• 报告背景与研究目标[page::0][page::3]

- 传统价值估值因子BP因无形资产低估导致失效。
- 重新资本化公司研发、销售、管理支出，剥离商誉，高估的商誉存在风险。
- 构建无形资产估值因子ICV，旨在更准确反映公司真实价值。

• 无形资产构成与会计准则影响[page::4][page::5]

- 研发、销售管理费用多费用化处理，导致无形资产在账面低估。
- TMT行业研发支出占比最高，计算机行业资本化研发支出占资产5.15%。
- 销售管理费用在消费及传媒行业占比较大。
- 商誉高企且频繁减值，需剥离商誉防范风险。

• 无形资产折旧率测算及资本化计算方法[page::6][page::7][page::9][page::10]

- 采用非线性回归模型拟合研发与销售管理支出对当期利润的影响，测算行业折旧率。
- A股研发折旧率区间$30\% - 80\%$不等，计算机行业研发折旧率最高，汽车行业最低。
| 一级行业 | 研发折旧率 (drd) | 销售管理折旧率 (dsga) |
|----------|-----------------|---------------------|
| 计算机 | 56.30% | 34.06% |
| 医药 | 37.61% | 31.14% |
| 电子 | 73.88% | 29.17% |
| 国防军工 | 57.95% | 19.57% |
| 通信 | 43.49% | 47.63% |
| 汽车 | 32.15% | 64.99% |
| 传媒 | 49.57% | 41.23% |
- 无形资产由资本化研发资产（Krd）、销售管理资产（Ksga）减去商誉构成，并归一化市值形成ICV因子。

• ICV因子表现及验证[page::11][page::12][page::13]

- 2014-2020年，ICV因子分组收益呈正单调性，最高组超越最低组超额收益显著。
- IC均值约0.02-0.03，t值显著，ICV多空组合年化收益13.7%，夏普比1.11，表现优于市值中性化版本。

- 控制各类风险因子和行业后，ICV依然提供持续正超额收益，创业板综和中证500表现最佳。

• 行业分布及因子细分验证[page::13][page::14]

| 行业 | ICV IC | Krd IC | Ksga IC | 负商誉 IC |
|----------------|--------|--------|---------|-----------|
| 电子元器件 | 0.0332 | 0.0366 | 0.0164 | 0.0040 |
| 建筑 | 0.0412 | 0.0416 | 0.0673 | -0.0074 |
| 传媒 | 0.0478 | 0.0144 | 0.0254 | 0.0363 |
| 汽车 | 0.0337 | 0.0411 | 0.0149 | 0.0031 |
| 计算机 | 0.0291 | 0.0453 | 0.0391 | -0.0130 |
| 通信 | 0.0339 | 0.0311 | 0.0144 | 0.0169 |
- 细分项中研发资产在计算机、汽车等技术密集行业表现更佳；销售管理资产在建筑、农林牧渔行业显著；传媒行业负商誉因子有风险提示作用。
- 医药行业研发资产因子选股效果不明显，受政策和研发周期影响较大。

• 因子相关性及估值因子优势[page::15][page::16]

- ICV整体与价值（BP）因子正相关，与成长及波动率呈负相关，反映无形资产估值不同于传统账面价值。
- 折旧率敏感性测试显示折旧率设为0时表现更优，表明实际折旧率可能低估。
- 研发资本估值因子IC和ICIR优于传统基于费用比率的研发因子，具备更强的估值信息量。

• TMT行业月度选股策略及回测[page::17][page::18]

| 年份 | BP策略年化收益(等权) | BP策略IR | ICV策略年化收益(等权) | ICV策略IR | 备注 |
|------|-----------------------|----------|------------------------|-----------|---------------------------|
| 2014 | 13.52% | 1.75 | 14.93% | 2.63 | ICV策略表现优于BP |
| 2015 | -6.18% | -0.44 | 2.69% | 0.32 | ICV策略抗跌性更强 |
| 2016 | 20.21% | 2.36 | 10.35% | 1.88 | |
| 2017 | 1.48% | 0.25 | 8.86% | 1.69 | |
| 2018 | -3.47% | -0.35 | 11.99% | 1.78 | |
| 2019 | -17.27% | -1.78 | 6.25% | 1.05 | |
| 2020 | -19.05% | -1.36 | -3.78% | -0.55 | |
| 总计 | -0.20% | -0.02 | 8.84% | 1.39 | ICV年化超额收益较显著提升 |
- 策略选取TMT行业内市值中性化后ICV因子排名前50股票，每月调仓，等权与市值加权回测均优于BP策略。

• 风险提示[page::0][page::19]

- 量化模型及历史规律存在失效风险。
- 财报结构化数据滞后且有限，建议结合更多数据源进行分析。

量化专题报告《多因子系列之十二：无形资产估值因子》深度解析

---

一、元数据与报告概览

• 标题： 多因子系列之十二：无形资产估值因子

- 作者及联系方式：
- 刘富兵，执业证书编号：S0680518030007，邮箱：liufubing@gszq.com
- 李林井，执业证书编号：S0680520040002，邮箱：lilinjing@gszq.com

• 发布机构： 国盛证券研究所

- 报告发布日期： 2020年（具体日期未注明）

• 主题：

本报告聚焦于无形资产的量化估值，尝试通过资本化公司研发、销售及管理费用并剔除商誉，构建新的无形资产估值因子（ICV），解析传统估值因子如BP因子在无形资产计量上的不足，并验证新因子的选股能力，尤其在TMT（科技、传媒、电信）等行业内的良好表现。

核心论点与主要信息：

• 传统估值因子（如BP）未能准确反映无形资产，导致价值因子失效。

- 通过资本化处理研发支出、销售及管理费用，并剔除商誉，构建无形资产账面价值的计量方法。

• 新构建的无形资产估值因子在2014-2020年内表现出显著的选股能力，特别是在TMT和消费行业。

- 实证测试显示ICV因子相较传统BP因子，在TMT行业选股策略中带来显著超额收益。

• 报告强调因子回测基于历史数据，有模式失效风险。

[pager::0]

---

二、逐节深度解读

2.1 前言与研究背景

报告首先指出价值因子失效的重要原因之一是估值因子失真，尤其BP因子未准确反映无形资产的价值。随着上市公司特别是美股“轻资产”趋势增强，市场对企业无形资产和长期资产的低估现象加剧。A股同样面临类似问题。

本报告旨在通过资本化处理企业研发、销售和管理费用，剥离商誉，重新测算无形资产账面价值，从而构建无形资产估值因子，解决无形资产计量难题并提升价值因子有效性，最终解决部分行业估值偏低的问题。
[pager::3]

2.2 无形资产定义与折旧率测算

• 无形资产定义：

主要包括企业知识产权、品牌、人力资本、企业文化等非有形且无实体的资产，这些能形成竞争优势或促进经营。

• 估算方法：

由于真实价格不可直接观测，报告用研发支出、销售管理资产和商誉三维度表征无形资产。
公式：无形资产 ≈ 研发资产 + 销售管理资产 - 商誉
商誉因存在高估风险被剥离处理。

• 会计准则影响：

会计准则中对企业研发、销售管理费用多采取费用化处理，导致无形资产在财报中被低估；商誉则因并购溢价金额高且可能减值，存在被高估风险。
[pager::3,4]

2.3 无形资产行业分布及比重分析

• 研发支出占总资产比（图表1）：

- 研发支出资本化代表部分占比较低，多为费用化。行业中TMT相关（计算机5.15%、电子、通信、家电等）及汽车、医药等行业研发支出较高。
- 研发资本化率较高行业：医药、计算机；其他行业资本化率较低。

• 销售管理费用占总资产比（图表2）：

- 消费品行业（医药、食品饮料、消费者服务、传媒等）销售管理费用占比高。
- TMT行业中的传媒与计算机工资薪酬开支也较大。

• 商誉占总资产比及其变化（图表3、4）：

- 2014-2015年并购潮推高商誉占比，2016年开始商誉减值增多。
- 消费者服务、传媒等行业商誉占比较高，且减值风险显著。
- 报告中选择对商誉剥离以规避其高估风险。
[pager::4,5]

2.4 无形资产折旧率测算

• 国外研究：美国无形资产研发折旧率传统设定15%，实际估计根据行业差异在10%-88%区间。
• 国内A股回归模型测算：

- 利用非线性最小二乘法，回归公司历史研发及销售管理投入对利润率的影响，求解最适折旧率。
- 折旧率在不同一级和二级行业间差异显著：
- 计算机行业研发折旧率约56%，销售管理折旧率约34%。
- 医药行业研发折旧率较低（37%），销售管理折旧率31%。
- 电子行业研发折旧率最高达74%。
- 汽车、通信、传媒等行业折旧率各有差异。
- 报告指出中美折旧率差异原因包括数据覆盖时段差异和行业定义不一致。
[pager::6,7]

2.5 无形资产估值因子构建

• 原始数据来源及处理：

- 研发投入总额（研发支出原数据和管理费用中研发相关数据综合填补缺失）。
- 销售管理支出包括广告宣传和工资薪酬两部分。
- 商誉取自资产负债表数据。

• 资本化方法（图表7）：

- 对于公司成立至首次披露研发费用期间，假设研发支出以9%年增长倒推计量资本部分。
- 折旧后用迭代方式计算每期研发资本（Krd）。
- 销售管理资产(Ksga)应用不同折旧率和资本化比例估算。
- 商誉直接扣减。

• ICV因子定义：

$$
ICV = \frac{Krd + Ksga - Goodwill}{MarketCap}
$$

• 三项资产占比均衡：

Krd约38.8%，Ksga约25.7%，商誉约35.4%。
图表显示不同时间点三者占比动态变化。
[pager::8,9,10]

2.6 因子表现检测

• 因子分组收益（图表9，10）：

- ICV因子在Wind全A市场表现出分组收益的单调上升特征，最大的组别收益显著优于最小组。
- 市值和行业中性化处理微调后依旧保持正向收益。

• 多空组合表现（图表11，12，13）：

- 原始因子多空组合年化收益13.7%，信息比（IR）为0.56。
- 市值和行业中性化后，收益略降，但因子择股能力依旧存在。
- 报告强调部分收益来源于高市值龙头企业偏好。

• 宽基指数分域测试（图表14）：

- 创业板综体现因子最佳表现，沪深300和中证500次之。
- 不同指数间市值和行业中性化影响因子表现差异。

• 纯因子收益（控制众多风格及行业因子，图表15）：

- ICV因子自2017年起在中证500和创业板综持续提供正超额收益。
- 沪深300样本表现较弱但仍有正贡献。
[pager::10,11,12,13]

2.7 行业与因子细分检验

• 行业分布表现（图表16）：

- ICV在电子元器件、建筑、传媒、汽车、建材、农林牧渔、计算机、商贸零售、通信、交通运输等行业中具备较强选股能力。
- 细分项：
- 研发资产(Krd)在计算机、建筑、电子元器件、汽车、建材及部分制造业表现最佳。
- 销售管理资产(Ksga)在建筑、农林牧渔、计算机等行业相关性较强。
- 负商誉在传媒行业帮助降低危机风险。
- 医药行业研发资产选股效应未显著，归因于政策敏感性及研发耗时长带来的滞后反应。
- 报告提醒行业内分域测试存在潜在过拟合，需谨慎。
[pager::13,14]

2.8 因子相关性分析

• 与风格因子相关性（图表17）：

- ICV与量价类因子相关度低，负相关于波动率及流动性因子。
- 基本面中，ICV与价值类因子BP及盈利因子正相关，成长因子负相关。
- 细分资产中销售管理资产与价值因子联系最强。

• 与BP因子相关性走势（图表18）：

- 研发资产和销售管理资产均与BP有稳定正相关，销售管理资产相关性波动较大。
- 负商誉呈负相关，整体拉低ICV与BP相关度。
- 反映ICV因子对传统估值因子的有效补充与超越。
[pager::15]

2.9 与研发类因子比较

• 研发相关因子包括：

- R&D/Assets、R&D/Equitys、R&D/Sales以及本报告构建的Krd/Cap。

• 结果显示：

- R&D/Assets和R&D/Equitys表现优于R&D/Sales，表明研发资本化视角更符合价值判断。
- Krd/Cap因包含市场价格信息，体现估值因子特征，IC和ICIR均优于传统纯财务比率因子。
[pager::16]

2.10 折旧率敏感性测试（图表21）

• 测试折旧率极端值（0和1）对因子表现的影响：

- 折旧率为0（历史研发、销售、薪酬支出全计资本）时，因子表现明显优于折旧率为1（全部无形资产费用化）状态。
- 中小盘股票表现对折旧率更敏感，报告怀疑当前折旧率有偏高嫌疑。
- 指出未来行业更细化折旧率研究将有助提升无形资产估值准确性。
[pager::16,17]

2.11 TMT行业选股实证（图表22,23,24）

• 选股范围： 中信一级行业中电子元器件、计算机、通信、传媒，剔除ST、新股、停牌。

- 策略构建：
- 每月月底按ICV因子市值中性化排名，取前50只股票等权或市值加权持有。
- 双边千三交易成本假设，日收盘价回测。

• 绩效表现：

- ICV因子策略年化超额收益8.84%，信息比1.39，远超传统BP因子选股策略（年化超额收益约0或负）。
- 从年度表现来看，大部分年份ICV均领先BP，表现更为稳健。
- 说明TMT行业内资产负债表的净资产严重低估无形资产部分，ICV弥补其估值偏差。
[pager::17,18]

---

三、图表深度解读

• 图表1 (页4)： 2019年行业研发支出占总资产比。计算机行业最高约5.15%，展现研发资本化不足，费用化研发支出占比极高。整体显示TMT、高科技行业重研发。

- 图表2 (页5)： 2019年行业销售管理费用占总资产比。消费类医药、食品饮料广告及薪酬开支高，占两者主要比重。传媒、计算机行业薪酬占比高。

• 图表3、4 (页5)： A股历史商誉变化及2019年商誉占比与减值企业数。2014-2015年商誉急增，2016年后减值企业增多，提示商誉风险。传媒、消费者服务商誉占比高。

- 图表6 (页7)： A股细分行业研发及销售管理费用折旧率拟合结果。计算机行业研发折旧率约56%，医药约38%，电子行业高达74%，不同子行业差异显著。

• 图表7 (页9)： 研发资本化处理示意图，展示倒推估计早期研发支出及迭代估算方法，直观说明资本化方法。

- 图表8 (页11)： 全市场Krd、Ksga和商誉占整体无形资产比重，研发资本比例最高，商誉占比较为稳定。

• 图表9-12 (页11)： ICV因子分组收益和多空组合净值图，显示因子良好的区分和择股能力。

- 图表13-15 (页12-13)： 各指数样本ICV表现，包含IC、ICIR、多空组合绩效，创业板表现最佳，自2017年起持续产生超额收益。

• 图表16 (页14)： 行业内各细分因子IC及t值统计，展现不同行业对无形资产细分估值因子敏感度。

- 图表17-18 (页15)： 因子与风格因子及BP因子相关性分析，说明ICV与传统BP相关但又独立，补充BP估值不足。

• 图表19-20 (页16)： 研发相关因子对比IC和ICIR，Krd/Cap表现优于传统比例因子。

- 图表21 (页17)： 折旧率敏感性测试，折旧率为0时因子表现最好，提示折旧率估计可能偏高。

• 图表22-24 (页18)： TMT行业ICV与BP选股收益对比，ICV明显超越BP，年化收益和信息比显著提升，年度超额收益表现佳。

---

四、估值分析

报告的估值方法核心在于：

• 将企业历史研发、销售管理费用资本化，计入无形资产，类似固定资产的资本化处理。

- 以实证测算的行业折旧率折算无形资产存量，体现其递减价值。

• 从资产负债表扣除高风险商誉，避免高估无形资产。

ICV因子为无形资产账面价值与市值比率，具有估值因子属性，反映市场对无形资产的定价偏差。

未采用传统的DCF等现金流折现法，而是以财报会计数据加残差回归测算折旧参数的方式，更贴合会计与市场实际反映。通过因子回测及多种市场及行业中性化控制验证估值逻辑。

折旧率敏感性测试表明，折旧率的调整将显著影响因子表现，未来更精细的行业折旧率估计是优化路径之一。

---

五、风险因素评估

• 模型与历史规律风险： 报告明确风险提示，所有观点基于历史统计与量化模型，有模型失效风险，不保证未来表现。

- 商誉风险： 商誉存在高估和减值风险，虽然本报告处理为剥离，但实际投资依然面临行业内商誉波动影响。

• 数据风险： 研发、销售管理投入数据间存在缺失与估算，透过填补或倒推，数据不完整可能影响因子精度。

- 折旧率假设风险： 折旧率估算存在偏差，过高或过低均影响无形资产估值的准确性。

• 行业特异风险： 医药等行业特性导致研发投入与业绩映射关系弱，因子适应性存在局限性。

- 市场环境风险： 宏观经济、政策变化可能影响无形资产价值和行业估值体系，存在不可控风险。

报告未详细提供风险缓释策略，但强调因子回测及多维度中性化处理是风险控制手段之一。

---

六、批判性视角与细微差别

• 折旧率的合理性与稳健性： 报告采用固定行业折旧率，虽基于回归估算但折旧率异质性可能导致不同公司估值误差，未来应细化至公司或子行业维度。

- 商誉剥离的绝对化处理： 报告直接剔除商誉，虽规避其高估风险，但忽视部分优质商誉或整合价值，可能对部分行业估值造成遗漏。

• 数据填补方法的主观性： 对历史和缺失研发费用通过增长率倒推存在一定主观假设，或产生误差。

- 因子收益可能部分来源于投资风格偏离： 原始ICV因子倾向大市值、行业龙头公司，多空收益中部分收益来源于此，市场结构变化可能影响因子稳定性。

• 医药行业因素表现不足： 报告指出医药行业中研发因子表现不佳，显示无形资产因子非全行业均适用，局限性明显。

- 测试区间覆盖了较好市场环境： 报告回测周期为2014-2020年，包含多牛市、震荡市阶段，但疫情和后疫情环境尚无完全验证，未来表现存不确定。

整体报告方法严谨，数据充分，但因子适用性和参数设定的敏感性仍需投资者警惕。

---

七、结论性综合

本报告针对传统估值因子在无形资产计量上的缺陷，通过对研发、销售管理费用资本化，剔除商誉，构建了无形资产价值因子（ICV），并对A股市场尤其是TMT等行业做了系统的量化研究。

• 通过行业和回归模型测算折旧率，为资本化支出设计合理的折旧路径。

- 用逐年资本化和倒推历史支出方法弥补企业财报无形资产数据不足。

• 构建ICV因子并检验显示其具有良好的区分能力和显著的超额收益，尤其在TMT、消费等行业表现突出。

- 系统的多维中性化及行业分域验证强化了因子稳健性。

• 无形资产估值因子显著提升了选股效果，尤其替代传统BP因子时收益和信息比明显提升。

- 折旧率参数的敏感性分析提示未来优化空间，医药行业表现不足反映因子适用局限。

• 报告全面指出风险与局限，强调因子依赖历史统计模型，风险不可忽视。

总结来看，ICV无形资产估值因子是传统价值评判的重要补充，弥补了无形资产被低估的缺口，为投资者提供了更精准的估值工具，特别在研发密集的TMT行业呈现出明显优势。该因子建设框架扎实，具备产业与会计双重逻辑支撑，具有较高的实践应用价值。

---

附录：重点图表展示示例

图表1：2019 年年报披露中信一级非金融行业研发支出占总资产比

图表6：一级、二级行业研发、销售管理费用折旧率

(假设该图在报告中显示，如无请对应替换)

图表9：ICV 因子分组相对wind 全A 超额收益（等权）

图表16：行业内ICV细分因子IC 及t检验值统计

(假设该图可用对应部分替换，原文表格详见报告)

图表21：ICV因子对折旧率敏感性测试

图表24：TMT行业选股策略分年度超额收益（简略展示）

| 年度 | BP因子年化收益 | ICV因子年化收益 | ICV因子信息比（IR） |
|------|----------------|-----------------|---------------------|
| 2014 | 13.52% | 14.93% | 2.63 |
| 2015 | -6.18% | 2.69% | 0.32 |
| 2016 | 20.21% | 10.35% | 1.88 |
| ... | ... | ... | ... |
| 总计 | -0.20% | 8.84% | 1.39 |

---

综述

报告通过财务研究、计量模型和量化测试，构建了创新的无形资产估值框架和对应量化选股因子，突出了无形资产在当前市场估值中的重要性与被低估状况，为投资者评判市值内涵资产提供了极具价值的工具和视角，尤其增强了TMT行业的选股效率，具有重要且现实的应用意义。其稳健科学的量化逻辑和详实的数据分析，为因子投资领域带来借鉴价值。

[pager::0,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

报告