基于質量評價模型的專利質押價值評估體系修正研究

文 豪，胡曉陽

（中南財經政法大學工商管理學院，湖北武漢 430073）

1 研究背景

2021年9 月，中共中央國務院頒布了《知識產權強國建設綱要（2021—2035年）》，提出要規范創新知識產權融資模式。近年來專利權質押融資得到較快發展，但這一過程中仍存在諸多問題亟待解決，優質專利的篩選問題就是其中之一。商業銀行面對質量水平參差不齊的專利，如何篩選出高質量的專利并確定專利的合理估值，成為了專利質押融資業務能否順利開展的關鍵。

2020年11月30 日，中共中央政治局第二十五次集體學習時，習近平總書記的講話明確提出要健全我國知識產權評估體系。傳統的無形資產評估方法包括成本法、市場法和收益法，但這些方法各有弊端。成本法僅對專利的重置成本進行考慮，忽視其預期收益，導致評估結果偏低。我國的專利交易市場尚未發育成熟，且交易數據具有保密性，因此市場法同樣不適用。收益法將評估對象的預期收益折算成現值，在專利價值評估中較為常用，但該方法應用在質押情景中存在局限。評估人員需要考慮專利是否具備作為質押標的物的關鍵特征，包括制衡性、價值穩定性和可轉移性[1]。收益法僅能反映專利在企業正常經營下的價值，無法反映企業經營不善時質押專利作為第二還款源的快速變現能力，因此收益法還需進一步改進完善。

專利是科技信息的最大載體，專利特征要素與專利價值之間顯著正相關[2]。一些學者開始借助著錄項信息對質押專利進行評價。唐恒等[3]基于模糊綜合評價法構建了法律價值、技術價值、經濟價值的質押專利評價體系。夏軼群等[4]在優質質押專利評價體系中增加了企業維度，從技術支撐、信譽狀況、償債能力等7 個方面對質押物載體企業狀況進行評估。然而，這些評價體系的主觀指標過多，對專家過度依賴，導致評估效率低下。機器學習算法的出現，使得專利評價的效率得以提升，其中支持向量機算法的應用頗為廣泛。趙蘊華等[5]采用3 種機器學習算法進行專利評價，實驗證明支持向量機的樣本識別率遠高于決策樹和神經網絡。Chang 等[6]提出名為SOM-KPCA-SVM的專利質量自動分類系統，運用自組織映射、核主成分分析、支持向量機對專利質量進行識別和分類。但值得注意的是，專利評價的結果通常為分數或等級，不以金額形式體現，使其在價值評估中的應用存在困難[7]。因此，本文旨在構建高效且實用的質押專利質量評價體系，一方面運用支持向量機算法提升評價效率，另一方面提出質量評價結果在價值評估模型中的應用方法。

2 專利質量與價值的相關概念界定

2.1 專利質量內涵

在對專利質量進行評價之前，應當首先明確專利質量的內涵，這關系到評價標準的確定和評價指標的選擇。專利質量的評價維度通常包括法律質量、技術質量和市場質量，本文認為在質押融資情境下還應考察專利所有權企業的質量，即增加企業質量這一評價維度。

（1）法律質量是專利在法律壽命內和權利要求保護范圍內依法享有法律對其獨占權益的保障，專利是法律的產物，獲得法律授權是保證專利質量的基本條件。許鑫等[8]指出，一件專利法律質量的高低，最終體現在專利申請文件撰寫的好壞，能夠經得起授權審查、無效抗辯和侵權訴訟考驗的專利申請文件才是高質量的專利文件。

（2）技術質量即專利所承載的科技含量，專利法規定授權專利必須具備新穎性、創造性和實用性，這是專利獲得授權的最低技術要求。在滿足新穎性要求和實用性要求的前提下，創造性對專利技術質量的影響顯得至關重要，它能夠直接決定專利是否具有技術上的重大突破并引領產業轉型升級[9]。

（3）市場質量是專利在市場化的過程中能夠為專利權人帶來的回報收益，包括產品銷售收入、許可使用費、轉讓費等。專利的價值要通過市場化應用得以體現，一項科技含量很高的專利，如果難以進行市場化推廣，也不能被稱為高質量專利[10]。

（4）企業質量是指專利所有權人的規模實力和運營狀況。企業的還款能力可分為第一還款能力和第二還款能力。第一還款能力是出質企業生產經營活動或其他相關活動所產生的、能夠直接用于歸還借款的現金流量總稱，這由企業的經營狀況和創新能力所決定。第二還款能力是在出質企業無法償還貸款時，通過對質押專利權進行變現來彌補貸款損失，這由專利自身價值、專利拍賣和交易環境所決定。由于第二還款能力的實現存在諸多不確定因素，因此銀行更注重對企業的第一還款能力進行考察。一些學者通過實證分析證明了企業屬性對專利質押額度具有顯著影響。企業年限對專利質押價值的影響呈現倒“U”型曲線，平均最高貸款額發生在成立約20年的成熟企業[11]；象征企業規模的注冊資本平均每增加1 萬元，能夠增加0.47 萬元的專利質押貸款[12]。技術維度、法律維度和市場維度注重對專利自身情況的考察，即對應第二還款能力；企業維度注重對企業經營實力的考察，即對應第一還款能力，對還款能力的全面考察能夠幫助銀行更好地作出貸款決策。

2.2 專利價值內涵

在專利評價的研究領域，專利價值是一個常與專利質量放在一起討論的概念，兩者常被混淆，因此本文對兩者的內涵進行梳理和辨析。

專利價值可分為狹義和廣義。狹義下的專利價值即專利能夠為所有權人帶來的經濟收益，這與前文所述的市場維度的專利質量大致相同。然而，狹義界定下的專利價值在評估實務中存在諸多難題，一方面，專利的經濟價值總是依附于有形資產，評估實務界多采用分成率的方式將專利權收益從綜合收益中進行剝離，但目前分成率的取值比較主觀，難以確保評估結果的公信度和精準度；另一方面，我國存在大量尚未實現市場化應用的專利，由于沒有財務數據，此類專利的評估仍是評估界的一大難題。

廣義上，專利價值除了經濟收益，還包括其他維度。隨著企業專利行為和專利戰略的復雜化，專利申請背后的專利價值理念越來越多樣化。有些企業認為專利具有類似于廣告的宣傳價值，能夠向投資者和消費者展示自身過硬的技術能力[13]。有些企業申請專利的目的不是為了商業化，而是出于戰略布局的考慮，使自身在激烈多變的市場環境中保證技術優勢[14]。

2.3 專利質量與專利價值辨析

基于前文對專利質量和專利價值內涵的梳理，可以發現專利質量和專利價值的概念在兩個不同的層次。

其一，從概念范疇來看，覆蓋范圍最大的是廣義的專利價值，它不僅包含狹義的專利價值、專利質量，還包括戰略價值、廣告價值等維度；專利質量的覆蓋范圍適中，主要集中在法律、技術、市場這3 個方面；狹義的專利價值覆蓋范圍最窄，僅考慮了為所有權人所帶來的物質回報。三者概念關系如圖1 所示。

圖1 專利質量與專利價值概念辨析

其二，兩者的判斷標準存在不同。專利質量的判斷依據是同一領域專利技術的創造性和創新性，這是比較客觀的判斷標準，不會隨評價主體的不同而改變。專利價值強調專利技術為專利使用者帶來的效用，以使用主體的自身利益作為主要考量，這是比較主觀的判斷標準，會隨評價主體的不同而改變[15]。此外，專利的質量能夠在較短時間內體現，而一些專利的價值要基于專利權人雄厚的經濟實力和獨特的商業模式在較長的一段時間內才能夠體現[16]。

其三，兩者不存在線性相關關系，高質量專利不一定是高價值專利，低價值專利也可具備高質量。假設現有patent 1 和patent 2 兩個專利，patent 1 的產品市場規模較大，銷量為100 億元，但由于patent 1申請書的撰寫質量差，導致95%的市場被競爭對手搶奪，則patent 1 的最終價值為5 億元；patent 2 的產品市場規模較小，銷量為100 萬元，但patent 2 申請書的撰寫質量高，任何競爭對手都無法突破，則patent 2 價值為100 萬元。就patent 1 而言，價值5 億元但質量系數只有5%，屬于高價值低質量專利；就patent 2 而言，價值100 萬元但質量系數接近100%，將壟斷功能最大化發揮，屬于低價值高質量專利。

本文認為專利質量和專利價值的概念在兩個不同的層次，專利的研究應從質量和價值兩個方面分別進行，兩者缺一不可。

3 質押情景下的專利質量評價體系

3.1 建立評價體系

本文從質押專利的質量內涵出發，構建基于機器學習的質押專利質量評價體系，應遵循以下原則：（1）層次性原則：評價體系應當從多元化的評價維度出發，下設一級指標、二級指標；（2）可得性原則：本文采用機器學習算法，評價指標應當能夠客觀量化，通過計算機直接提取或深度挖掘而得到；（3）獨立性原則：本文采用收益法對質押專利的價值進行評估，此部分包含了對專利預期收益的預測，這與市場維度有所重合。基于獨立性原則，本文不再設置市場維度下的評價指標。在參閱了Ocean Tomo 300TM 指數、IPscore 評價系統、SMART3 專利分析系統、國知局專利價值分析體系等國內外典型的專利評價體系的基礎上，去粗取精，本文建立的質押專利質量評價指標體系如下：

法律維度衡量法律對目標專利獨占權利的保障。本文從4 個方面進行評價：（1）權利保護范圍：權利要求明確定義的法律保護范圍。再好的技術如果沒有周密的保護，也有可能被他人輕易盜用。寬窄適當的權利保護范圍可通過權利要求數量和說明書頁數加以體現。（2）權利穩定性：專利能否持續穩定地獲得法律保護。這體現在兩個方面，一是能否憑借高質量的申請文件順利通過專利授權申請，二是專利在經歷無效宣告請求后能否恢復到權利有效狀態。（3）地域保護范圍：專利受法律保護的地域分布情況。一項在多個國家進行授權申請的專利，通常是能夠獲得豐厚回報的高科技含量專利。（4）時間保護范圍：專利從授權到失效的存活時長。專利權的有效期越長，未來獲取經濟收益的可能性越大。

技術維度衡量目標專利技術的創造性和新穎性。本文從4 個方面進行評價：（1）技術先進性：專利在其技術領域內是否處于優勢地位。專利的被引用頻次能夠反映其在整個技術領域的影響力，專利引用的科學文獻數量能夠反映其對當前先進科研理論的學習程度。（2）技術成熟度：專利從提出技術需求到實現產業化應用過程中的演變狀態。目標專利所在技術領域越成熟，則可借鑒的在先專利數量越多。（3）技術應用廣度：專利所解決的問題所屬的技術范圍是否廣泛。IPC 分類數越多，專利的應用范圍越廣。（4）技術可替代性：是否存在其他專利能夠和目標專利解決相同的技術問題。旁系引證專利與目標專利參考了相同的在先技術，兩者具有較高的相似度，故會削弱目標專利的不可替代性。

企業維度衡量專利權人的規模實力和成長潛力。本文從3 個方面進行評價：（1）經營規模：反映企業的綜合實力和對市場的適應能力。注冊資本既是企業的運營資金，也是其償債的保障。企業要經歷初創期到衰退期等一系列階段，企業成立年限能夠反映其抗風險能力。（2）技術實力：企業技術研發的能力和研發成果。參與專利研發的發明人數量能夠反映企業對科技創新的重視程度。專利能夠被轉讓或許可，是市場對該專利質量的高度認可。企業持有的所有專利以及這些專利的總被引次數，能夠反映出企業在其所處技術領域的貢獻度和影響力。（3）成長潛力：企業是否具有持續提升競爭潛力的能力。研究表示，新興產業的高成長潛力企業在專利質押貸款中更受銀行青睞。

此外，本文邀請了30 位知識產權服務行業資深人士和銀行信貸部員工對各評價指標的重要程度進行排序打分，取算數平均值，得到指標的最終權重，見表1。

表1 質押專利的質量評價體系

3.2 確定評價得分

為了消除指標數據的量綱差異，本文選擇分位數排序法將所有原始數據轉化為標簽1—5。分位數可以用來描述一組數據的分布特征，受極大值、極小值影響較小，故準確度更高。專利質量得分的具體公式如下：

式（1）中：Q為專利質量得分，滿分為5 分；Ei為單個指標的權重；Hi為單個指標的得分。

4 專利質量評價模型及其在質押貸款評估體系中的運用

4.1 基于支持向量機的專利質量評價模型

支持向量機（support vector machine，SVM）是1995年Cortes 等人[17]在VC 維理論和結構風險最小化原理基礎上提出的機器學習方法，SVM 回歸的基本思想是將低維空間中的x用非線性函數映射到高維特征空間，然后尋找最佳超平面，使所有訓練樣本離該超平面的誤差總和最小，以解決低維空間中的非線性問題。SVM 能夠較好地解決小樣本、非線性、高維數等問題，具有很強的泛化能力。本文將樣本專利的著錄項信息設為自變量，即輸入集，專利質量得分設為因變量，即輸出集，利用SVM 實現智能化、規模化的專利質量評價。支持向量回歸算法的基本理論如下：

把上式轉化為對偶形式，可得最終決策函數為

式（5）中：g 為核函數參數，懲罰參數c 和核函數參數g 會影響SVM 性能。本文采用網格搜索法和MATLAB 編程自動尋找使均方根誤差(RMSE)最小的參數c和g，以確定最優模型。

4.2 基于改進收益法的專利質押貸款評估模型

在質押評估目的之下，專利價值評估的關鍵是分析專利的變現能力，也就是專利的市場接受程度，即外在價值。支撐專利有用性的是專利的特性和質量，也就是內在價值。內在價值與外在價值共同構成了專利的價值[8]。在專利質押業務的談判過程中，專利最終的質押額度是債權人與債務人充分博弈的結果，可能偏高或偏低，但始終不會過分偏離專利的內在價值。

因此本文將專利質量評價理論引入價值評估領域，能夠有效彌補傳統收益法的缺陷，使評估結果更加符合質押價值類型的要求。在該評估模型中，價值下限為質押專利悲觀情景下的收益現值，價值上限為樂觀情景下的收益現值。專利的質量評價得分會影響其質押價值，若得分高，則表示該專利具有較高的內在價值和市場認可度，作為第二還款來源的可靠性強，此時企業能夠得到的貸款額度隨之提高；反之，企業能夠得到的貸款額度則較低。基本公式如下：

式（6）中：V為目標專利的最終評估值；P1為目標專利的悲觀估計值；P2為目標專利的樂觀估計值；Q為目標專利的質量指數。

5 案例分析

5.1 評估對象介紹

RX 電子股份有限公司（以下簡稱“RX 公司”）成立于2001年，2020年2月RX 公司在上交所掛牌。作為一家芯片設計公司，RX 公司擅長智能應用處理器芯片、電源管理芯片以及其他芯片的設計和制造。此次的評估對象為RX公司擁有的SOC芯片專利組，包括22 項已授權發明專利，均屬自主研發取得，該專利技術主要應用于智能應用處理器芯片。評估目的為確定RX 公司SOC 芯片專利組在評估基準日2021年12月31日的質押價值。

5.2 專利質量評價模型的應用

5.2.1 獲取樣本數據

本文選擇質押的芯片專利作為模型的數據集。樣本專利數據來自大為公司開發的Innojoy 數據庫，檢索式為“PLDT=質押 and TI=芯片 and AD=(2000-01-01 to 2020-12-31)”，查找在過去20年內辦理過質押業務的芯片專利共計167 項。隨機選取30%的樣本作為測試集，其余樣本為訓練集。Train_x、Test_x 分別記錄的是訓練集和測試集樣本的19 個自變量指標數據，作為SVM 輸入指標；Train_y、Test_y 分別記錄訓練集和測試集的質量評價得分，作為SVM 輸出指標。

5.2.2 模型訓練與驗證

對于SVM 模型的建立，需要確定能夠使訓練集RMSE 最小化的懲罰參數c和RBF 核函數參數g。本文使用了網格搜索法進行參數尋優，將懲罰參數c和核參數g 的范圍設置為步長設置為0.1。

當均方根誤差RMSE 最小時，則SVM 模型為最佳模型。本文模型的懲罰參數C=2.321 9、核函數參數g=0.134 0 時，此時均方根誤差RMSE 最小，為0.059 465。該模型在訓練集和測試集上的回歸效果如圖2 和圖3 所示，可以看出真實值和預測值高度擬合。

圖2 SVM 模型訓練集回歸效果

圖3 SVM 模型測試集回歸效果

5.2.3 預測目標專利質量得分

將RX 公司的22 個SOC 芯片專利數據作為預測集放入前文訓練好的SVM 模型，得到目標專利的質量預測值。取這些預測值的算術平均數，最終得到目標專利的質量評價得分為2.45，該評價指數將作為下文RX公司SOC芯片專利價值評估的重要參數。

5.3 收益法下的專利權價值評估

5.3.1 搭建情景分析框架

首先對外部驅動力進行識別，本文認為影響SOC 芯片銷售收入的因素主要集中在市場需求、產業扶持政策、國際政治環境、員工素質這4 個方面，見圖4。通過不確定性和重要性排序，國際政治環境和市場需求是影響力最大的因素。本文擬針對這兩類因素的分析來搭建SOC 芯片銷 售收入的雙情景模式。

圖4 RX 公司SOC 芯片銷售收入增長驅動框架

5.3.2 預測未來收益

考慮到RX 公司的SOC 芯片均已步入成熟期，且芯片專利技術更新換代速度較快，本文確定質押專利組的剩余經濟壽命為5年，即對2022—2026年的芯片銷售收入進行預測，見表2。

表2 RX 公司2022—2026年SOC 芯片銷售收入預測 單位：萬元

樂觀情景：國際政治環境穩定，RX 公司與歐美發達國家的技術授權供應商保持長期、穩定的合作關系。市場需求旺盛，智慧商顯、智能零售等新的應用場景持續涌現，人工智能新時代為SOC 芯片帶來廣闊的市場機會。據Tractica 相關數據，近年來AI 芯片的國內外市場規模呈現快速增長態勢，預計到2025年將超過700 億美元，年復合增長率達到46.14%。本文預計RX 公司SOC 芯片收入增長率能夠與AI 芯片市場規模的增長速度持平，假定樂觀情景下的芯片收入預期增長率為40%。

悲觀情景：國際政治環境不穩定，RX 公司與ARM、Synopsys 等產業鏈上游公司合作關系破裂。我國本土芯片設計工具與發達國家還存在較大差距，RX 公司高端芯片研發工作困難重重，嚴重影響企業的科研創新力和市場競爭力。鑒于目前推出的SOC 芯片性能尚可，結合芯片生命周期，本文假定2022—2026年悲觀情景下的芯片銷售收入增長率分別為30.00%、30.00%、15.00%、7.50%、3.75%。

5.3.3 計算收入分成率

分成率的計算 思路為：專利權收入分成率=行業慣例下限+調整系數×（行業慣例上限-行業慣例下限）

RX 公司屬于光學及電子產品行業，聯合國工業發展組織確定該行業的收入分成率為7%～10%。本文選取10 家與RX 公司規模、地位相當的芯片設計企業，運用市場參照法獲得收入分成率的調整系數。鑒于多數參照企業的2021年度財報尚未公布，故選擇2020年度的數據計算分成率，具體計算步驟如下：

（1）計算企業的無形資產價值占總市值的比重。

無形資產價值=企業總市值-流動資產價值-有形的非流動資產價值

（2）確定技術類無形資產的占比。本文在多方調研后確定占比為25%。

技術類無形資產占比=無形資產占比×25%

（3）計算技術類無形資產對營業收入的貢獻度。

技術類無形資產對營業收入的貢獻度=技術類無形資產占比×經營活動現金流凈額÷營業收入

（4）計算調整系數。

調整系數=（目標專利貢獻度-全部企業貢獻度均值）÷（參照企業貢獻度最大值-全部企業貢獻度均值）

由表3 計算可知，調整系數=(6.88%-5.23%)÷(8.76%-5.23%)=0.47

表3 企業技術類無形資產的營業收入貢獻度排序

RX 公司SOC 芯片專利的收入分成率= 7%+0.47×(10%-7%)=8.41%

表3（續）

5.3.4 確定折現率

RX 公司的資金來源主要為權益性資金，付息債務金額為零。因此本文選擇CAPM 模型來計算企業生產經營的綜合資本成本，再加上質押專利的風險溢價，得到最終的折現率。無風險利率Rf取我國十年期國債的到期收益率，社會平均收益Rm取上證指數年收益率的均值，β系數取自wind 數據庫。芯片設計行業競爭激烈，全志科技、晶晨股份等企業都具有同樣先進的專利技術，因此本文給予RX 公司SOC 芯片專利2%的風險溢價。RX 公司質押專利的折現率計算見表4。

表4 質押專利折現率的計算

5.3.5 計算專利權的質押價值

將質押專利的預期收益進行折現，可得到不同情境下的專利估值，見表5 和表6。

表5 RX 公司樂觀情景下的質押專利估值

表6 RX 公司悲觀情景下的質押專利估值

前文已得到滿分5 分制下的SOC 芯片專利質量得分為2.45 分，將其轉化為百分制即為49 分。將質押專利的質量指數、樂觀估值和悲觀估值代入收益法模型當中，得到SOC 芯片專利的質押評估價值為11.31 億元。

在實際質押業務中，銀行的實際質押率一般為20%左右，故RX 公司實際得到的貸款額預計為2.26億元。2021年RX 公司營業收入為27.19 億元，毛利率達40%，與此同時，RX 公司在2021年12月31日評估基準日的市值為571.25 億元。基于RX 公司的優秀業績和良好信用，本文認為目標專利組合有條件預計獲得2.26 億質押貸款。

6 結論

本文構建了質押專利的質量評價體系，分為法律、技術、企業3 個維度，采用層次分析法確定各指標權重。將支持向量機引入質量評價領域，能夠較為準確地預測質押專利的質量得分，實現大規模快速評價。建立質押專利價值評估的雙情景模式，將抽象的質量評價結果與具象的價值評估結果相結合，有助于相關部門在質押貸款業務中不僅明確專利具體的貨幣價值，更了解其內在質量，以便確定合理的貸款金額。