當(dāng)前位置:深圳新聞網(wǎng)首頁(yè) > 深圳新聞 > 圖片深圳 > 

2020中國(guó)上市公司創(chuàng)新指數(shù)報(bào)告(摘要)

2020-08-06 07:58來(lái)源:深圳特區(qū)報(bào)

2019中國(guó)上市公司創(chuàng)新指數(shù)10強(qiáng)

編者按

新冠肺炎疫情發(fā)生以來(lái),全球經(jīng)濟(jì)增長(zhǎng)的下滑導(dǎo)致產(chǎn)業(yè)需求縮減,進(jìn)而造成許多行業(yè)競(jìng)爭(zhēng)加劇,企業(yè)戰(zhàn)略需要進(jìn)行大調(diào)整,以創(chuàng)新驅(qū)動(dòng)增長(zhǎng),有更為精細(xì)化的管理,對(duì)市場(chǎng)有更精準(zhǔn)的洞察和戰(zhàn)略定位。在這樣一個(gè)不穩(wěn)定性不確定性明顯增強(qiáng)的時(shí)刻,創(chuàng)新正變得前所未有的重要。8月6日,浙江大學(xué)管理學(xué)院與深圳報(bào)業(yè)集團(tuán)深新傳播智庫(kù)聯(lián)合發(fā)布《2020中國(guó)上市公司創(chuàng)新指數(shù)報(bào)告》,選取中國(guó)2146家A股上市公司為評(píng)估對(duì)象,基于創(chuàng)新勢(shì)力和創(chuàng)新效率兩維度構(gòu)建評(píng)估模型,推出2019年中國(guó)A股上市公司創(chuàng)新指數(shù)500強(qiáng),創(chuàng)新勢(shì)力200強(qiáng)與創(chuàng)新效率200強(qiáng)。本報(bào)現(xiàn)對(duì)由浙江大學(xué)管理學(xué)院郭斌教授研究團(tuán)隊(duì)(郭斌、賈玥、靳雨涵、李曦、王真、殷嘉嚀)編撰的報(bào)告內(nèi)容予以摘要刊發(fā),敬請(qǐng)垂注。完整報(bào)告可在讀特、讀創(chuàng)手機(jī)客戶端和深圳新聞網(wǎng)下載閱讀。

《2020中國(guó)上市公司創(chuàng)新指數(shù)報(bào)告》所覆蓋的上市公司行業(yè)包括制造業(yè)、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)、科學(xué)研究和技術(shù)服務(wù)業(yè)和綜合五大類(lèi)35個(gè)二級(jí)細(xì)分行業(yè)。最終進(jìn)入創(chuàng)新指數(shù)排名的上市公司樣本有2146家。上市公司創(chuàng)新指數(shù)包括了創(chuàng)新勢(shì)力(innovation strength)和創(chuàng)新效率(innovation efficiency)兩個(gè)維度。在指數(shù)構(gòu)建方法上,基于透明的計(jì)算方法和可復(fù)制的計(jì)算過(guò)程,不依賴于個(gè)人主觀判斷,基于信息抽取思想采用最為精簡(jiǎn)的基礎(chǔ)數(shù)據(jù)來(lái)映射企業(yè)的創(chuàng)新?tīng)顟B(tài)。評(píng)估創(chuàng)新勢(shì)力所采用的基礎(chǔ)數(shù)據(jù)包括研發(fā)投入規(guī)模、研發(fā)人員規(guī)模、專(zhuān)利規(guī)模數(shù)據(jù)、平均銷(xiāo)售利潤(rùn)率,評(píng)估創(chuàng)新效率的基礎(chǔ)數(shù)據(jù)研發(fā)強(qiáng)度指標(biāo)、技術(shù)效率與商業(yè)模式新穎性。

一、創(chuàng)新指數(shù)和創(chuàng)新效率50強(qiáng)投資組合收益率顯著領(lǐng)先

對(duì)資本市場(chǎng)而言,創(chuàng)新能力能否作為企業(yè)投資價(jià)值的風(fēng)向標(biāo)?換句話說(shuō),對(duì)于投資者,是否能把企業(yè)的創(chuàng)新能力作為一個(gè)重要的參考維度?報(bào)告選取在創(chuàng)新指數(shù)排行中名次靠前的上市公司,形成投資組合,并以市值作為權(quán)重計(jì)算它們的投資組合收益率。


圖1.12019年創(chuàng)新指數(shù)投資組合與基準(zhǔn)指數(shù)收益率比較

首先,報(bào)告將2019年創(chuàng)新指數(shù)報(bào)告中創(chuàng)新指數(shù)、創(chuàng)新效率和創(chuàng)新勢(shì)力分別排名前50的上市公司作為投資組合。結(jié)果顯示,通過(guò)創(chuàng)新指數(shù)和創(chuàng)新效率得分排名前50所構(gòu)造的投資組合收益率分別為43.31%和46.28%,超過(guò)了上證指數(shù)、上證50、上證180、滬深300、深證100和深證300等六項(xiàng)基準(zhǔn)指數(shù)的同期收益率;但是通過(guò)創(chuàng)新勢(shì)力得分排名,前50所構(gòu)造的投資組合收益率為15.1%,僅超過(guò)上證指數(shù)、上證50、上證180、滬深300等四項(xiàng)基準(zhǔn)指數(shù)的同期收益率。(圖1.1)

此外,報(bào)告選取2017-2019年間創(chuàng)新指數(shù)排名皆在前50的企業(yè)(共8家)作為研究樣本,計(jì)算2019年到2020年的投資收益率。結(jié)果顯示,2017-2019年間創(chuàng)新指數(shù)排名皆在前五十的樣本企業(yè)所構(gòu)成的投資組合收益率達(dá)到了49.64%,超過(guò)了上證指數(shù)、上證50、上證180、滬深300、深證100和深證300等六項(xiàng)基準(zhǔn)指數(shù)的同期收益率。


圖1.2剔除EVA為負(fù)企業(yè)的2019年創(chuàng)新指數(shù)投資組合與基準(zhǔn)指數(shù)收益率比較

剔除EVA為負(fù)值企業(yè)后50強(qiáng)公司投資組合收益率依然領(lǐng)先。企業(yè)的EVA估值(EVA是經(jīng)濟(jì)增加值模型Economic Value Added的簡(jiǎn)稱(chēng),是Stern Stewart咨詢公司開(kāi)發(fā)的一種新型的價(jià)值分析工具和業(yè)績(jī)?cè)u(píng)價(jià)指標(biāo),是基于剩余收益思想發(fā)展起來(lái)的新型價(jià)值模型),會(huì)直接作用到企業(yè)價(jià)值,從而影響投資組合收益率。報(bào)告剔除EVA為負(fù)值的企業(yè),重新得到2019年創(chuàng)新指數(shù)、創(chuàng)新效率和創(chuàng)新勢(shì)力排名分別的50強(qiáng)企業(yè)名單,在此基礎(chǔ)上構(gòu)建投資組合。結(jié)果顯示,通過(guò)創(chuàng)新指數(shù)和創(chuàng)新效率得分排名前50所構(gòu)造的投資組合收益率分別為43.11%和43.58%,超過(guò)了上證指數(shù)、上證50、上證180、滬深300、深證100和深證300等六項(xiàng)基準(zhǔn)指數(shù)的同期收益率;但是通過(guò)創(chuàng)新勢(shì)力得分排名50所構(gòu)造的投資組合收益率為11.29%,僅超過(guò)了上證指數(shù)、上證50、上證180、滬深300等四項(xiàng)基準(zhǔn)指數(shù)的同期收益率。這表明,對(duì)于中國(guó)這樣存在著較為豐富的增長(zhǎng)機(jī)會(huì)的市場(chǎng),與創(chuàng)新勢(shì)力相比,創(chuàng)新效率在整體意義上更受到資本市場(chǎng)投資者的青睞。這是因?yàn)閯?chuàng)新效率與創(chuàng)新資源的有效配置以及商業(yè)模式的新穎性密切相關(guān),從而能為企業(yè)帶來(lái)更多的業(yè)務(wù)快速增長(zhǎng)機(jī)會(huì)。(圖1.2)

此外,在剔除EVA為負(fù)的企業(yè)的基礎(chǔ)上,報(bào)告選取在2017-2019年連續(xù)三年創(chuàng)新指數(shù)排名均處于前50的企業(yè)(共7家)構(gòu)成投資組合樣本,計(jì)算2019年到2020年的投資收益率。結(jié)果顯示,在2017-2019年間創(chuàng)新指數(shù)排名皆在前五十的樣本企業(yè)所構(gòu)成的投資組合收益率達(dá)到57.47%,超過(guò)了上證指數(shù)、上證50、上證180、滬深300、深證100和深證300等六項(xiàng)基準(zhǔn)指數(shù)的同期收益率。

二、創(chuàng)新指數(shù)500強(qiáng)中深圳有43家,數(shù)量?jī)H次于北京



圖2.1創(chuàng)新指數(shù)500強(qiáng)企業(yè)主要分布城市

報(bào)告選取創(chuàng)新指數(shù)排行榜上前500強(qiáng)的企業(yè)進(jìn)行城市分布分析。在整體分布上,我們可以看到創(chuàng)新型公司存在明顯的區(qū)域集中趨勢(shì)。創(chuàng)新指數(shù)500強(qiáng)公司總部在分布上主要集中于北京、深圳、上海、杭州、廣州、南京等地。如圖2.1所示,前500強(qiáng)公司中,有202家分布在這六個(gè)城市(北京58家,深圳43家,上海42家,杭州31家,廣州14家,南京14家)。


圖2.2創(chuàng)新指數(shù)50強(qiáng)企業(yè)分布地區(qū)

大部分500強(qiáng)企業(yè)集中分布在東南沿海與一線城市,中西部、東三省有部分城市擁有創(chuàng)新指數(shù)500強(qiáng)企業(yè),但整體數(shù)量較少且分布較為零散。如圖2.2,進(jìn)一步細(xì)化數(shù)據(jù)后發(fā)現(xiàn),創(chuàng)新指數(shù)50強(qiáng)的企業(yè)集中分布在東南沿海,坐落在廣東省的就有10家,其中又有6家位于深圳。

總體來(lái)看,北、上、深、杭、廣、寧(南京)的創(chuàng)新型公司在行業(yè)分布上既有共性,又在一定程度上體現(xiàn)了區(qū)域性的特色與優(yōu)勢(shì)。

從各行業(yè)企業(yè)的分布質(zhì)量來(lái)看,除上海市和南京市外,其他四個(gè)城市創(chuàng)新指數(shù)前三名均涉及計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)。具體來(lái)看,城市創(chuàng)新指數(shù)表現(xiàn)亮眼的企業(yè)又各具城市特色。深圳市前三名企業(yè)全部屬于計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)。此外,北京市排名第一的企業(yè)中國(guó)中車(chē)屬于鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備制造業(yè);上海市前兩名企業(yè)為汽車(chē)制造業(yè),分別為上汽集團(tuán)和華域汽車(chē);杭州市,廣州市和南京市分布則較為分散。

圖2.3中國(guó)主要城市創(chuàng)新指數(shù)500強(qiáng)企業(yè)的行業(yè)分布

從各行業(yè)企業(yè)的分布數(shù)量來(lái)看,如圖2.3,北上深杭廣南6個(gè)城市的軟件和相關(guān)服務(wù)行業(yè)與計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)均表現(xiàn)亮眼。深圳在計(jì)算機(jī)設(shè)備制造業(yè)表現(xiàn)較好;北京、上海、杭州3個(gè)城市在軟件和相關(guān)服務(wù)業(yè)表現(xiàn)更優(yōu);廣州與南京在兩個(gè)行業(yè)表現(xiàn)相當(dāng)。

除共性之外,不同城市行業(yè)分布又各有特性,北京市除前幾名外,交通運(yùn)輸設(shè)備制造業(yè),電信、廣播電視和衛(wèi)星傳輸服務(wù)行業(yè)表現(xiàn)較好;上海市化學(xué)原料及化學(xué)制品制造業(yè),汽車(chē)制造業(yè)表現(xiàn)較為突出;杭州市表現(xiàn)較好的企業(yè)圍繞計(jì)算機(jī)、軟件、互聯(lián)網(wǎng)展開(kāi);廣州市醫(yī)藥制造業(yè)表現(xiàn)亮眼,排名第一,同時(shí)廣州深圳上海均有紡織服裝、服飾業(yè)企業(yè)上榜;南京市化學(xué)原料和化學(xué)制品制造業(yè)企業(yè)與2019年相比從零增加到三家,躍居第一。

進(jìn)一步分析各城市創(chuàng)新指數(shù)發(fā)現(xiàn),首先,企業(yè)數(shù)目最高的城市未必是創(chuàng)新勢(shì)力或創(chuàng)新效率最高的城市,這種情況在城市創(chuàng)新效率排名中尤為明顯。各市創(chuàng)新勢(shì)力排名中,北京、深圳、上海市內(nèi)企業(yè)數(shù)目較多,但其創(chuàng)新勢(shì)力排名相對(duì)靠后。而各市創(chuàng)新效率排名中,企業(yè)數(shù)量和排名不匹配情況更為明顯,杭州市,北京市,南通市,湖州市,紹興市分別位列前五名。上海市發(fā)揮較為穩(wěn)定,位列第七。

三、創(chuàng)新指數(shù)500強(qiáng)中廣東排名第一,近半來(lái)自深圳

image.png



圖3.1創(chuàng)新指數(shù)500強(qiáng)企業(yè)各省分布數(shù)目

我們先將創(chuàng)新指數(shù)500強(qiáng)企業(yè)按省份、自治區(qū)和直轄市劃分,可以看出,這些企業(yè)主要分布在廣東?。?8家,廣東省的分析包括了深圳市,下同)、浙江省(73家)、江蘇?。?9家)、北京市(58家)、上海市(42家)、山東省(36家)和福建?。?2家)。(如圖3.1)

我們著重分析廣東、浙江、江蘇、山東和福建5省的創(chuàng)新指數(shù)500強(qiáng)企業(yè)行業(yè)分布。從各行業(yè)企業(yè)數(shù)量分布來(lái)看,排名前三集中于計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)、電氣機(jī)械及器材制造業(yè)、軟件和信息產(chǎn)業(yè)、醫(yī)藥制造業(yè)。


圖3.2創(chuàng)新指數(shù)500強(qiáng)企業(yè)各省行業(yè)分布

坐落于廣東省的88家創(chuàng)新指數(shù)500強(qiáng)企業(yè)中,近25%的企業(yè)屬于計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè),其次是電氣機(jī)械及器材制造業(yè)(15家企業(yè),占廣東省創(chuàng)新指數(shù)500強(qiáng)企業(yè)總數(shù)的17.1%),第三為醫(yī)藥制造業(yè)(11家企業(yè),約占廣東省創(chuàng)新指數(shù)500強(qiáng)企業(yè)總數(shù)的12.5%)(如圖3.2)

我們先將2146家樣本企業(yè)按省份、自治區(qū)和直轄市劃分,考慮到部分省份企業(yè)數(shù)目過(guò)少會(huì)導(dǎo)致不能體現(xiàn)省級(jí)指標(biāo)平均意義的問(wèn)題,我們剔除省內(nèi)樣本上市公司數(shù)量低于30家的省份。經(jīng)過(guò)剔除后,進(jìn)入排名的省份為14個(gè)。從創(chuàng)新指數(shù)得分而言,北京、上海、福建省、山東省、浙江省位列前5名。創(chuàng)新勢(shì)力前5名為北京、上海、河北省、廣東省、山東?。粍?chuàng)新效率前5名為北京、上海、福建省、浙江省、山東省。


圖3.3各省平均創(chuàng)新勢(shì)力-效率排名矩陣

我們把省份、直轄市劃分為如下四類(lèi):一是高勢(shì)力-高效率省份,以北京、上海、山東為主,其創(chuàng)新勢(shì)力、創(chuàng)新效率的排名均領(lǐng)先于其他各省。二是高勢(shì)力-低效率省份,以河北、湖北、安徽、廣東為主,這四個(gè)省份在創(chuàng)新勢(shì)力方面具有較大優(yōu)勢(shì),但創(chuàng)新效率上尚有所欠缺。三是低勢(shì)力-高效率省份。與第二類(lèi)相反,以福建、浙江、四川、河南為主,這類(lèi)省份的創(chuàng)新效率優(yōu)勢(shì)較強(qiáng),但創(chuàng)新勢(shì)力仍有待提升。四是低勢(shì)力-低效率省份,以江蘇、湖南、遼寧為主,該三省在創(chuàng)新指數(shù)的兩個(gè)分項(xiàng)指標(biāo)的表現(xiàn)上都不突出。(如圖3.3)

四、江蘇上海創(chuàng)新指數(shù)500強(qiáng)發(fā)展趨勢(shì)最好



圖4.1主要省份創(chuàng)新指數(shù)500強(qiáng)企業(yè)總數(shù)趨勢(shì)

各省擁有的創(chuàng)新指數(shù)500強(qiáng)企業(yè)總數(shù)(如圖4.1),剔除省內(nèi)包含500強(qiáng)企業(yè)總數(shù)小于25家的省份后,最終剩余6個(gè)省。2019年,廣東?。ê钲谑校┯?8家企業(yè)進(jìn)入創(chuàng)新指數(shù)500強(qiáng)榜單,雖然較2018年有112家上榜企業(yè)的情況相比有所下降,但仍位列第一名。


圖4.2主要省份省內(nèi)創(chuàng)新指數(shù)500強(qiáng)企業(yè)平均排名趨勢(shì)

省內(nèi)創(chuàng)新指數(shù)500強(qiáng)企業(yè)的平均排名呈現(xiàn)出不同的趨勢(shì)。江蘇省和上海市的發(fā)展趨勢(shì)最好,不僅上榜企業(yè)數(shù)量增加,而且上榜企業(yè)的平均排名也有進(jìn)步,表明江蘇省和上海市實(shí)現(xiàn)了企業(yè)數(shù)量和企業(yè)質(zhì)量的綜合提升。作為對(duì)比,廣東省和浙江省的上榜企業(yè)數(shù)量和質(zhì)量均有所下降。北京市和山東省則需要在企業(yè)數(shù)量和企業(yè)質(zhì)量上進(jìn)一步加強(qiáng)。(如圖4.2)

[見(jiàn)圳客戶端、深圳新聞網(wǎng)編輯:施冰冰]

新聞評(píng)論