`

寻找隐匿的专精特新“小巨人”---基本面量化系列四

创建于 更新于

摘要

本报告基于工信部关于专精特新“小巨人”企业的四大维度要求(经济效益、专业化程度、创新能力、经营管理),通过多维度量化指标刻画小巨人企业特性,构建财务因子、产业链产品分布、专利类别及公司治理G指标。利用余弦相似度算法,筛选出近500支类小巨人股,涵盖行业集中度、成长与盈利能力等核心特性,提供投资者更准确多元的布局工具[page::0][page::5][page::6][page::7][page::8][page::16][page::18]。

速读内容


专精特新“小巨人”企业政策背景与市场分布 [page::2][page::4][page::5]



  • 专精特新“小巨人”是工信部认定的细分市场领军者,要求涵盖经济效益、专业化、创新和管理四个维度。

- 340家上市公司中多集中于创业板、科创板和机械、医药等行业。
  • 大多数小巨人市值集中在100亿元以下,约76%在这一范围内,反映中小企业特征。


小巨人企业核心特征的多维度量化刻画 [page::7][page::8][page::9][page::13][page::15]

  • 经济效益维度引入10项低相关性财务因子构建特征向量,采用余弦相似度评估公司间财务相似度。

- 产业链专业化以数库SAM产品分类标准化主营收入数据构建114维产品特征向量,通过余弦相似度衡量产品相似度。

  • 创新能力通过IPC专利二级分类145维向量量化,反映公司专利分布及研发方向一致性。

  • 公司治理G指标基于ESG中治理部分的37个细分项,评分反向筛除经营管理能力较弱公司。


类专精特新“小巨人”企业筛选方法及典型案例 [page::16][page::17][page::18]

  • 对非小巨人股票计算其与所有小巨人股在财务、产品和专利三个维度的余弦相似度,取前50%小巨人股相似得分均值作为类小巨人得分。

- 进一步结合治理G指标剔除表现差的10%尾部公司,最终获得452支类小巨人股。
  • 以国盛智科(688558.SH)为例,其与相似得分排名前五的小巨人股均行业一致,产业链特性强,符合“补链强链”产业政策。

| 股票代码 | 股票简称 | 中信三级行业 | 相似度得分 |
|---------|----------|--------------|------------|
| 688558.SH | 国盛智科 | 机床设备 | - |
| 688577.SH | 浙海德曼 | 机床设备 | 1.71 |
| 688308.SH | 欧科亿 | 其他通用机械 | 1.69 |
| 300488.SZ | 恒锋工具 | 机床设备 | 1.66 |
| 688305.SH | 科德数控 | 机床设备 | 1.66 |

类小巨人股行业与市值特征 [page::17][page::18][page::19]


  • 大部分类小巨人股聚集于机械、电子、电力设备及新能源等行业,体现与小巨人股高度相似的行业结构。

- 样本中近37%公司市值低于50亿元,保持了“小巨人”中小市值特性。
  • 标的涵盖龙头和成长性高的中小股,为投资者提供多元“专精特新”选择。

深度阅读

金融研究报告详尽分析:寻找隐匿的专精特新“小巨人”--基本面量化系列四



---

1. 元数据与报告概览


  • 标题:寻找隐匿的专精特新“小巨人”---基本面量化系列四

- 作者:郑兆磊
  • 发布机构:兴业证券经济与金融研究院

- 发布日期:2021年11月29日
  • 主题:针对“专精特新”及专精特新“小巨人”企业,从经济效益、专业化程度、创新能力和经营管理四个维度,利用量化方法寻找市场上隐藏的、类似于“小巨人”的股票池。

- 核心论点:传统专精特新“小巨人”筛选方法过于依赖单一指标打分,存在必要不充分的问题。报告提出通过构建多维度量化特征向量,基于工信部的定义,从财务、产业链、专利及治理能力四大方面构建股票相似度,采用余弦相似度方法寻找最像“小巨人”的类“小巨人”股票池,为投资者提供更准确的投资标的选择。
  • 投资评级及目标价:报告并未给出直接的股票评级或目标价,主要侧重于研究方法和股票池构建,属于策略及行业研究。

- 主要信息传达:通过严谨的量化模型和多角度指标融合,构造一个更科学、系统的“类小巨人”企业识别框架,突破传统单一指标限制,帮助投资者提前捕捉具成长潜力和创新能力的优质上市公司[page::0,1]。

---

2. 逐节深度解读



2.1 引言及政策背景(第1章)


  • 关键论点

- “专精特新”作为指导中小企业提升专业化、精细化、特色化和创新能力的发展方向,自2011年被强调,2013年工信部提出培育意见。
- 专精特新“小巨人”定义来源于2018年底工信部文件,是“专精特新”中具有市场领先、核心技术、创新和高度专业化的翘楚企业。
- 政策层面强化了科技创新和强化产业链供应链稳定,推动专精特新中小企业作为突破“卡脖子”瓶颈的关键,专项政策多轮叠加。
  • 问题陈述

- 现有研究多为指标打分法,存在统计学上的必要不充分——高成长不等于即为“小巨人”,识别方法需多维度。
- 回测效果有限,政策驱动的市场“超预期”表现难用历史回测充分验证。
  • 报告定位

- 聚焦于“四维度”特征刻画,即经济效益、专业化程度、创新能力和经营管理,通过量化映射政策指标,构建全面画像,并基于相似度模型找出类“小巨人”股票池,助力投资者布局[page::2,3]。

---

2.2 专精特新“小巨人”现状与特征(第2章)


  • 数据统计

- 2019-2021年三批“小巨人”共4922家,其中340家A股上市(含北交所)。
- 上市板块以创业板(138家)、科创板(99家)、主板(87家)、北交所(16家)为主。
- 行业主要分布:机械、基础化工、医药、电子、电力设备及新能源,符合制造业核心领域的政策侧重点。
  • 市值分析

- 主体小市值集中在100亿元以下,占比约76%。
- 详细分布:0-50亿为46.47%,50-100亿29.71%,100-200亿15.88%,少数高市值企业超500亿。
  • 成长性与盈利性

- “专精特新”公司整体营业收入同比增长率和销售毛利率中位数优于同板块其他公司,尤其在主板与创业板更为显著,体现较强经营效率和景气度。
  • 图表

- 图1-3分别展示了板块分布、行业分布和市值分布。
- 图4、5展示同比增速和毛利率对比,揭示“专精特新”相较同板块公司更具业绩优势[page::4,5]。

---

2.3 多维度量化刻画方法(第3章)



3.1 经济效益-财务因子


  • 方法论基础:借鉴团队之前的研究,通过多代表性财务指标构造包含盈利能力(如ROE同比增长)、偿债能力(流动比率)、营运能力(应收账款周转率)及发展能力(季度营收同比增速)等10维因子综合财务特征。

- 指标选择:低相关性、多信息差异性,避免冗余。
  • 相似度计算:利用高维向量余弦相似度计算,形成公司间财务特征相似度矩阵,称为财务关联度(fin-link)。

- 公式细节:余弦相似度公式$\cos(\theta)$计算两个特征向量夹角余弦,从而量化相似程度[page::7,8]。

3.2 专业化程度-产业链产品数据


  • 背景:工信部要求小巨人专注产品及细分产业链核心环节,主营产品收入占比需≥70%。

- 数据来源:数库SAM产业链数据库,拥有约4000个标准化产品节点,分7层级,实现产品名称的标准化归类。
  • 案例分析:力合微电子主营收入以通信设备(87.43%)为主,显示强产品专注度及产业链定位。

- 统计分析
- 小巨人公司在一级和二级产品分类上均集中分布于工业机械、电子制造、电子元件等重点产业领域。
- 图6-7显示前15大产品分类中,工业机械与电子制造占比最大,符合政策指向。
  • 单一产品专注度

- 图8展示专精特新企业中≥75%主营收入来源单一产品的比例远高于非专精特新企业(均>60%对比约50%)。
  • 相似度构建:构造114维产品特征向量(sam),计算产品相似度(sam-link),用于判断企业产品结构相似程度[page::9-11]。


3.3 创新能力-专利数据


  • 专利分类基础:采用国际专利分类(IPC),分5阶层,145个二级分类作为专利分类标准。

- 案例解析:力合微近5年93项有效发明专利,集中于电通信技术和测量测试领域,占比逾70%。
  • 特征向量构建:基于145维专利类别占比构建专利特征向量(tech),形象反映研发领域分布。

- 相似度计算:通过余弦相似度计算专利布局相似度(tech-link),反映研发方向及创新能力接近度。
  • 拓展意义:超越传统财报,进一步从技术研发方向识别企业潜力和战略。相关研究详见团队以往研报[page::12-14]。


3.4 治理能力-公司治理G指标


  • 治理指标构成:基于ESG理念,引用商业道德、风险管理、公司治理信息等37个子项目,融合行业权重形成单一治理能力分数。

- 作用:剔除治理能力低下的尾部公司,保证类小巨人企业在管理水平上的基本合规及优秀。
  • 执行方式:对最终股票池公司治理分数反向筛选,去除排名倒数10%[page::15]。


---

2.4 类“小巨人”企业寻找方法(第4章)


  • 总体思路:结合财务相似度(fin-link)、产品相似度(sam-link)、专利相似度(tech-link)三类正向指标,及治理能力G指标反向筛选,构建综合相似度模型。

- 步骤细化
1. 统计非小巨人股票$i$与所有小巨人公司在三维度的相似度矩阵。
2. 计算公司$i$与小巨人$j$的欧式距离相似得分:$\text{Sim-score}{ijt} = \sqrt{fin-link^2 + sam-link^2 + tech-link^2}$,得分越大表明越相似。
3. 对每非小巨人公司,取相似得分前50%的均值作为最终类小巨人得分。
4. 对所有非小巨人股进行得分排序,取前500名,剔除治理G指标尾部10%,确定类小巨人最终名单。
  • 案例验证

- 国盛智科(688558.SH)与多家同属机械设备细分行业的小巨人股相似度较高,且行业地位和技术定位符合政策补链强链战略,呈现筛选方法的有效性。
  • 结果说明

- 类小巨人股票池规模452只,涵盖不同市值范围(其中37%市值小于50亿元),行业集中于机械、电子、电力设备及新能源等,行业及市值结构与小巨人匹配。
- 样本量更大,为投资者提供了多元且丰富的“专精特新”投资标的[page::16-18]。

---

2.5 报告总结(第5章)


  • 综上,报告提出了一种基于工信部“四维度”要求的多维度量化方法,以当前已确认的“小巨人”企业为蓝本,通过财务、主营产品、专利及治理多个角度刻画企业特征,结合余弦相似度构造量化模型,寻找隐藏的类专精特新“小巨人”企业。

- 该模型解决了传统单指标筛选方法必要不充分的问题,更科学、全面地捕捉企业基本面特征和创新能力。
  • 得出的452只类小巨人企业在行业分布、财务成长性及治理能力方面均与官方认定企业高度一致,能为投资者提供更广泛、更精准的投资池。

- 报告还说明了该策略风险,包括政策变动、市场环境变化可能导致模型失效。
  • 未来方向为进一步发掘“专精特新”与量化投资结合的创新策略。

- 报告最后附上了详细的类小巨人股票清单及风险提示[page::18-19]。

---

3. 重要图表深度解读



表1:专精特新“小巨人”A股上市公司统计



| 批次 | 企业数量 | A股上市公司数量 |
|---------|---------|-----------------|
| 第一批 | 248 | 37 |
| 第二批 | 1744 | 165 |
| 第三批 | 2930 | 138 |
| 合计 | 4922 | 340 |
  • 说明3批累计约5000家企业认定,小巨人上市公司约占7%,显示上市企业数量可控,报告研究对象聚焦上市公司合理。


图1:“专精特新”小巨人上市公司板块分布


  • 创业板138家最大,科创板99家,主板87家,北交所16家。体现新兴及中小板块集中度高。


图1

图2:“专精特新”小巨人上市公司行业分布(前10)


  • 机械行业87家最多,基础化工50家,医药40家,电子35家,电力设备及新能源21家等,符合政策导向的制造业重点行业。


图2

图3:市值分布统计


  • 多数在市值100亿以下,集中在0-50亿158家,50-100亿101家,显示中小市值特征鲜明。


图3

图4、图5:营收同比增速及销售毛利率对比(中位数)


  • 以蓝色条显示“专精特新”公司,红色为其他股票。

- 主板和创业板专精特新公司营收增速、毛利率明显优于同板其他公司,表明较强成长性和盈利能力。
  • 科创板和北交所两类公司差异不明显,或与板块定位不同有关。


图4

图5

表2:财务相关因子示例



| 因子名称 | 代表能力 | 释义 |
|-------------------|----------|--------------------------------------------------|
| CurrentRatio
LR | 偿债能力 | 流动资产合计/流动负债合计 |
| RevenueSQYoY | 发展能力 | 单季度营业收入同比增长率 |
| ROETTMYoY | 盈利能力 | ROETTM同比增长率 |
| ReceivablesTurnover | 营运能力 | 2*销售收入
TTM / (应收账款最新 + 应收账款去年同期) |
  • 通过多指标,多角度刻画企业财务特性,数据低相关,信息分散,适合余弦相似度计算。


表3、4:产业链分类与力合微主营产品结构


  • 半导体集成电路归集于四级产品分类,示例说明产业链数据标准化方法科学。

- 力合微主营产品87.43%为“无线模组”,符合高集中度要求。

图6、图7:一级与二级产品分类公司个数分布


  • 一级产品工业机械和电子制造公司数最多。

- 二级产品以电子设备和汽车为主,细分领域丰富且显著。

图6

图7

图8:单一主营产品公司占比


  • 专精特新公司≥75%单一主营产品占比约60%以上,明显高于非专精特新公司~50%。


图8

图9、10:IPC专利分类及原始专利信息示意


  • 采用国际专利分类标准,涵盖科技多维度分类,确保专利数据科学有效。


图11:力合微专利类别分布统计


  • 48.4%电通信技术,23.6%测量测试,专利分布集中前沿技术领域。


图11

表6:国盛智科与小巨人股相似度排名



| 股票代码 | 股票简称 | 中信三级行业 | 相似度得分 |
|---------------|----------|--------------|------------|
| 688558.SH | 国盛智科 | 机床设备 | - |
| 688577.SH | 浙海德曼 | 机床设备 | 1.71 |
| 688308.SH | 欧科亿 | 其他通用机械 | 1.69 |
| 300488.SZ | 恒锋工具 | 机床设备 | 1.66 |
| 688305.SH | 科德数控 | 机床设备 | 1.66 |
  • 以细分行业和相似得分体现高精度的类小巨人筛选结果。


表7、图12:类小巨人股节选及其行业分布


  • 行业集中在机械(约154家)、电子(95家)、电力设备及新能源(68家)等,基本覆盖产业链核心领域。

- 公司包括京东方A、宁德时代等龙头企业及新兴成长股,样本丰富。

图12

---

4. 估值分析



报告未直接包含具体估值模型或目标价格。核心在于量化构建公司特征向量和相似度计算,作为策略层面的行业及个股池构建工具。估值环节可能在相关后续研报中展开。

---

5. 风险因素评估


  • 模型风险:基于历史数据统计和模型预测,政策调整、市场环境变化可能导致模型失效。

- 政策风险:专精特新相关政策驱动明显,一旦政策方向变化,可能影响相关企业表现和数据特征。
  • 数据及执行风险:财务因子、专利归类、产业链标准化等数据的完整性和准确性对结果影响较大。

- 治理指标偏差:部分企业治理信息披露不完整,剔除标准可能存在漏判或误判。
报告均明确提示上述风险,投资者需注意这些不确定性可能影响策略效果[page::0,18,21]。

---

6. 批判性视角与细微差别


  • 多指标融合优势与弱点:方法避免了以往单纯依赖财务或成长指标的缺陷,用多维度特征补强,提高模型全面性。但多数据源融合带来的噪声和权重设定是否合理,报告未详述,可能影响相似度准确性。

- 相似度计算的局限:余弦相似度强调方向一致性,对绝对数值幅度差异敏感度不高,可能忽略了重要的绝对表现差异。
  • 治理能力反向筛选的适用性:G指标覆盖范围与评分在报告未详细披露,部分企业缺失数据未剔除,存在样本选择偏差。

- 动态变化不足:创新与产业链环境快速变化,模型对动态调整的响应机制未明确,可能影响未来预测精度。
  • 回测缺失:作者认为回测不完全必要,但缺乏实证检验可能使模型表现缺乏历史支持,影响投资者信心。

上述细节提示模型建设的复杂性和潜在改进空间[page::3,6,15-16]。

---

7. 结论性综合



该报告系统地阐述了基于工信部对专精特新“小巨人”企业的定义,利用多维度量化因子(财务指标、产业链产品、专利结构及公司治理)构建企业综合特征向量,并使用余弦相似度在庞大市场中甄别类“小巨人”股票池。通过端到端的逻辑链条,实现由政策解读、样本构建、定量特征刻画、相似度推断、尾部治理风险剔除直至构建出符合产业、基本面及创新特征的452只类小巨人股集合。多样的行业覆盖、合理的市值结构及明确的业务专注度特征特点,均印证该方法的科学性与实操价值。

报告突破传统指标打分的简单筛选逻辑,将“专精特新”企业的固有特性转化为多层面可量化、可计算的特征体系,从而为投资者提供更加全面、准确的投资标的识别路径。相关图表完备,案例验证具体,体现较高研究质量。

本报告虽然未包含估值与具体买卖建议,但其对行业理解和投资策略层面提供了技术深度支持,具有重要的实证研究及投资参考价值。投资者需注意政策与市场动态对模型适用性可能带来的影响风险。

总结而言,该量化模型和类“小巨人”股票池为市场提供了值得重视的“隐匿宝藏”,帮助资本市场在专精特新领域提前布局,高度契合国家产业政策导向及未来产业发展趋势,具备战略配置的实用意义与前瞻价值[page::0-21]。

---

附录


  • 提供了类小巨人股节选100只股票清单,覆盖A股主板、创业板和科创板等多个板块,涵盖机械、电子、基础化工、国防军工等重点行业,相关数据详见报告页码19-21。

- 有关分析师声明、风险提示、版权、法律声明及投资评级说明详见报告尾部[page::19-22]。

---

全文配套图表关键链接示例

-

-

-

---

以上为本报告的详尽且全面的分析解构,涵盖所有报告关键内容、数据、模型构建和图表阐释,旨在为投资者和研究人员提供清晰、科学的专精特新“小巨人”量化识别思路。

报告