无形资产定义及资本化处理方法 [page::3][page::9]

• 无形资产包括研发资产、销售管理资产，扣除高估的商誉部分。

- 公司研发、销售及管理费用大部分被费用化，导致财报低估无形资产。

• 通过资本化处理历史研发、销售管理费用并按行业及时间折旧率折算，弥补传统估值误差。

- 采用倒推法对公司历史早期研发投入进行估算，确保估值准确。

行业研发及销售管理费用分布分析 [page::4][page::5]

• 研发费用资本化占比在计算机、电子、通信等TMT行业最高，接近5%。

- 销售管理费用中，医药及食品饮料行业的薪酬广告支出占总资产较高。

• 商誉在传媒及消费者服务行业占比较大，且减值风险持续存在。

无形资产折旧率测算与资本化模型 [page::6][page::7][page::9]

• 利用回归模型测算A股行业研发及销售管理费用折旧率，研发折旧率区间约30%-80%，销售管理折旧较高。

- 研发资产折旧率行业差异显著，计算机行业偏高，医药偏低。

• 资本化计算模型考虑公司首次披露研发支出前的历史估算及后期折旧迭代，科学估算当期无形资产价值。

- 销售管理资产资本化比例为15%，折旧率约20%。

无形资产估值因子ICV构建与表现 [page::10][page::11][page::12][page::13]

• ICV因子 = (研发资产 + 销售管理资产 - 商誉) / 市值

- 2014-2020年间，ICV因子分组收益单调，市值中性和行业中性处理后仍显著。

• 多空组合年化收益13.7%，信息比1.11，特别在创业板和中证500表现优异。

- 控制风格与行业因子后，仍有稳定正超额收益。

细分行业因子选股效果与相关性分析 [page::13][page::14][page::15]

• 研发资产对电子元器件、计算机、建筑、汽车等行业选股效果明显。

- 销售管理资产对建筑、农林牧渔、建材等行业贡献较大。

• 负商誉因子明显降低传媒行业的高商誉暴雷风险。

- ICV与传统BP因子相关性较低，能补充价值因子的不足。

研发类因子对比与折旧率敏感度测试 [page::16][page::17]

• 研发资本估值类因子（krd/Cap）相较单纯基于财报支出因子（R&D/Assets等）表现更佳。

- 折旧率对因子表现有明显影响，折旧率为0（历史支出完全资本化）时因子表现更优，提示当前折旧率设定可能偏高。

无形资产估值因子在TMT行业的选股策略表现 [page::17][page::18]

• 在TMT行业（电子元器件、计算机、通信、传媒）精选前50只ICV评分最高股票月度调仓。

- 策略等权组合年化超额收益8.84%，信息比1.39，显著优于BP因子选股。

• 流通市值加权策略回测同样表现出色，累计收益大幅领先BP策略。

| 年份 | BP等权年化收益 | ICV等权年化收益 | BP信息比 | ICV信息比 |
|---|---|---|---|---|
| 2014 | 13.52% | 14.93% | 1.75 | 2.63 |
| 2015 | -6.18% | 2.69% | -0.44 | 0.32 |
| 2016 | 20.21% | 10.35% | 2.36 | 1.88 |
| 2017 | 1.48% | 8.86% | 0.25 | 1.69 |
| 2018 | -3.47% | 11.99% | -0.35 | 1.78 |
| 2019 | -17.27% | 6.25% | -1.78 | 1.05 |
| 2020 | -19.05% | -3.78% | -1.36 | -0.55 |
| 总计 | -0.20% | 8.84% | -0.02 | 1.39 |

结论与展望 [page::19]

• 重新资本化处理无形资产，剔除商誉构建ICV因子，解决传统估值因子低估无形资产问题。

- 因子通过多重验证在全市场和TMT行业均表现良好，提供一种新的量化投资工具。

• 建议持续挖掘更多数据源，补充滞后且有限的财报数据，提升无形资产测度的准确性。

量化专题报告深度解析——多因子系列之十二：无形资产估值因子

---

1. 元数据与报告概览

• 报告标题： 多因子系列之十二：无形资产估值因子

- 发布机构： 国盛证券研究所

• 报告作者： 刘富兵、李林井（拥有中国证券投资咨询执业资格）

- 发布日期： 2020年（具体时间未见详细标注）

• 研究主题： 针对A股市场，构建以无形资产账面价值重新估值为核心的量化估值因子，旨在修正传统估值因子在无形资产计量上的缺陷，提升估值的准确性和选股能力，特别关注TMT及消费类行业。

- 核心观点：
- 传统估值因子（尤其是BP因子）低估无形资产价值，导致估值误差。
- 本报告通过资本化处理研发、销售、管理费用并剥离高风险商誉，得到更具代表性的无形资产账面价值。
- 构建的无形资产估值因子（ICV因子）在2014-2020年表现出持续正的超额收益，且对TMT行业尤其有效，超额收益显著优于传统BP因子。
- 风险警示包括模型基于历史统计规律，未来有失效可能。

本报告意在为投资者提供无形资产价值评估的新视角，解决传统账面价值对轻资产公司的估值扭曲问题 [page::0,3,19]。

---

2. 逐节深度解读

2.1 前言与研究动机

报告指出，价值因子失效与估值因子失真密切相关，尤其是BP因子对无形资产低估严重。随着全球轻资产企业增多，单纯靠账面资产无法反映企业真实价值，尤其是TMT行业。报告尝试资本化企业研发、销售和管理支出，剔除高风险商誉，以修正估值因子失真，为价值投资提供新工具。此外，提出三个关键问题：无形资产如何计量？因子选股表现如何？适用范围及行业有哪些？[page::3]

2.2 无形资产定义与计量（章节1）

• 无形资产定义： 企业无实体、有助于竞争力和生产经营的非货币性资产，如知识产权、品牌、人力资本、企业文化等。

- 计量难点： 无法直接获知实际价值，只能通过财务报表中的研发、销售、管理费用间接反映资金投入。

• 谨慎对待商誉： 商誉经常爆雷，存在高估风险，因此选择剔除商誉计入风险。

- 计量公式：
\[
\text{无形资产} \approx \text{研发资产} + \text{销售管理资产} - \text{商誉}
\]

• 会计准则制约： 绝大部分研发、销售管理费用被费用化，不计入资产负债表，低估净资产规模。报告拟将这些支出资本化并依据折旧率摊销，以还原无形资产真实价值。

- 数据表现： 2019年年报数据显示，研发费用占资产比高于2%的行业主要为计算机、电子、通信、家电、汽车、机械、医药等TMT及制造业，其中计算机行业接近5.15%。销售管理费用中，消费类行业（医药、食品饮料、传媒等）工资薪酬及广告占比突出。这说明这些行业无形资产投入显著但财报未完全反映。

• 商誉情况： 2014-2015年并购高峰致商誉大幅增长，2016年起商誉减值企业数增加，传媒及消费者服务行业商誉比例高且风险大，故剥离商誉以规避风险。

- 折旧率测算： 通过回归模型测算研发及销售管理费用对利润率的贡献及存续时间；折旧率行业差异显著。医药行业研发折旧率较低，电子行业较高（30%-80%不等），美国同行业折旧率参考多在10%-88%之间，存在阶段和数据差异。

• 回归模型设计及变量：

- 利润率用营业利润除以销售额，控制时间趋势和有形资产规模。
- 滞后研发支出5期、销售管理支出2期，反映两者贡献周期不同。
- 通过非线性最小二乘拟合折旧率参数。

• 折旧率具体结果： 如计算机行业研发折旧率约56%，销售管理34%，医药行业研发约38%，销售管理31%，电子行业研发近74%折旧率等。

该部分详细剖析了无形资产的定义、以往计量上的误区、以财报数据为依据的资产化方法及折旧率测算的实证分析，为后续因子构建奠定坚实基础 [page::3-8]。

2.3 无形资产价值因子构建（章节2）

• 数据来源：

- 研发支出数据：优先取总额，缺失则由费用化数据及管理费用中的研发相关费用填补。
- 销售管理支出：销售费用和管理费用中的广告、工资薪酬。
- 商誉：资产负债表披露。

• 资金递延资本化方法：

- 对于首次披露前以研发支出年增长率9%倒推，叠加折旧率折现。
- 披露后年度资产值按 \(\mathrm{Krd{i,t}} = (1 - d{rd}) \times \mathrm{Krd{i,t-1}} + RD{i,t}\) 递推计算。
- 销售管理资产采用类似方式，但历史投入资本化率设为15%、折旧率20%。

• 计算得到的无形资产账面价值分布：

- 研发资产(光暗紫色，可理解为Krd)占约38.8%。
- 销售管理资产(Ksga)约占25.7%。
- 商誉占35.4%，负向剔除。

• 无形资产估值因子定义：

\[
\mathrm{ICV} = \frac{\mathrm{Krd} + \mathrm{Ksga} - \mathrm{Goodwill}}{\mathrm{MarketCap}}
\]

该因子通过资本化无形资产部分，剔除风险较大的商誉，并以市值归一化，以反映无形资产对公司价值的隐含影响 [page::8-10]。

2.4 因子表现及有效性（章节3）

• 分组收益测试：

- 2014-2020年间，ICV因子在wind全A市场有较好单调性。
- 第十组（最高因子值股）相对第一组有明显超额收益。

• IC检验：

- 原始IC均值0.0262，显著性高（t=3.93）。
- 市值中性化及行业中性化后IC略降至0.0219和0.0206。

• 多空组合表现：

- 原始因子多空组合年化13.7%，中性化后仍有较为稳定的超额收益。
- 这反映ICV因子优于随机选择，具备实际投资价值。

• 宽基指数分域测试：

- 创业板综中表现最强。
- 市值和行业中性化后的ICV因子，中证500表现最优。

• 纯因子收益率检验：

- 控制十大风险因子及行业因子后，因子依然具有信息增量，部分年份提供明显超额收益。尤其是创业板综和中证500。

• 行业分细项表现：

- 研发资产估值在计算机、建筑、汽车、建材、基础化工等表现较好。
- 销售管理资产估值在建筑、农林牧渔、计算机、房地产等行业表现突出。
- 负商誉因子主要在传媒行业帮助降低财务风险。
- 医药行业研发资产因子表现相对弱，因政策敏感性及研发到投产周期长的行业特征所致。

• 因子相关性：

- ICV与量价类因子相关较低，与波动率、流动性因子呈负相关。
- 与价值因子(BP)、盈利因子(EP)正相关，且与成长因子负相关，符合价值因子预期特征。
- 与BP因子相关性中研发和销售资产因子较稳定正相关，负商誉因子与BP负相关，拉低整体相关性，表明ICV改善并非简单重复BP预测能力。

• 同类研发因子对比：

- R&D资产相关的因子中，资本化研发资产/Krd因子表现优于简单基于财报成本的研发占资产或净资产比率因子，表明资本化估值因子更能捕捉市场情绪和投资价值。

• 折旧率敏感性测试：

- 折旧率为0(历史全部资本化且不折旧)时，因子表现最好，暗示当前行业折旧估计偏高，有改进空间。

从整体实证数据看，ICV因子具有稳定的跨行业、跨时间有效性，尤其适用于轻资产、高研发、品牌导向的行业如TMT、消费类 [page::10-17]。

2.5 ICV因子在TMT行业选股实证（章节4）

• 选股范围：

- 中信一级行业中的电子元器件、计算机、通信和传媒成分股（TMT核心板块）。
- 排除ST、新股和停牌。

• 策略构建：

- 每月底依据ICV因子值排序，去极值、标准化，市值中性化处理，选前50只股票。
- 采用等权和市值加权两种组合构建，日收盘价回测，扣交易费。

• 选股效果：

- ICV策略显著优于BP基准，也优于行业基准。
- 等权策略年化超额收益8.84%，信息比1.39，相比BP策略信息比由-0.02显著提升。
- 市值加权策略年化超额收益18.25%，信息比1.81。
- 年度表现中，ICV策略多数年份收益率优于或抵御效果好于BP，尤其在2018-2020年BP表现较差时ICV仍保持正收益或较小亏损。

• 图表显示：

- 无论等权还是市值加权组合，ICV策略多空净值明显领先BP，且长期呈稳定上升态势。

该部分体现出重资本化无形资产后估值因子能够有效捕捉TMT行业内被市场忽视的内在价值，为投资者提供重要选股工具[page::17-18]。

2.6 总结与未来展望

• 报告全程围绕无形资产资本化展开，修正传统财报估值缺陷。

- 核心ICV因子在全市场具有显著信息含量，尤其在TMT与消费行业中展现价值。

• ICV因子弥补了传统价值因子BP低估无形资产的不足，提供了更合理的内在价值衡量基准。

- 未来或许可结合更丰富非结构化数据，进一步准确挖掘企业无形资产价值。

• 风险提示：因子基于历史统计与定量模型，未来市场环境变化可能导致模型失效。

报告强调，基于深入的费用资本化和折旧率测算，无形资产能更准确反映企业价值，尤其应重视研发布局和销售管理资本投入对企业竞争优势的沉淀作用，为量化选股带来新思路[page::19]。

---

3. 图表深度解读

3.1 图表1与2：无形资产分行业占比（2019年）

• 图表1 展示2019年信一级非金融行业研发支出资本化与费用化占总资产比例，数据显示计算机行业研发支出占比最高达5.15%，其余电子、通信、家电等行业均在2%以上，资本化比例远低于费用化比例，说明大部分研发支出被当期费用化，账面无形资产低估。

- 图表2 反映销售管理费用细分成分占总资产比，医药、食品饮料、传媒等行业的工资薪酬及广告支出占比突出，医药食品饮料行业薪酬和广告支出占销售管理费用的三分之二，传媒行业薪酬接近近半，表现无形资产构造上的重要贡献。

两图阐述了无形资产资本化潜力及不同TMT和消费类行业在研发及销售管理上的差异性，为资本化估值因子设计提供基础[page::4-5]。

3.2 图表3与4：商誉及变动情况

• 图表3 体现了2004-2020年间A股市场商誉增加和减少企业个数走势，2014-2015载并购高峰期商誉大幅增加，2016年起商誉减值公司数快速上升，反映商誉存在高度波动和潜在减值风险。

- 图表4 展示2019年商誉占资产比及商誉降低公司数，各一级行业差异显著，传媒、消费者服务及计算机等行业商誉占比较高且仍有不少企业计提减值。

这证实剥离商誉以避免估值风险的合理性[page::5]。

3.3 图表5与6：研发折旧率比较

• 图表5 标明美国不同行业研发折旧率差异大，如通信设备高达88%，而半导体约15%，反映行业生命周期及技术更新速度差异。

- 图表6 通过非线性最小二乘拟合，给出A股重点行业及细分行业折旧率估计，电子行业折旧较高（73.88%），医药较低（37.61%），验证了本土市场的具体行业特性及差异。

这些为资本化无形资产摊销提供了实证支撑[page::6-7]。

3.4 图表7：资本化过程示意图

图示清晰描绘了历史研发支出倒推及历年递推资本化计算过程，明确了折旧率和假设增长率9%的计算方法，有助理解资产重估的数学逻辑[page::9]。

3.5 图表8：市场整体无形资产比例占比趋势

展示研发资产、销售管理资产及商誉的资产市场占比变迁，显示研发资产市值占比较高且波动性较大，销售管理资产稳步提升，商誉占比近年来有所下降。整体证明资本化无形资产在公司整体价值中的重要性[page::10]。

3.6 图表9-14：因子分组收益与宽基指数表现

分组收益显示ICV因子组合收益呈递增趋势，第10组收益显著优于第1组，显示良好区分能力。IC检验结果显示因子统计显著，且创业板综表现最佳，中证500次之，沪深300表现中等，说明因子对中小盘及成长型股票更多定价权[page::11-13]。

3.7 图表15-16：控因子后纯因子收益及行业补充

即便控制了十大风格因子及行业因子，ICV仍有持续的超额收益。行业维度看，电子元器件、建筑、传媒、汽车、计算机等行业相关性最高，不同行业因子效用显著不同。传媒行业负商誉对降低风险贡献明显[page::13-14]。

3.8 图表17-18：因子相关性解析

ICV与成长负相关，与价值和盈利正相关，符合价值因子特征。研发资本和销售管理资产与BP相关较强，但负商誉逆向，说明在BP的基础上ICV包含了更多无形资产信息，提升了估值的全面性[page::15]。

3.9 图表19-21：研发因子对比及折旧率敏感性

研发资本化因子（Krd/Cap）优于简单基于财报的研发成本比因子IC，说明资产化方法合理。折旧率测试发现折旧率过高可能压制因子表现，建议后期微调折旧率提高因子准确度[page::16-17]。

3.10 图表22-24：TMT行业实战选股效果

ICV因子选股策略年化超额收益8.84%（等权），市值加权18.25%，信息比远超传统BP因子。年化波动率和最大回撤表现稳定，策略表现稳健可靠。图表显示明显的多头净值上升趋势，优于行业和BP选股，尤其在近几年市场波动中表现突出[page::17-18]。

---

4. 估值分析

本报告的估值核心是通过对研发、销售管理支出资本化后的资产负债表调整，剥离商誉影响，构造无形资产相对市值的比率即ICV因子，从而弥补了传统价值因子对无形资产低估的缺陷。
估值方法可视为一种账面价值的调整方法，折旧率则基于实证回归模型确定，行业差异显著。
折旧率与研发资本的存续时间和收益贡献关联，自回归模型拟合得出实际折旧率，为因子估值提供科学基础。
这种方法兼顾了成本投入和持续摊销，兼顾会计实际披露与经济含义。
结合市值中性化、行业中性化处理，进一步去除规模和风格偏差，提高因子纯度。
回测策略以ICV因子排序构建多空组合和前50选股组合，表现出稳定正超额收益，尤其在TMT行业领域优势明显。
报告中未使用传统的DCF或市盈率法，估值更多是基于账面调整与统计预测的量化因子构建，体现了现代量化投资在估值因子创新上的方法论[page::6-10,17-18]。

---

5. 风险因素评估

• 模型风险： 量化因子基于历史数据和统计回归，未来市场结构变化可能导致模型失效。

- 折旧率假设偏差： 折旧率计算依赖历史拟合，存在行业、周期跨度偏差。敏感性测试显示折旧率偏高可能损害因子表现。

• 数据质量限制： 研发和销售管理费用披露不一，历史初期数据缺失需假设倒推，带来估计误差。

- 商誉处理风险： 虽剥离高风险商誉减少估值风险，但忽视优质商誉潜在价值。

• 行业政策和经济环境变化： 特别是医药行业，政策敏感性强，研发投入对股价影响滞后且不稳定。

- 估值因子本身存在行业偏好： ICV因子更适合高研发、高无形资产行业，对传统重资产行业适用有限。

• 投资组合风险： TMT行业策略选股集中于少数股票，存在特定风险及流动性风险。

总体上风险提示充分，强调对量化策略的历史依赖和模型不确定性，需要谨慎实盘应用。[page::0,19]

---

6. 批判性视角与细微差别

• 报告基于资本化费用法计量无形资产，传统会计及经济学界对此方法存在争议。费用资本化往往受主观假设影响较大，尤其是折旧率的设定。

- 折旧率由回归模型拟合，但因素选择有限（仅利润率），未考虑其他市场风险或宏观因素，可能存在模型偏误。

• 报告中数据倒推及对历史空白期的估计依赖固定增长率（如9%），此假设较强，可能导致部分无形资产估计误差。

- 负商誉剥离虽防风险，但无形资产部分被简单扣减，可能低估实际价值中并购产生的竞争优势。

• 报告强调ICV因子优于BP，但未充分讨论与成长因子（成长股因子）间的重叠及潜在替代性。

- 报告虽提供市值、行业中性化测试，但未深入剖析因子在极端市场环境下的稳定性，未来研究可拓展此维度。

• 医药行业因子表现弱于预期，提示行业特有风险及因子泛用性限制需考虑。

- 由于历史数据限制，短期回测结果尽管鼓舞，但长周期验证仍需未来积累。

综上，报告提供了创新视角，但受限于数据可得性和模型假设，投资者应用时应结合其他研究和判断谨慎操作[page::6-8,14,16,19]。

---

7. 结论性综合

这篇由国盛证券研究所发布的研究报告从量化角度创新性地解决了传统价值因子（如BP因子）对无形资产弱估问题，提出了将研发、销售和管理费用资本化，剔除高风险商誉后构建的无形资产估值因子ICV。该因子通过实证回归测算行业折旧率，结合财报和倒推历史估计，量化形成无形资产账面价值，并以无形资产价值占市值比率定义因子。

报告详细分析了无形资产在不同行业中的差异表现，如TMT行业研发和销售管理投入占比高，商誉波动风险大，医药行业政策环境带来影响。通过大量图表展示因子在2014至2020年间于全市场及分行业内的分组收益、多空组合收益、IC检验、纯因子收益率及风险调整绩效，全面验证因子的统计显著性和稳定超额收益能力。特别是在TMT行业内构建以ICV因子为核心的选股策略，显著优于传统BP因子，年化超额收益达8.84%，信息比1.39，表现强劲。

报告也对因子的相关性进行了详尽剖析，揭示ICV与传统风格因子、价值因子间的互补关系，同时进行了折旧率敏感性测试，建议未来研究优化参数。风险方面，强调历史统计与模型假设存在失效可能，需投资者谨慎参考。

总体来看，本报告不仅丰富了价值投资框架，提升了无形资产的计量准确性，还为TMT及创新驱动行业的量化选股提供了有力工具，是财务研究与量化投资实践的有益结合，具备较高理论与实操价值[page::0-19]。

---

参考标注

• [page::0,1,3-8,10-18,19]

---

以上为本报告的极致详尽剖析，结构合理、涵盖图表具体解释、数据含义及模型逻辑，适合研究员、资产管理者及专业投资者深入阅读理解与应用。

报告