發佈日期:2018-10-05

在美掛牌企業專利與獲利關係觀察

作者: 林倞

專利資訊 專利 每股盈餘 邊際報酬遞減 Patent Earnings Per Share Diminishing Marginal Returns

文章圖片所有權: https://ppt.cc/fT4FDx ,Created by geralt
版權適用聲明: CC0 Public Domain-可以做商業用途-不要求署名

1 1

一、前言

2 2

本研究嘗試回答兩個問題:(1)越大的公司擁有越多專利?(2)專利越多公司獲利越好?關於第一個問題,直觀上容易以為,越有錢的公司有越多的資源去研發、申請專利,所以引人好奇事實是否如此。關於第二個問題,當一個公司有越多專利,代表這個公司用專利去保護的研發成果越多,理當帶來更高的獲利,不然何苦花功夫研發、申請專利呢?以下首先回顧了文獻上,對專利與獲利關係的討論。

3 3

從專利到獲利的過程,可以拆成兩個部分:從發明(invention)到創新(innovation),再從創新到獲利。有學者認為,將發明轉化為創新,是技術發展和經濟成長的核心特徵(Khilji, Mroczkowski, & Bernstein, 2006)。這類學者所定義的發明,指的是有潛力的想法或未成為實際產品的樣品原型;創新則為實際被運用在產業的新技術或實際上市的新產品。經濟成長最常利用國民生產毛額(Gross Domestic Product, GDP)的成長來觀察;GDP常見的定義即:一年內一個區域(國家)產出之全部最終產品與服務的總價值(Taylor, 2012)。產品與服務的總價值成長才有經濟成長,所以,又可以說,經濟成長是公司獲利帶來的經濟成長,因此形成了上述從發明到獲利的過程。而專利為一種保護發明的文件,或是發明的表象(外人最容易從專利看出一個公司有哪些發明),所以發明到獲利的過程,在容易接收的資訊中,就是從專利到獲利的過程。

4 4

但一般僅有科技性發明能以專利的形式呈現,非科技性的發明就不容易從專利觀察到了。可以預期的,當本研究想利用專利觀察所有公司時,仰賴非科技性發明獲利的公司,就無法被觀察到專利與獲利間的關係。

5 5
6 6

而創新相當於專利到獲利過程的中間節點,從創新(新技術、新產品)到獲利的例子如:各家手機商必須幾個月就推出功能、運行速度提升的新產品才能獲利,舊型號、功能少的、慢的手機,馬上就被淘汰。又如通訊技術的世代要不斷演進才能獲利;不過才幾年時間,2G、3G、4G推陳出新,馬上5G新技術又要上市了,此時上網速度慢的、連線品質差的舊技術一定無法滿足消費者胃口。所以創新帶來獲利是產業基本上共通的特徵。

7 7

值得一提的是,並非所有的學者都用發明與創新間的轉化來理解發明與創新的關係。有些學者用投入(input)與產出(output)的觀點來衡量創新活動(Cruz-Cázares, Bayona-Sáez, & García-Marco, 2013)。投入衡量因子包括了公司的研發支出或研發人力等,產出則回到上述的新技術或產品,或是把專利作為創新活動的產出。這種說法把新技術或產品跟專利,都歸類在創新活動的產出裡;可以發現,這和前段另一種理論的定義大不相同。還有學者將創新分為兩個維度(Azar, & Ciabuschi, 2017):創新激進度(innovation radicalness)與創新廣泛度(innovation extensiveness);創新激進度指的是創新偏離既存知識、技術的架構、原理的程度(Damanpour, & Aravind, 2012),創新廣泛度則意指公司在特定期間內所採用的創新數量(Damanpour, 1991)。有些文獻在發明與創新的界線上顯得更為模糊,例如使用知識搜索(knowledge search)這種概念(Wang, & Li, 2008),將知識搜索的來源分為鄰近開發(exploitation)與遠距探索(exploration),有文獻就把鄰近開發、遠距探索當作創新的兩種形式(Yu, & Hong, 2016)。鄰近開發意指從公司日常可以接觸的知識框架及既有作業流程中尋找靈感;遠距探索則是有意識地故意跳脫框架、既存流程,從外部獲得靈感。本文僅採用了前一大段的定義來理解發明、專利、創新、獲利等概念,這在後面會進一步解釋。

8 8

為了討論專利到獲利的過程,過去的研究曾觀察過高科技公司專利活動與股價變化的關係(Vitt, & Xiong, 2015),其發現某些專利活動指標與股價波動特徵具有關聯性,其中又以專利分類數量相關指標的關聯性最為明顯。其原因可能在於,持有多元種類專利的公司產品種類更廣,不同產品的景氣循環在不同時間對股價的影響被專利指標所捕捉。另一研究則指出,在解釋公司股價波動時,專利的數量比公司研發支出數字更有解釋力,投資人若要從一個公司的研發支出來選擇股票,還不如去觀察它的專利數量;而導入由專利所觀測到的公司鄰近開發、遠距探索行為,更有助於理解研發活動對股價波動的影響(Yu, & Hong, 2016)。

9 9

二、研究方法

10 10

從上述文獻了解到專利與獲利的基本關係與非科技性發明可能帶來的研究限制後,本研究鎖定在美掛牌公司,簡單利用公司市值、專利數量、每股盈餘(Earnings Per Share, EPS)平均成長率個別對應的相關係數(correlation coefficient)來解答前面所提出的兩個問題。選定在美掛牌公司的理由主要在於,美國股票市場受全世界所矚目,國際許多重要公司都有在美國掛牌,財報也較易於取得;加上美國有全世界最活絡的專利產業,公開的專利資料完整且容易檢索(Archibugi, & Planta, 1996);這些優勢使其資訊值得分析,且得到的分析結果具有代表性,可以作為產業發展策略之參考。

11 11

針對2013~2017共5年的資料,本研究首先從市值前百大美國掛牌公司分析了各產業的專利申請情況。接著從中選出「比較重視專利的產業(定義見結果討論)』,比較各產業市值前十公司數據,來回答本研究主軸的兩個問題(由於必須手動統計各公司專利總數,十分不易,故僅比較各產業市值前十公司數據)。本研究所用到的公司市值與每股盈餘資訊,是在2018年的7月31日,由finviz.com網站取得;專利數量則取自美國專利商標局(United States Patent and Trademark Office, USPTO)。

12 12

三、結果討論

13 13

市值前百大(市值約在730億~1兆美金之間)的美國掛牌公司分佈在53個產業;其中,各產業市值前十公司在2013~2017年間公告的核准專利數相加,大於一萬件的產業僅有14個。本研究在前言提到,將發明轉化為創新,是經濟成長的核心特徵;與此同時,非科技性的發明不易從專利觀察到。而從上述14與53個產業相比可知,顯然多數產業的發明,是無法從專利觀察到的非科技性發明。本研究嘗試回答的兩個問題,對一大區塊的產業而言,答案分別是:專利數量與公司市值間沒有規律關係,專利數量也與獲利無關。它們的發明與獲利關係較難以公開可量化的資料進行分析。

14 14

本研究進一步將分析對象限縮至,市值前十公司2013~2017年公告的核准專利總數大於一萬件的14個產業,以下簡稱其為高科技產業。過去一般學術上對高科技、中高科技、中低科技、低科技等產業的嚴謹定義,是依照經濟合作暨發展組織(Organization for Economic Co-operation and Development, OECD)的看法(Hatzichronoglou, 1997),由研發生產(R&D production)及研發加值(R&D value added)等指標算出的技術強度(technology intensity)來區分;產業的技術強度會隨時間改變,所以高科技產業的種類是會變動的。但高科技產業也能利用專利數量作為創新表現的指標來討論(Cloodt, Hagedoorn, & Van Kranenburg, 2006);為了與前段無法觀察到規律的產業(主要仰賴非科技性發明獲利的產業)區隔,本研究以比較寬鬆的認定方法,把專利數總數作為分類標準,將上述14個高專利總量的產業稱為高科技產業。後面的分析也會看到,對這14個產業而言,專利與獲利關係是有特定趨勢的。

15 15

這14個產業中,市值前十公司專利相加最多的前三名分別為(見表1):第1名的通訊設備(communication equipment,所屬廠商如思科)、第2名的資訊技術服務(information technology services,如IBM)、及第3名的電子裝置產業(electronic equipment,如蘋果)。其他依序包括泛半導體(semiconductor - broad line,如英特爾)、多元化機械(diversified machinery,如3M)、網路資訊供應商(internet information providers,如谷歌)、商務軟體與服務(business software & services,如微軟)、主要自動製造商(auto manufacturers – major,如豐田)、醫療設備(medical appliances & equipment,如Medtronic)、主要藥品製造(drug manufacturers – major,如嬌生)、應用軟體(application software,如甲骨文)、航太國防產品與服務(aerospace/defense products & services,如波音)、美國國內電信(telecom services – domestic,如AT&T)、積體電路(semiconductor - integrated circuits,如以ADR形式在美上市的台積電)等產業。

16 16

表1 在美掛牌高科技產業專利與獲利關係

市值前十大公司(2013~2017)
產業 專利總數 市值與專利數相關係數 專利數與EPS成長率相關性*
(相關係數)
EPS成長率平均
通訊設備 43,895 0.413 高度負相關(-0.647) 16.1%
資訊技術服務 41,161 0.746 負相關(-0.231) 56.9%
電子裝置 33,931 0.582 高度正相關(0.587) 14.0%
泛半導體 32,831 0.928 負相關(-0.216) 24.2%
多元化機械 22,954 0.727 非常高度負相關(-0.812) 4.2%
網路資訊供應商 17,946 0.866 不相關(-0.013) 38.3%
商務軟體與服務 17,683 0.995 不相關(0.059) 8.0%
主要自動製造 17,619 0.862 正相關(0.304) 7.3%
醫療設備 14,818 0.803 弱負相關(-0.164) 18.9%
主要製藥 13,724 0.812 正相關(0.337) -1.7%
應用軟體 12,629 0.883 正相關(0.274) 3.0%
航太國防產品與服務 11,075 0.932 負相關(-0.291) 21.1%
國內電信服務 10,984 0.919 正相關(0.399) -7.1%
積體電路 10,128 0.995 不相關(-0.104) 17.4%
平均 15.8%
*±0.8~1.0:非常高度相關;±0.6~0.8:高度相關;±0.4~0.6:相關;±0.2~0.4:弱相關;±0.0~0.2:不相關
17 17

關於我們提出的第一個問題:越大的公司擁有越多專利?在上述14個高科技產業中,基本上,市值越高的公司擁有越多的專利(見 附錄一 );有趣的是,專利總量越多的產業,市值與專利數量的相關性越是減小(見表1)。以總專利數第1名的通訊設備產業為例,市值排名第2的高通,在2013~2017年間獲准的專利是排名第1的思科的將近3倍;市值第4名的易利信的專利數也有第3名的Nokia的將近兩倍。總專利數第3名的電子裝置產業中,市值第2的Sony在2013~2017年間獲准的專利亦多過排名第1的蘋果;對總專利數第5名的多元化機械產業而言,市值第2的奇異這5年專利數約為市值第1的3M的3倍,市值第3的Honeywell專利數也較3M更多。

18 18

為什麼專利總量越多的產業,比例上較多小公司比大公司申請更多專利?可能的解釋是,雖然最底層的概念是越有錢(市值高)的公司有越多的資源去研發、申請專利,但就因為它是高科技產業,惟有不斷研發才能生存,使得較小的公司更可能不計成本地投入研發,而轉化為比大公司更多的專利。反過來說,或許也有市值排名前面的公司能用最節省、精簡研發成本、不太申請專利的經營策略來達成其市場規模,這部分可能需要個案分析才能了解。

19 19

關於我們提出的第二個問題:專利越多公司獲利越好?從獲利能力來看,在上述14個高科技產業中,個別公司專利數量與其獲利能力更是呈現負相關的趨勢(見表1)。當分析2013~2017年個別公司專利數量與其每股盈餘(EPS)平均成長率的關係時可以發現(見 附錄一 ),以總專利數第1名的通訊設備產業為例,高通的專利數雖然是思科的將近3倍,思科有5%的EPS成長率,高通的EPS成長率卻低於負10%;易利信的專利數是Nokia的近兩倍,Nokia負3.8%的EPS成長率卻優於易利信的負50%。總專利數第2名的資訊技術服務產業中,專利數不到IBM五十分之一的Accenture的EPS成長率為7.23%,優於IBM的負4%;專利數不到Accenture一半的Infosys的EPS成長率更高達148%。對總專利數第5名的多元化機械產業而言,這種相反的趨勢更明顯:專利數僅有奇異約三分之一的3M和Honeywell,EPS成長率分別為7.7%、3.1%,優於奇異的負17.3%;專利數僅有3M三分之一的Eaton的EPS成長率達13.5%。

20 20

2013~2017年個別公司專利數量與其EPS平均成長率其實是有先後關係的。由於專利從申請到獲准通常需要超過兩年的時間,所以2013~2017年獲准的專利可以視為提早一段時期的研發成果,這些研發成果的影響在2013~2017年間發酵,跟其他可能的因素一起,直接或間接地影響了公司2013~2017年間的平均EPS成長率。

21 21

為什麼專利數量的增加,整體趨勢上換來獲利能力下降?這可能是經濟學上邊際成本(marginal cost)超過邊際收益(marginal revenue),使得利潤低於最大可能利潤(maximum possible profit)的情況(Taylor, 2014)。此處,邊際成本是指一間公司每多一件專利(相當於每多一個研發項目)的成本,邊際收益則是每多一件專利帶來的收益。理想上最好是能夠比較同一家公司在專利增加後對邊際成本、邊際收益的影響,但在現實世界裡,同一家公司不可能同時擁有不同數量的專利和不同程度的獲利讓研究者比較,故本研究退而求其次,從產業的趨勢來觀察。

22 22

利潤低於最大可能利潤,也就是說,某些公司可能研發支出、專利取得過多,導致每多取得一件專利,會讓利潤進一步低於最大可能利潤;加上高科技產業主要獲利來源在研發的投入,所以造成產業專利數量與獲利兩者呈現負相關的關係。這種研發投資過高造成邊際報酬遞減(diminishing marginal returns)的現象,亦曾經在其他文獻被觀察到(Faff, Ho, Lin, & Yap, 2013),而本研究提供了新的證據。

23 23

為什麼會有專利過多(研發支出過高)的情況發生呢?本研究舉三個可能的原因來解釋這種發明無法順利轉化為創新的情況:「衝得太快」、「通貨膨脹」、或「走到盡頭」。第一個可能的原因是衝太快,此處以類神經網路技術作為例子。用於人工智慧的類神經網路很早就被發明,但直到這兩年半導體技術讓個人電腦的硬體足以處理類神經網路的運算量,類神經網路的實際應用才被推廣開來。所以有些發明可能要等其他研發成果、市場等等,天時、地理、人合的搭配,才能轉化為創新。若太多經由過於先進的研發取得一時派不上用場的發明時,一定期間內就會造成利潤低於最大可能利潤。第二個可能的原因是專利的通貨膨脹,因為同產業內的公司為了爭取相同市場而競相研發相同技術、產品,導致類似專利一時之間過多,價值貶低,每多取得一件專利帶來的收益小於研發成本。第三個可能的原因是走到盡頭,也就是某些研發的對象已經非常成熟,更多的研發投入只能換來細微的進展,對公司獲利幫助有限,每多一專利的邊際成本已高於邊際收益。

24 24

而本研究所提出的兩個問題,是否可由選用的公司市值、專利數量、每股盈餘等幾個指標的相關係數就能觀察出來?有許多研究為了能考量周嚴、全面,而使用了非常多指標,甚至是使用了給予各種指標不同權重的複迴歸(multiple regression)分析。2002年諾貝爾經濟學獎得主Kahneman在其2011年所出版的暢銷書快思慢想(Kahneman, & Egan, 2011)中提到,有學者早在1979年就發現,相較於各種指標都用單一權重的分析方法,複迴歸分析幾乎沒有幫助;在一些重要的研究中,甚至僅使用基於常識的一、兩個指標,就有很好的分析效果(Dawes, 1979)。雖然「相關不蘊涵因果(correlation does not imply causation)」,但本研究從前述文獻確定了專利到獲利過程的合理性,所以判斷在不考慮文獻所述創新激進度、創新廣泛度、鄰近開發、遠距探索等指標的條件下,只用所選的指標應能進行一定程度有意義的分析;研究結果也顯示,這幾個指標的效用符合預期。

25 25

四、結論

26 26

本研究以在美掛牌企業為分析對象,嘗試回答兩個問題:(1)越大的公司是否擁有越多專利?(2)專利越多公司獲利是否就會越好?對不需要重視專利的產業(主要仰賴非科技性發明獲利的產業)而言,專利多寡與公司市值或獲利能力沒有關係,而多數產業屬於這種情況,它們的發明與獲利關係較難以公開可量化的資料進行分析。

27 27

而對重視專利的高科技產業而言,關於第一個問題,基本上市值越高的公司擁有越多專利,但市值與專利數的相關性,隨一個產業總專利數的增加而有下降的趨勢。其原因可能在於,專利總數越高的產業,可視為研發競爭越激烈的產業,較多公司不計成本(不管公司大小)地研發,使小公司擁有更多專利的機率增加。

28 28

關於第二個問題,有些產業符合直覺,專利數量與獲利正相關,但整體的趨勢來看,專利多的公司獲利能力傾向偏低。這類公司每多一次透過研發活動取得專利的邊際成本可能已高於邊際收益,造成公司利潤低於最大可能利潤。這個現象在過去文獻(Faff, Ho, Lin, & Yap, 2013)中曾被觀察到,而本研究提供了新的證據。但值得注意的是,在美掛牌高科技產業,普遍上還是有不錯的獲利,上述14個產業平均5年EPS成長率依然超過15%。本研究建議,企業可以謹慎地經由觀察自身所處產業的專利與獲利關係,來判斷研發支出的增減方向。

29 29

參考文獻

  1. Archibugi, D., & Planta, M. (1996). Measuring technological change through patents and innovation surveys. Technovation, 16(9), 451-519.
  2. Azar, G., & Ciabuschi, F. (2017). Organizational innovation, technological innovation, and export performance: The effects of innovation radicalness and extensiveness. International Business Review, 26(2), 324-336.
  3. Cloodt, M., Hagedoorn, J., & Van Kranenburg, H. (2006). Mergers and acquisitions: Their effect on the innovative performance of companies in high-tech industries. Research policy, 35(5), 642-654.
  4. Cruz-Cázares, C., Bayona-Sáez, C., & García-Marco, T. (2013). You can’t manage right what you can’t measure well: Technological innovation efficiency. Research Policy, 42(6-7), 1239-1250.
  5. Damanpour, F. (1991). Organizational innovation: A meta-analysis of effects of determinants and moderators. Academy of management journal, 34(3), 555-590.
  6. Damanpour, F., & Aravind, D. (2012). Managerial innovation: Conceptions, processes and antecedents. Management and organization review, 8(2), 423-454.
  7. Dawes, R. M. (1979). The robust beauty of improper linear models in decision making. American psychologist, 34(7), 571.
  8. Faff, R., Ho, Y. K., Lin, W., & Yap, C. M. (2013). Diminishing marginal returns from R&D investment: Evidence from manufacturing firms. Applied Economics, 45(5), 611-622.
  9. Hatzichronoglou, T. (1997), “Revision of the High-Technology Sector and Product Classification”, OECD Science, Technology and Industry Working Papers, 1997/02, OECD Publishing, Paris.
  10. Kahneman, D., & Egan, P. (2011). Thinking, fast and slow (Vol. 1). New York: Farrar, Straus and Giroux.
  11. Khilji, S. E., Mroczkowski, T., & Bernstein, B. (2006). From invention to innovation: toward developing an integrated innovation model for biotech firms. Journal of product innovation management, 23(6), 528-540.
  12. Kim, J., & Lee, S. (2015). Patent databases for innovation studies: A comparative analysis of USPTO, EPO, JPO and KIPO. Technological Forecasting and Social Change, 92, 332-345.
  13. Taylor, T. (2012). The instant economist. USA: Plume.
  14. Taylor, T. (2014). Principles of Economics: Economics and the Economy (3rd ed.). St. Paul, Minnesota: Textbook Media.
  15. Vitt, C. A., & Xiong, H. (2015, November). The impact of patent activities on stock dynamics in the high-tech sector. In Data Mining (ICDM), 2015 IEEE International Conference on (pp. 399-408). IEEE.
  16. Wang, H., & Li, J. (2008). Untangling the effects of overexploration and overexploitation on organizational performance: The moderating role of environmental dynamism. Journal of Management, 34(5), 925-951.
  17. Yu, G. J., & Hong, K. (2016). Patents and R&D expenditure in explaining stock price movements. Finance Research Letters, 19, 197-203.