TechRet因子收益更高，也就是說，科技專度高的公司其科技信息更難被投資者理解。
第二方面，為了檢驗投資者的有限注意力，作者發現投資者關注度低的公司 ——市值小、分析師跟隨少、機構投資者佔比低、媒體報導少—— 獲得更高的TechRet因子收益率。
最後一方面，使用特異性波動率以及業績虧損作為套利成本的代理指標，作者發現套利成本高的公司能夠獲得更高的TechRet因子收益率。
上述結果從科技信息性質、投資者的有限注意力以及套利成本方面，證實了價格對與科技類基本面消息的吸收是緩慢的，從而造成了錯誤定價。
除了錯誤定價這種解釋外，另一種常見的解釋是從風險補償的角度，即因子之所以獲得超額收益是因為它暴露於某種未知的風險。然而文章的分析說明，這種解釋並不成立。作者從另外四個角度來分析風險補償說。這裡著重介紹其中的兩個。
首先，作者考察因子在盈餘公告期的收益情況，這是一種被學術界普遍認可的方法。它背後的邏輯是，如果某個α因子和錯誤定價有關，則該因子在盈餘公告期內應該比其他時間內獲得更高的收益，這是因為最新的盈餘報告有助於修正投資者之前對該股票的錯誤定價。而反過來，如果該因子是源自風險補償，我們將不會觀察到上述現象。回歸結果表明，在考慮了一系列必要的控制變量後，盈餘公告期內TechRet因子能夠獲得非盈餘公告期內 4 倍以上的收益率，這是風險補償說完全無法解釋的。
第二個角度則是考察公司未來的未預期盈餘（standardized unexpected earnings，SUE），這是一個非常重要的公司業績指標，同時，它也是一個非收益率指標，因此不會被對風險的控制不足所影響。作者發現當前季度的TechRet因子對未來三個季度的 SUE 都有顯著的預測性，且這種預測性在逐步減弱。這一結果有力的佐證了該因子可能來源於錯誤定價，而非風險補償。
張然老師指出，該研究的啟示在於：在當今科技驅動的環境中，投資者尚未及時充分地理解關聯公司科技信息的價值含量。
因此：
1. 對投資者而言，解決問題最好的方法就是利用科技關聯構建投資策略組合，在獲取超額收益的同時提升市場定價效率；
2. 對於科技公司的高管而言，通過加強投資者教育，例如藉助媒體或主動披露公司的科技能力，則能夠減少信息不對稱，促進公司股票合理定價。
本期「學術光華」介紹了以下研究：
由張然老師合著的論文 Technological Links and Predictable Returns, 在 Journal of Financial Economics發表。《金融經濟學期刊》（Journal of Financial Economics）是金融學領域頂級國際學術期刊，刊登過眾多對金融學領域有著重大貢獻的研究成果。
該文於2018年9月獲得美國金融量化協會（Q Group） Roger F. Murray Prize 傑出研究一等獎（2018 First Prize）。該獎項每年評選一次，獎勵金融量化領域傑出的研究成果。在該獎項的評選歷史中，芝加哥大學布斯商學院的尤金·法瑪教授（Eugene F. Fama）是首位獲得First Prize的學者，歷次獲獎者包括芝加哥大學理察·席勒教授（Richard Thaler），哥倫比亞大學商學院教授Stephen H. Penman等在金融會計領域擁有極高聲譽和貢獻的學者。
張然，現任北京大學光華管理學院會計系副教授，博士生導師。她長期致力於基本面量化投資方面的研究，其研究工作發表於諸多國內外頂級學術期刊，如Journal of Financial Economics, The Accounting Review, Journal of International Business Studies等。研究成果曾六次獲得國際知名學術會議最佳論文獎，並獲得國家自然基金結題項目「特優」評價、北京大學人文社科研究優秀成果一等獎、曹鳳岐金融發展基金「青年科研優秀獎」等。教學方面，曾多次獲得北京大學和光華管理學院教學優秀獎。