“学海拾珠”系列之一百一十七：技术相似性对股票收益的预测能力

技术相似性对股票收益的预测能力 ——“学海拾珠”系列之一百一十七 金融工程 专题报告 报告日期：2022-11-23 主要观点： 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：吴正宇 执业证书号：S0010522090001邮箱：wuzy@hazq.com 相关报告 1.《被动投资对共同基金管理能力和市场效率的影响——“学海拾珠”系列之一百零九》 2.《共同资金流Beta与因子定价——“学海拾珠”系列之一百一十》 3.《分析师的反应不足和动量策略— —“学海拾珠”系列之一百一十一》4.《股票短线交易与收益异象——“学海拾珠”系列之一百一十二》 5.《明星分析师能否在糟糕的信息环境中做出更好的覆盖决策？——“学海拾珠”系列之一百一十三》 6.《基金经理能选出好的“投机性”股票吗？——“学海拾珠”系列之一百一十四》 7.《BAB增强版：与包含定价噪音的Beta为敌——“学海拾珠”系列之一百一十�》 8.《ETF的资金流动是否蕴含独特信息？——“学海拾珠”系列之一百一十六》 本篇是“学海拾珠”系列第一百一十七篇，作者主要研究了基于技术相关联的公司对股票收益进行预测的可行性。研究发现，技术关联是对现 有风险因子的有效拓展，目标公司的股票收益可通过技术相关联的公司回报进行预测。基于技术关联情况构造的交易策略，即做多前一个月技术关联公司回报率高的股票，做空回报率低的股票，每月超额收益高达1.28%。 回到A股市场，可将公司的财报作为数据源，基于文本分析建立企业间技术层面的联系，并通过技术关联公司的历史回报和财务数据来预测目标公司的未来收益。 企业间技术关联的信息会反映到股价上 由于技术相似性的专业性、不确定性和内容的特定性，投资者将难以 处理有关技术相似性的信息，因此企业间技术关联的信息反映到股价上的过程不是立即且充分的。在处理能力有限或注意力不集中的情况下，投资者不能立即充分考虑相关信息，公司股价在对技术关联的同行的新消息做 出反应时会有一定滞后。 技术关联是对现有风险因子的有效拓展 实证结果表明，高（低）共同分析师覆盖率的技术关联公司的投资组合确实表现出比低（高）共同分析师覆盖率的投资组合具有更强（较弱）的同步性和更弱（更强）的回报可预测性。根据公司间技术关联的强度来 区分，与高相似度关联相比，低相似度关联的股票回报率同步性更弱，可预测性更强，因为投资者对低相似度关联的关注度更低。 基于技术相似公司交叉预测的零成本交易策略产生显著回报 本文构建的一种零成本交易策略，即做多前一个月技术关联公司回报率高的股票，做空同行回报率低的股票，该策略每月超额收益高达1.28%，且在很大程度上无法由已知的因子定价模型所解释。 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1引言4 2数据和统计方法6 2.1专利数据6 2.2.产品相似性数据7 2.3.股票回报、公司财务和分析师预测数据7 3实证分析8 3.1技术相似性指标领先于产品市场关联指标9 3.2技术相似性的实际经济效应10 3.3同期协同变动11 3.4回报交叉可预测性13 3.5产品和技术相似性之间的区别13 3.6.基于文本和传统技术相似性度量之间的区别13 4零成本交易策略15 5结论16 风险提示：16 图表目录 图表1样本描述性统计8 图表2技术相似性的持续性分析9 图表3技术关联经济效应10 图表4股票收益的同期协同变动12 图表5股票收益的可预测性12 图表6非重叠组合的可预测性及共同变动14 图表7替代策略的表现15 图表8零成本交易策略收益16 1引言 无论是在整个经济层面还是在行业和个别公司层面，技术创新是经济增长、生产力和盈利能力提高的重要来源。Trajtenberg，Hall及Hirshleifer等学者认为创新相关的信息对决定公司价值起重要作用。然而，最近的实证研究表明，在市场中创新可能会被错误估值，Hirshleifer等人将这种错误估值与投资者有限的处理能力联系起来。本文研究了企业自身创新活动以及技术相似公司的创新活动对资产定价的影响。具体来说，作者研究(i)企业间技术关联的信息是否反映到股价；(ii)这类信息在股价上反映是否及时和充分。 之前的研究证明了产品市场空间中重要的企业间经济联系对资产定价的影响，例如行业、供应链以及关联动量等。创新关联代表了一种新的经济联系，它也许比产品市场联系更复杂，但仍然很重要。一个企业的微观经济特异性冲击会通过企业 间的直接合作或更广泛的技术投入产出渠道影响从事相关技术领域的公司。创新溢出效应使企业能够在技术同行创造的知识基础上开发自己的新技术，在生产过程中使用其他企业的创新来降低成本和提高生产率，或者扩大业务以应对技术进步带来的需求。 为了识别技术上相似的公司，作者利用专利描述中公开的信息。首先，结合大数据科学的最新进展，对来自770万份专利描述的约400千兆字节的文本数据进行自动分析，创建了“专利宇宙”：一个独特的专利与专利之间的相似性空间，在这个空间中，局部相似的专利相互连接。然后在公司层面汇总单个专利，以描述一个公司的创新空间。 创新空间的概念在经济学、金融学和管理学中早已被广泛应用。然而，目前公司技术地位的衡量主要基于引用或美国专利和商标局（USPTO）分配的专利分类代码，这些衡量标准因专利分类不当、主观分类以及公司引用等问题导致的偏差而受到批 判。作者对技术相似性的自动化文本测量旨在减少这些偏差，因为它不依赖于人工 输入且使用了对创新的完整描述，而不仅仅是专利分类或引用中包含的少量信息。 Bloom等人认为技术空间不同于产品市场空间。作者发现技术和产品市场同行之间只有8%的重叠。Teece及Alexopoulos认为技术创新先于产品开发，决定了产品商业化的战略方向。谷歌自21世纪初以来对自动驾驶汽车技术的追求提供了一个示范性的例子，本文通过文本分析发现，谷歌与汽车制造商福特、本田和Oshkosh卡车公司分别在2004年、2005年和2006年存在技术相似性。相比之下，产品市场的相似性不能用来检测这些联系。虽然技术相似性的传统衡量标准--引文和专利分类可以用来识别一些技术联系，但其中很多会被忽略。例如，引文重叠法在2014年之前没有发现谷歌和OshkoshTruck之间的任何联系。 谷歌的例子在美国公司的样本中具有代表性。作者发现，技术相似性作为一个 前瞻性的指标，预测了接下来几年的产品市场相似性。相反，产品相似性并不能预测技术相似性，因为属于同一产品领域的公司很可能已经在同一技术领域工作。 如果投资者事先考虑到关于技术关联的公开信息，那么当技术相似的同行的信息被发布到市场上时，公司的股票价格就会调整。然而，如果由于处理能力有限或注意力不集中，投资者不能立即充分考虑相关信息，公司股价在对技术同行的新消息 做出反应时会有一个可预测的滞后。作者预计，由于技术相似性的专业性、不确定 性和内容的特定性，投资者将难以处理有关技术相似性的信息。为了检验技术关联 的资产定价回报，作者为每个公司计算基于文本的技术关联公司的投资组合回报，同时按技术相似性强度加权。 为了更好地理解作者的方法，以2015年10月的事件及其对亚马逊和技术同行 股价的影响为例。2015年10月6日至9日，亚马逊举办了最大规模的年度云计算会议，该会议吸引了众多与会者和名流媒体，并得到媒体广泛报道。会议上展示了许多创新性服务和工具，包括亚马逊网络服务（AWS）、物联网（IoT）、AmazonQuickSight（一种云驱动的商业智能服务）、KnesisFirehose（一种将数据流到云的工具）和AWS数据库迁移。在会议后�天的窗口期内，亚马逊的累计异常回报率 （CAR）达到了5.08%。此外，在10月22日的财报中，亚马逊提供了AWS领域惊人增长的有力证据：销售额达到21亿，比上年同期增长78%。亚马逊宣布后的�天CAR为9.3%。这两个重大事件在很大程度上导致了亚马逊在整个10月份14.87%的异常回报。 亚马逊披露的好消息不仅增加了其自身股票的价值，也增加了其技术相关联的同行的股价，因为云计算的快速扩张对包括广泛公司在内的整个云生态系统都有利。例如，物联网融合了多种技术，包括无线通信、实时分析、机器学习、商品传感器和嵌入式系统，创建了一个由车辆、家用电器、可穿戴和医疗设备等物理设备以及制造业和农业中使用的各种库存物品组成的智能网络。2015年10月和11月亚马逊技术同行的CAR表现显著协同变动，亚马逊所有技术关联的同行的CAR在公告发布当月（2015年10月份）为1.39%（t-stat=2.19）。此外，在接下来的一个月（2015年11月），所有技术关联的同行的CAR为1.70%（t-stat=3.33），显示出显著的超前-滞后效应。重要的是，行业关联不会影响亚马逊技术关联的同行的同期变动和超前-滞后效应。与亚马逊不属于同一个行业的公司的CAR甚至更高：10月份为1.55%（tstat=2.05），11月份为2.00%（t-stat=3.43） 亚马逊的例子代表了美国普通股票一种截面上的系统性规律。作者发现，投资 者确实在股票价格中纳入了事先公开的有关技术关联的信息，并证实了基于文本分析的技术相似公司的股票回报率是同步的。但是投资者并没有立即且充分地考虑这些信息：目标公司的月度股票收益可由基于文本分析的技术相似公司的滞后组合预 测。为了排除结果是由于行业动量驱动的可能，严格控制产品市场的相似性，包括两个行业组合回报：（i）市值加权的传统静态SIC组合和（ii）Hoberg和Phillips动态的基于文本的网络行业分类（TNIC）组合，根据产品市场相似性的强度加权。此外，还控制短期反转、中期动量，各种截面特征，以及传统的技术相似性、引文重叠和美国专利商标局分类等传统方法度量关联起来的公司的股票回报。 作者研究表明，基于技术相似公司交叉预测的零成本交易策略产生了经济上和 统计上的显著回报。由买入前一个月回报率高的技术相似的同行股票和做空过去回报率低的同行股票组成的交易策略产生了1.28%的月回报。这些策略的回报并没有被广为人知的风险因素所解释。此外，这些策略在样本期间仍然持续盈利。 基于技术关联回报的可预测性不是由技术上和产品上相似的投资组合的重叠所驱动的，并且与行业动量不同。作者构建了三个不重叠的投资组合，其中包括（i）只有基于文本的技术相似的同行，（ii）只有产品相似的同行，以及（iii）技术和产品都相似的同行。作者发现，虽然只有技术关联的公司或只有产品市场关联的公司的投资组合都能预测股票收益，但只有技术关联的投资组合的预测系数的大小要大于只有产品市场关联的投资组合的预测系数。这与有限的处理能力假说是一致的，因为关于技术关联的更细微的信息比关于产品市场关联的信息更慢地被反映到股票价格。此外，既有技术联系又有产品联系的公司的投资组合并不能预测收益，因为这类信息关联最明显，很容易被投资者识别，并立即被纳入到股票价格。 此外，作者进行了横截面测试，为有限处理能力假设提供了更直接的支持。如果 是有限的投资者注意力和处理能力驱动回报的可预测性，那么结果应该随着注意力的不集中程度而变化。因此，本文首先使用同时覆盖技术关联股票的分析师人数代表投资者对信息溢出的关注度。同时覆盖技术关联公司的分析师可能会意识到信息溢出，并将其传达给市场参与者。作者发现，高（低）共同分析师覆盖率的技术关联公司的投资组合确实表现出比低（高）共同覆盖率的投资组合具有更强（较弱）的即期同步变动和更弱（更强）的回报可预测性。第二，根据技术上相似的公司关联强度来区分。与高相似度关联相比，低相似度关联的股票回报率同步性更弱，可预测性更强，因为投资者对低相似度关联的关注度更低。 通过一系列的稳健性检验，确保结果不是由小市值股票的有限流动性或大公司和小公司之间的领先-滞后