论文部分内容阅读
【摘 要】 近年来，医药研发业务在我国逐渐兴起，涌现出一大批生物医药专利密集型科技公司，已成为我国技术创新的主要载体，但却因资金不足、融资困难而无法对专利进行商业化开发。本文基于银行的视角通过问卷调查了解专利质押贷款开展现状，建立多元回归模型剖析质押贷款额度的影响要素，并运用实证案例分析佐证阐述专利权质押贷款风险的特殊性。
【关键词】 医药企业 专利质押 银行 风险 对策
1 商业银行专利质押贷款的风险分析
1.1 专利质押贷款自身风险。专利价值的不确定性：专利的价值与市场预期和外界动荡有很大的关联;专利价值的难评估性：专利价值的不确定性以及无形性和其复杂性使银行与贷款企业在洽谈时只能预估其价值，且评估易受到人为影响;专利价值变现的难预测性：专利质押物的变现周期长处置相对困难，商业银行除了考虑贷款企业的违约风险还需关注当企业不能按期还款时作为质押物的专利权是否在知识产权市场易于转让和价值增贬。
1.2 专利质押贷款法律风险。权利归属不清晰：中国《担保法》以及其他的相关法律法规中对专利质押的规定大多笼统且具体操作方法和保障措施尚不明朗;登记制度不完善：国家对不同形式的无形资产设立了不同的登记机关，常见的知识产权所对应的登记机关也并非同一处【33】。
1.3 专利质押贷款外部风险。 企业风险：贷款企业是资金的需求方，也是专利质押融资业务链条中的出质人，一旦企业的生产经营出现亏损，便会严重危及企业的偿债能力;银行风险：银行的内部风控系统以及操作系统失控和自身经营可能会引发系统风险，银行从业人员工作的不当监管力度不够等原因，也会错误评估专利质押贷款风险而形成损失。
2 专利质押贷款的可行性分析
2.1 专利质押的理论依据。银行根据信息不对称理论为了规避由质押资产形式引起的信贷配给问题，对专利权质押贷款时采取差异化利率。专利权有商品属性，可以根据专利权所获得的额外收益评判其价值量且可以用货币衡量专利价值【34】，因此利用专利权进行质押融资是切实有据可依的。
2.2 专利质押贷款的影响因素分析
2.2.1 贷款期限。若期限较长则贷款企业不能按期还款的风险因素增多，且一般企业亟需利用知识产权资产进行质押贷款缓解融资难题，短期贷款即可满足需求。所以贷款期限在1-3年之间为佳。
2.2.2 贷款额度。商业银行一般根据专门的资产评估机构给出的专利质押物评估价值，再结合银行自身规则最终确定一项专利质押标的的贷款额。
2.2.3 评估模式。涉及到知识产权的评估办法实践过程中常见有三种：收益法、成本法和市场法。
3 专利质押贷款的实证研究
3.1 专利质押价值模型的构建
3.1.1 数据来源。研究所需的数据包括两类：作为质押物的专利属性数据和贷款企业属性的数据。
前者通过进入国家知识产权局网站（SIPO）的中外专利数据庫获得，后者主要通过万方企业数据库和国泰安数据库（CSMAR）进行收集。
3.1.2 样本说明。本文选用专利权优势明显的医药类企业作为研究样本，通过SIPO的查询结果，考虑到部分数据未公开或者不真实，在选取样本时剔除了以下几种企业：未披露专利产权信息的、未公开质押贷款额度的、非以专利权作为质押贷款的、以及非医药类性质的。最终选取了在SIPO近15年有专利质押登记备案的，并可查询质押合同编号，已公开披露质押贷款信息且以医药性质类专利作为质押物的48家具有代表性的医药专利质押贷款项目作为模型的样本进行分析。
3.1.3 变量选取。（1）Ptype：专利类型。本文根据SIPO的官方分类将专利类型赋值化：定义1为外观设计类，2为实用新型类，3为发明专利类。（2）Fcite：专利被引证次数。指的是模型中被质押贷款的专利它后期被引用的频数。数值从0开始增大。（3）IPCs：涉及专利IPC大组个数。该项数值的范围在1-10之间，表示该项专利的集中领域，随着所涉及领域范围的推广而随之增大。（4）Family：同族国家数量。指的是同一项专利在不同国家申请所构成的一个专利族类，数值为0表示仅在中国申请专利保护。（5）Timeexp：专利剩余有效期。指的是专利权受法律保护的期限，自一项专利申请日算起，以年为基本单位，一般发明专利权的期限为二十年。（6）Age：企业年龄。该项指标指的是贷款企业从注册成立日到发生专利质押贷款日的时间跨度，能够衡量一个企业的违约风险以及资金渠道的局限性。（7）Size：企业员工规模。贷款存续期间，用企业的员工规模来度量企业规模的大小。其中为了模型的可塑性，将员工规模进行分档并赋值：1代表员工数在1-20人之间，2代表21-50人，3代表51-100人，4代表100人以上。（8）Single：专利是否独自质押。该指标为模型引入的控制变量，当专利成组质押时，数值规定为0。（9）Loanterm：质押期限。该指标也为控制变量，能够度量风险，在所选取的样本中，该项数值一般在1-3年。（10）Aft2008：质押贷款是否发生在2008年之后。（10）Aft2008：质押贷款是否发生在2008年之后。我国于2008年初次颁布了知识产权融资试点城市，此控制变量的设置是为了判断市场环境的改善以及国家政策的推动对专利质押价值的影响。
3.1.4 模型构建
专利模型表达式如下：
贷款模型表达式如下：
其中：β0为常数项系数，βi为对应各变量的系数，εi为残差项。
3.1.5 统计描述。通过对48个专利质押贷款项目的数据收集，通过SPSS 20.0软件进行统计性描述。
3.1.6 回归分析。
（1）专利模型。对专利模型以Ln（loan）为因变量，Ptype、Fcite、IPCs、Family、Timeexp为自变量进行多元线性回归。 分析得出，各变量之间的相关系数皆不是很高，说明相关程度较低，均在可容忍的范围之内，共线性问题不严重，所以不再考虑剔除变量，以现有的变量进行多元回归。
分析知，专利模型多元回归方程式可写为：
R2=0.793 F=14.273 P<0.01 D.W=1.83
回归模型整体检验的F值为14.273，显著性检验的p值小于0.01，即F统计量拒绝0假设犯错误的概率不足1%，表示回归模型整体解释变异量达到显著水平。其中可决系数R2（R-squared）=0.793 ，调整后的可决系数AR2（Adjusted R-squared）=0.678，估计标准误为0.317，表明这5个变量共可解释因变量“贷款额度的自然对数”79.3%的变异量，模型的拟合优度尚可。回归系数的t检验中，各个自变量回归系数的p值均能通过1%的显著性水平检验，模型是有效的。
（2）贷款模型。贷款模型中以Ln（loan）为因变量，以Ptype、Fcite、IPCs、Family、Timeexp、Age、Size、Single、Loanterm、Aft2008为自变量进行多元回归。
分析可得，贷款模型多元回归方程式可写为：
R2=0.881 F=18.9 P<0.01 D.W=1.73
（注：* 10%，** 5%，***，1%分别为通过的不同显著水平。）
为了检验样本的分布是否符合正态分布，将残差標准化得到概率分布图，根据统计分析中的相关结论，可得出该样本分布基本符合正态分布的标准，模型构建是非常有效的。
（3）结论。在专利模型中，专利类型对贷款额有正向促进作用，发明专利比其他两类专利的价值要高，意义也就更大。专利被引用次数Fcite也与贷款额成正比。同时，具有同族专利意味着该项专利得到的保护范围较大，极大的增加了贷款额度。IPCs数与贷款额之间有抵消的作用，不过影响程度较小。Timeexp对专利价值有促进作用，期限越长，质押价值越大。银行在评估风险时应该把这些属性因素考虑在内。
在贷款模型中，企业属性和控制变量与贷款额度之间有较强的相关性。Age和Size能够很大程度上对专利质押价值的大小产生影响。年龄较大的企业其融资渠道也将更广，银行也会更加青睐。Size明显的与专利质押价值有正向相关关系，表明若贷款企业的规模越大，则预期违约风险越小，银行对其可贷资金越高。控制变量Single和Loanterm都对因变量有负向影响的作用，当多项专利成组质押给银行会增加银行的信赖度，贷款期限最为常见的为1到3年，当期限越短，则贷款风险越小，越容易被银行所接受。Aft2008对专利质押价值并未呈现出显著差异，说明外在环境改变并没有产生立竿见影的效果，还有待进一步的探索。
【参考文献】
[1] 中华人民共和国知识产权局.http：//www.sipo.gov.cn/. 2017-12-25.
[2] 国务院办公厅.http：//www.360doc.com/content/.2017-09-16.
[3] 经济参考报.http：//m.sohu.com/a/.2017-08-02.
【关键词】 医药企业 专利质押 银行 风险 对策
1 商业银行专利质押贷款的风险分析
1.1 专利质押贷款自身风险。专利价值的不确定性：专利的价值与市场预期和外界动荡有很大的关联;专利价值的难评估性：专利价值的不确定性以及无形性和其复杂性使银行与贷款企业在洽谈时只能预估其价值，且评估易受到人为影响;专利价值变现的难预测性：专利质押物的变现周期长处置相对困难，商业银行除了考虑贷款企业的违约风险还需关注当企业不能按期还款时作为质押物的专利权是否在知识产权市场易于转让和价值增贬。
1.2 专利质押贷款法律风险。权利归属不清晰：中国《担保法》以及其他的相关法律法规中对专利质押的规定大多笼统且具体操作方法和保障措施尚不明朗;登记制度不完善：国家对不同形式的无形资产设立了不同的登记机关，常见的知识产权所对应的登记机关也并非同一处【33】。
1.3 专利质押贷款外部风险。 企业风险：贷款企业是资金的需求方，也是专利质押融资业务链条中的出质人，一旦企业的生产经营出现亏损，便会严重危及企业的偿债能力;银行风险：银行的内部风控系统以及操作系统失控和自身经营可能会引发系统风险，银行从业人员工作的不当监管力度不够等原因，也会错误评估专利质押贷款风险而形成损失。
2 专利质押贷款的可行性分析
2.1 专利质押的理论依据。银行根据信息不对称理论为了规避由质押资产形式引起的信贷配给问题，对专利权质押贷款时采取差异化利率。专利权有商品属性，可以根据专利权所获得的额外收益评判其价值量且可以用货币衡量专利价值【34】，因此利用专利权进行质押融资是切实有据可依的。
2.2 专利质押贷款的影响因素分析
2.2.1 贷款期限。若期限较长则贷款企业不能按期还款的风险因素增多，且一般企业亟需利用知识产权资产进行质押贷款缓解融资难题，短期贷款即可满足需求。所以贷款期限在1-3年之间为佳。
2.2.2 贷款额度。商业银行一般根据专门的资产评估机构给出的专利质押物评估价值，再结合银行自身规则最终确定一项专利质押标的的贷款额。
2.2.3 评估模式。涉及到知识产权的评估办法实践过程中常见有三种：收益法、成本法和市场法。
3 专利质押贷款的实证研究
3.1 专利质押价值模型的构建
3.1.1 数据来源。研究所需的数据包括两类：作为质押物的专利属性数据和贷款企业属性的数据。
前者通过进入国家知识产权局网站（SIPO）的中外专利数据庫获得，后者主要通过万方企业数据库和国泰安数据库（CSMAR）进行收集。
3.1.2 样本说明。本文选用专利权优势明显的医药类企业作为研究样本，通过SIPO的查询结果，考虑到部分数据未公开或者不真实，在选取样本时剔除了以下几种企业：未披露专利产权信息的、未公开质押贷款额度的、非以专利权作为质押贷款的、以及非医药类性质的。最终选取了在SIPO近15年有专利质押登记备案的，并可查询质押合同编号，已公开披露质押贷款信息且以医药性质类专利作为质押物的48家具有代表性的医药专利质押贷款项目作为模型的样本进行分析。
3.1.3 变量选取。（1）Ptype：专利类型。本文根据SIPO的官方分类将专利类型赋值化：定义1为外观设计类，2为实用新型类，3为发明专利类。（2）Fcite：专利被引证次数。指的是模型中被质押贷款的专利它后期被引用的频数。数值从0开始增大。（3）IPCs：涉及专利IPC大组个数。该项数值的范围在1-10之间，表示该项专利的集中领域，随着所涉及领域范围的推广而随之增大。（4）Family：同族国家数量。指的是同一项专利在不同国家申请所构成的一个专利族类，数值为0表示仅在中国申请专利保护。（5）Timeexp：专利剩余有效期。指的是专利权受法律保护的期限，自一项专利申请日算起，以年为基本单位，一般发明专利权的期限为二十年。（6）Age：企业年龄。该项指标指的是贷款企业从注册成立日到发生专利质押贷款日的时间跨度，能够衡量一个企业的违约风险以及资金渠道的局限性。（7）Size：企业员工规模。贷款存续期间，用企业的员工规模来度量企业规模的大小。其中为了模型的可塑性，将员工规模进行分档并赋值：1代表员工数在1-20人之间，2代表21-50人，3代表51-100人，4代表100人以上。（8）Single：专利是否独自质押。该指标为模型引入的控制变量，当专利成组质押时，数值规定为0。（9）Loanterm：质押期限。该指标也为控制变量，能够度量风险，在所选取的样本中，该项数值一般在1-3年。（10）Aft2008：质押贷款是否发生在2008年之后。（10）Aft2008：质押贷款是否发生在2008年之后。我国于2008年初次颁布了知识产权融资试点城市，此控制变量的设置是为了判断市场环境的改善以及国家政策的推动对专利质押价值的影响。
3.1.4 模型构建
专利模型表达式如下：
贷款模型表达式如下：
其中：β0为常数项系数，βi为对应各变量的系数，εi为残差项。
3.1.5 统计描述。通过对48个专利质押贷款项目的数据收集，通过SPSS 20.0软件进行统计性描述。
3.1.6 回归分析。
（1）专利模型。对专利模型以Ln（loan）为因变量，Ptype、Fcite、IPCs、Family、Timeexp为自变量进行多元线性回归。 分析得出，各变量之间的相关系数皆不是很高，说明相关程度较低，均在可容忍的范围之内，共线性问题不严重，所以不再考虑剔除变量，以现有的变量进行多元回归。
分析知，专利模型多元回归方程式可写为：
R2=0.793 F=14.273 P<0.01 D.W=1.83
回归模型整体检验的F值为14.273，显著性检验的p值小于0.01，即F统计量拒绝0假设犯错误的概率不足1%，表示回归模型整体解释变异量达到显著水平。其中可决系数R2（R-squared）=0.793 ，调整后的可决系数AR2（Adjusted R-squared）=0.678，估计标准误为0.317，表明这5个变量共可解释因变量“贷款额度的自然对数”79.3%的变异量，模型的拟合优度尚可。回归系数的t检验中，各个自变量回归系数的p值均能通过1%的显著性水平检验，模型是有效的。
（2）贷款模型。贷款模型中以Ln（loan）为因变量，以Ptype、Fcite、IPCs、Family、Timeexp、Age、Size、Single、Loanterm、Aft2008为自变量进行多元回归。
分析可得，贷款模型多元回归方程式可写为：
R2=0.881 F=18.9 P<0.01 D.W=1.73
（注：* 10%，** 5%，***，1%分别为通过的不同显著水平。）
为了检验样本的分布是否符合正态分布，将残差標准化得到概率分布图，根据统计分析中的相关结论，可得出该样本分布基本符合正态分布的标准，模型构建是非常有效的。
（3）结论。在专利模型中，专利类型对贷款额有正向促进作用，发明专利比其他两类专利的价值要高，意义也就更大。专利被引用次数Fcite也与贷款额成正比。同时，具有同族专利意味着该项专利得到的保护范围较大，极大的增加了贷款额度。IPCs数与贷款额之间有抵消的作用，不过影响程度较小。Timeexp对专利价值有促进作用，期限越长，质押价值越大。银行在评估风险时应该把这些属性因素考虑在内。
在贷款模型中，企业属性和控制变量与贷款额度之间有较强的相关性。Age和Size能够很大程度上对专利质押价值的大小产生影响。年龄较大的企业其融资渠道也将更广，银行也会更加青睐。Size明显的与专利质押价值有正向相关关系，表明若贷款企业的规模越大，则预期违约风险越小，银行对其可贷资金越高。控制变量Single和Loanterm都对因变量有负向影响的作用，当多项专利成组质押给银行会增加银行的信赖度，贷款期限最为常见的为1到3年，当期限越短，则贷款风险越小，越容易被银行所接受。Aft2008对专利质押价值并未呈现出显著差异，说明外在环境改变并没有产生立竿见影的效果，还有待进一步的探索。
【参考文献】
[1] 中华人民共和国知识产权局.http：//www.sipo.gov.cn/. 2017-12-25.
[2] 国务院办公厅.http：//www.360doc.com/content/.2017-09-16.
[3] 经济参考报.http：//m.sohu.com/a/.2017-08-02.