第1章 引言 篇

一、 大冲击与“危”“机”转换

每个时代都会出现一些影响甚为深远的大事件，进而影响产业与企业的竞争与发展趋势。之所以我们说这些大事件的发生是“影响”而不是“创生”趋势，是因为严格而言并不是这些大事件本身创造了一种新的趋势，而是这些事件作为一种触发因素，使得某种已经存在的趋势被激发、被释放、被放大，进而从一种潜在的趋势变化为一种可见的长期趋势。

就此而言，新冠疫情对产业与企业所带来的影响也是如此。并且，历经2020年的冲击与应对，中国企业已经逐步地把关注的重点从极限生存、保持现金流、寻找替代性机会转向更关注于相对长期性的趋势影响。

我们至少可以从两个角度来看待企业的应对策略。一方面，新冠疫情所带来的影响并不仅仅限于中国，也对全球经济产生了重大影响，由此引发了全球产业链重构的趋势性变化。这既可能是中国本土企业需要对冲的潜在威胁，也可能是一些本土企业所面对的机会，因为它们将获得一些切入全球产业价值链的机会。另一方面，本土企业也出现了调整业务和产品结构的需要，因为历史经验表明，环境所发生的大的变化和冲击，从更为长时间的跨度来看都会带来大规模发生的企业业务与产品结构调整。

这或许就是为什么“危机”一词同时包含了“危”和“机”的原因。

二、 韧性、技术与效率

外生性的冲击，对于那些承受这种冲击的群体，往往是面对负向的影响，不过对于其中的个体，却存在着“危”与“机”的转换。在一定的条件之下，这种冲击可以转变成机会。就实体经济中的企业而言，我们可以用如下三个关键词来概括转换条件：韧性、技术、效率。

韧性意味着企业在面对外部冲击的时候，尤其是那些难以预测的大型冲击，可以通过迅速地调整和适应来减低外生冲击所带来的影响甚至是利用这种变化所蕴含的机会。企业的韧性很大程度上来自于企业自身的内生能力以及适应变化的动态能力。而数字化的赋能，也大大增强了企业应对冲击的灵活性和韧性，这也是为什么数字化正在引起日益的关注和运用。当然，中国制造业相对于其他经济体而言会有更大的韧性，这不仅仅是因为中国更好地控制了新冠疫情，而且中国具有非常高效完备的产业链，因此企业可以通过所嵌入的产业链所具有的韧性而获得更大的生存效率。

技术也在此次冲击中体现出它的价值。我们这里所指的“技术”是广义意义上的，不仅仅包括那些以产品、专利等形式为载体的技术，也包括那些对于产品品质和提供效率存在着显著影响的工艺、流程、管理实践。在冲击所造成的宏观需求收缩，企业之间的竞争必然是加剧的，这就意味着如果无法利用差异化的优势，企业将不可避免地会陷入激烈的替代性竞争中。与此同时，那些新出现的业务机会，由于环境变化较为迅速，只有那些具有足够内生能力的企业才能真正地抓住这些机会。

效率在此情境下也更加凸显了它的价值。企业本质上可以视为将资源和能力转换成绩效的“组织装置”，企业的效率越高，越能够高效率地运用自身的资源和能力来获得更好的竞争绩效。这意味着市场将会倾向于给“效率”因素更高的估值。我们如果对比今年和往年的上市公司创新指数报告，就可以发现今年的创新指数当中，算法给出的“创新效率”权重大大提高了。这可以看作是一个新趋势的信号。效率的提升，意味着企业需要在运营和资源配置上更大程度地依赖于体系驱动以及精细化的管理，同时提升业务模式的整体效率。

三、 寻求新的趋势性增长机会

寻求趋势性的增长机会也正在成为一个重要的思考方向。毫无疑问，传统的基于劳动力密集优势的产业结构正在面对越来越为强烈的转型升级需要。如果不能寻找到更有潜力的增长空间并用创新和差异化来构建自身的竞争优势，将很难获得可持续的竞争优势和业务增长。尤其是随着中国经济实力的增强，人们的可支配收入水平在不断地提升，人们对于产品品质和品牌的需求在不断提升。根据瑞士信贷《2019全球财富报告》，截至2019年年中，中国有近1亿人财富名列全球前10%，并在人数上首次超过美国。这意味着非常庞大的潜在本土需求已经形成。不过中国的消费者已经不再仅仅满足于价格的低廉，对于品质和品牌比以往时代更愿意给予更高的付费意愿。企业需要用新的思考方式去满足这种变化的需求趋势，并在它们的产品与服务的设计和提供中充分地体现这一点。这也给了创新者更多的空间和更大的机会。

一些由于技术发展和创新所引发的新兴产业机会也正在帮助创新者获得更多的业务增长机会。这可以归结为如下一些因素。首先，这些产业变化并不仅仅是技术层面的变化，更为重要的是它将重新定义产品和服务的价值核心。例如随着数据、智能、自动驾驶等技术的引入，汽车正在从高度机电一体化的机械装置逐步转变为智能化、可拓展的移动电子终端。这导致很多传统汽车巨头正在尝试重新定义企业自身。例如2019年大众汽车CEO赫伯特·迪斯在达沃斯“世界经济论坛年会”上提出“在不远的将来，大众将成为一家由软件驱动的公司”。其次，这些变化也将会重新定义整个产品价值链并导致产业价值链上的力量分布发生变动。由于许多重要的产业机会高度依赖于产业生态的支撑，这将为创新者，不论是已经在行业中的还是那些意图切入到行业中的创新者，带来新的增长机会。

在此情境下，创新对于中国制造业而言就有了一些新的意义。创新既是中国本土制造企业寻求增长机会的杠杆性力量，也是中国在全球经济博弈和产业博弈中构建力量的重要基石。

正如习近平总书记2020年9月17日在湖南长沙考察调研山河智能装备股份有限公司的讲话所阐述的，“创新是企业经营最重要的品质，也是今后我们爬坡过坎必须要做到的。关键核心技术必须牢牢掌握在我们自己手中，制造业也一定要抓在我们自己手里。”

创新，将会成为中国制造实现光荣与梦想过程中最为重要的力量，不论是现在，还是未来。

第2章 样本篇

我们选取了中国A股上市公司为评估对象，主板、中小企业板、创业板均考虑其中。考虑到创新形态与创新能力表现形式存在行业差异，我们所覆盖的上市公司行业包括制造业、信息传输、软件和信息技术服务业、科学研究和技术服务业和综合五大类35个二级细分行业。为了保证数据的可得性、连续性和完整性，我们删减了一些企业样本，所依据的判定原则如下：

（1）2019-2020年间退市或暂停上市；

（2）2019-2020年间借壳上市；

（3）2019-2020年间发生重大资产重组；

（4）2019-2020年间主营业务变更为非研究设定的行业范围；

（5）未公布重要指标信息从而导致关键数据的缺失，例如2019-2020年财务报表缺失；

（6）2019-2021年间财务状况或其它状况出现异常而进行了特别处理（ST）。

最终进入创新指数排名的上市公司样本有2384家，这些企业在2019-2020年中数据均完整可得。

图2.1和图2.2分别为这2384家A股上市公司的行业和地区分布情况。从行业分布来看，企业数量占比位列前五名的行业分别为计算机、通信和其他电子设备制造业，专用设备制造业，电气机械及器材制造业，化学原料及化学制品制造业，以及医药制造业，上述五个行业所包含的企业数量约占总体样本的50%；从地区分布来看，企业数量位列前三甲的地区分别为广东省，浙江省，江苏省，上述三个省份的企业约占总样本的45%。

图 2.1 2384家A股上市公司的行业分布情况

图 2.2 2384家A股上市公司的区域分布情况

第3章 指数构造方法篇

在过去的三十年中，一些专业组织、科研机构以及研究学者以国家、区域、产业、企业等为对象建立了不同层面、不同形式的创新评估体系。

需要指出的是，这些基于科学调查和专家咨询的评估方法普遍存在以下一些问题：

（1）目前绝大多数的创新指数评估在指标的选取与权重的生成上高度依赖于专家的主观判断。此外，当需要评估的样本企业数量非常庞大时，评估者是否有足够的时间和精力去准确地评估也是实践上会面临的挑战；

（2）在现有的企业创新评估方法中，大多把关注点放在研发、专利活动等基于技术形式的创新，而对商业模式创新等创新形式较为忽略；

（3）现有评估方法对创新能力或指数测度的基本思路是先定义，再从逻辑出发构建指数所包含的维度。然而，考虑到创新本身就是一个较为综合而复杂的活动，刻画创新活动的不同指标不可避免地存在着信息部分重叠等问题。

为此，我们构建的中国上市公司创新指数评估方法，目标在于解决上述问题：

（1）我们希望所构建的评估方法不依赖于个人的主观判断；

（2）非技术类创新这类对公司竞争力和绩效常常也很重要的因素会被纳入评估之中；

（3）我们所建立的评估方法具有较低的评估成本，并且可以在较长的时期内追踪我们所考察的企业样本（上市公司）；

（4）对于创新缺乏广泛被认可的概念及维度的问题，我们采用信息抽取思想来解决。这意味着我们关注的是创新能力中被实现、体现出来的部分，也就是其对公司绩效的贡献。我们相信创新的意义在于对价值创造的贡献，所以我们选取了EVA作为公司绩效的反映指标。

我们所构造的上市公司创新指数包括了创新势力(innovation strength)和创新效率(innovation efficiency)两个维度。

在创新势力的评估上我们采用的基础数据包括：

（1）研发投入规模：直接反映了公司在研发上财务资源投入；

（2）研发人员规模：背后反映了公司隐性知识的数量；

（3）专利规模数据：因为专利可以被理解为企业所拥有的显性知识；

（4）平均销售利润率：一家公司创新势力很强的话，那么它在市场中将具有足够的定价能力，其反映为公司在平均销售利润率上会具有优势。

用于评估创新效率的基础数据则包括：

（1）研发强度指标：研发投入强度以及研发人员强度二者的算数平均；

（2）技术效率：通常，企业在资源利用达到最理想的情况下应该得到一个最大的潜在产出水平。然而真实产出水平往往由于资源没有得到充分利用，而低于上述理想状态（即潜在产出水平）。偏离的程度则代表了企业技术效率的高低，技术效率越高，应该越接近在理论上能达到的最大产出水平。我们衡量了在产品意义上和知识意义上两种情形下的技术效率。

（3）商业模式新颖性：我们评估了企业的商业模式偏离其所在行业平均状态的程度。这个偏离程度越大，一定程度上反映这个公司商业模式的独特性越高。

一、基础指标的数据来源与测度

（1）研发投入

研发投入数据主要来自wind数据库的“研发费用”字段；缺失的数据从对应企业的年报中进行补充。

（2）研发人员

研发人员数量主要来自wind数据库中“技术人员人数”字段；缺失的数据从对应企业的年报中进行补充。

（3）专利数量

专利数量数据全部来自国家知识产权局的专利检索系统，以上市公司为申请人，查询公开（公告）日介于2020年1月1日至2020年12月31日之间的专利总量。

（4）销售利润率

销售利润率（ROS）=税后净利润/销售额；其中，税后净利润数据和销售额数据分别来自国泰安数据库（CSMAR）的“净利润”和“营业收入”字段。

（5）研发强度

研发强度的测度有两类，分别为“研发强度_费用（研发投入/营业收入）”和“研发强度_人员（研发人员/员工总数）”。本研究所用的研发强度为研发强度_费用和研发强度_人员二者的均值，计算公式如下：

公式 3.1

研发投入、研发人员和营业收入的数据来源如前所示，员工总数数据来自国泰安数据库（CSMAR）的“员工人数”字段。

（6）技术效率

技术效率是衡量企业生产经营效率的重要指标。技术效率的计算主要利用stata 14.0软件中提供的随机前沿分析（SFA）模块，估算超越对数生产函数，具体模型如下所示：

公式3.2

其中，Q_i、K_i、L_i分别代表了增加值、固定资产净额以及员工总数。

增加值的计算方式依据收入法，其计算公式如下：

公司增加值=应付职工薪酬+应交税费+应付利息+固定资产折旧+资产减值损失+公允价值变动收益+投资收益+汇兑收益+营业利润。

员工总数数据来源如前所示，计算增加值所需的数据和固定资产净额数据均来自国泰安数据库（CSMAR）。

（7）商业模式新颖性

为了测量焦点企业同行业内其他企业商业模式平均水平的差异性（即新颖程度），我们构造了一个多维矢量，包含前五名供应商占比、前五名客户占比、营业周期、流动资产与收入比、销售费用率、非制造业占收入比共六个维度。计算公式如下：

公式3.3

其中，V_ij为焦点企业的矢量，V_j为行业平均水平的矢量。

二、评估权重生成

权重的确定一般有两种方式。一种是利用德尔菲法让专家来确定每个指标赋予的权重，但是这种方法主观性较强。本研究采用统计方法，依靠二手数据更加客观地计算出各个指标的权重，以保证测度的客观性。本研究以绩效为因变量，以创新指标为自变量，估计各个指标的权重。具体做法如下：

（1）选择因变量

EVA（经济增加值）是衡量企业为社会创造经济价值的指标。作为公司业绩的度量指标，与其他度量指标的不同之处在于，EVA考虑了带来企业利润的所有资金成本。在这个意义上，EVA更加真实地揭示了上市公司的经济业绩，可以帮助企业判断是否在当期真正为股东创造了价值。EVA数据来自国泰安数据库（CSMAR）。

（2）自变量及其无量纲化

自变量包括研发费用、技术人员人数、专利总数、销售利润率、研发强度、商业模式新颖性、技术效率等7个变量。

由于自变量的量纲不统一，各个行业之间差别很大，这样会增大估计的误差。因此，为了使得回归中的跨行业存在可比性，我们首先将自变量中的各个指标剔除行业均值，从而排除行业带来的差异。然后按照以下公式（公式3.4），将所有自变量的取值统一在0-10范围内，便于模型的回归。

公式3.4

其中，x_i表示自变量x的第i个观测的取值，x_max和x_min分别表示自变量x的最大值和最小值，Z_i表示x_i无量纲化后的取值。

（3）回归分析与权重计算

因变量为2019年的EVA，自变量为2018年无量纲化之后的研发费用、技术人员人数、专利总数、销售利润率、研发强度、商业模式新颖性、技术效率，控制变量为2018年的员工总数和企业年龄。本指数采用OLS进行回归。第1个模型为基础模型，只放入控制变量。第2到第8个模型，每个模型都在前一个模型的基础上新增一个自变量，最终得到8个回归结果。因为回归模型衡量了该模型中自变量和控制变量对因变量的解释程度，而每新增一个自变量进入回归模型都会导致解释程度的增大（或者不变），因此，新增一个自变量所导致的回归模型的增加值代表了该自变量对因变量的贡献。每个自变量权重的计算公式如下：

公式3.5

其中，Wi表示第i个模型在第i-1个模型的基础上新增的自变量的权重。

值得注意的是，自变量放入模型的顺序会影响该自变量的权重。为了消除这一问题，本研究穷举全部7个自变量可能进入模型的顺序，共计35280种可能的组合，对每种组合进行回归，然后计算各个自变量的权重，然后对每个自变量的权重求均值作为该自变量最终的权重。根据上述方式，我们可以算出每个指标的权重。

（4）得分计算

创新指数得分分为“创新势力”和“创新效率”两个维度。其中，“创新势力”得分的计算基于规模型指标，“创新效率”得分的计算则基于效率型指标。在计算创新指数得分时，我们对每个指标进行无量纲化处理，且无量纲化不预先去除行业均值。

创新指数得分的计算公式如下：

公式3.6

其中，X₁~X₇分别是无量纲化之后的研发投入、研发人员、专利数量、销售利润率、研发强度、商业模式新颖性和技术效率，Wi表示第i个变量的权重。为了将创新指数得分的取值范围变为0~100，

本研究在的基础上乘以10。

创新势力得分的计算公式如下：

公式3.7

其中，X₁~X₄分别是无量纲化之后的研发费用、技术人员人数、专利总数和销售利润率。为了将创新势力得分的取值范围变为0~100，

本研究在的基础上乘以10。

创新效率得分的计算公式如下：

公式3.8

其中，X₅~X₇分别是无量纲化之后的研发强度、商业模式新颖性和技术效率。为了将创新势力得分的取值范围变为0~100，

本研究在的基础上乘以10。

第4章 投资组合收益篇

创新指数是反映我国制造业上市公司创新能力和效率综合水平情况的指标。从所包含的内容来看，创新指数主要通过规模型指标和效率型指标来测算每个企业在创新投入、创新产出、创新强度和效率等各个方面的表现。具体而言，创新规模型指标包括创新资金投入、研发人员、专利情况、销售利润率，主要反映的是创新势力；创新效率型指标包括创新强度、技术效率和新颖性指标，主要反映的是创新效率。

创新对于企业绩效的重要性不言而喻，但对于资本市场来说创新指数能否作为企业投资新的风向标？换句话说，对于投资者，是否能把企业的创新能力作为一个重要的参考维度？

一、根据 2021 年创新指标排名前 50 上市公司构造投资组合样本

我们首先选取了2020年创新指数报告中创新效率和创新势力分别排名前50的上市公司作为投资组合，依据如下步骤来计算所构造的投资组合的收益率。由于企业年报大多在五月下旬披露，本研究选取2020年5月31和2021年5月31日两个节点（两个时间节点之间为一年投资周期）。

首先我们确定投资组合中各个样本公司的投资权重。以样本企业2020年5月31日市值除以当日投资组合中所有样本企业总市值作为该样本企业在整个投资组合中的投资权重；然后我们再分别计算样本企业在2020年5月31日和2021年5月31日这一周期内的投资收益率。我们采取的方法是用复权后的2021年5月31日收盘股价减去复权后的2020年5月31日收盘股价，再除以2020年5月31日收盘股价作为样本企业的收益率。

由此我们可以算出投资组合的收益率，公式如下：

投资组合收益率 =公式 4.1

其中：

=i股在2020年5月31日市值除以当日样本公司总市值

=i股在2020年5月31日收盘股价

=i股在2021年5月31日收盘股价

同时，为了进行收益率比较，我们选取了上证指数、上证50、上证180、深证100、深证300、沪深300等主流指数作为比较基准。我们选取2021年5月31日这些基准指数的收盘指数，再除以2020年5月31日的收盘指数，由此计算出基准指数在此期间的收益率。结果显示，我们所构造的投资组合收益率分别为54.70%和65.41%，远超上述所有基准指数收益率。（见图4.1）

二、根据2018- 2020年三年创新指标排名均处于前五十的企业构成的投资组合样本

此外，我们选取了在2018-2020年间创新效率和创新势力分别排名皆在前五十的企业（分别为27家和11家）作为研 究样本，计算2020年到2021年的投资收益率，按照三年创新指数排名进行样本筛选的原因在于：

（1）创新到业绩提升通常会存在一定的时间差

（2）按照三年来进行筛选可以滤除少数年份存在的特异性，从而使筛选出来的样本更具有稳健性

结果显示，2018-2020年连续排名前五十的样本企业所构成的投资组合收益率分别为51.52%和69.83%，远超上述所有基准指数收益率。

图 4.1 创新指数投资组合与基准指数收益率比较

第5章 城市分析篇

一、创新型公司城市集聚

企业是一个地区经济发展的内生力量，我们选取了创新指数排行榜上前500强的企业进行城市分布分析。在创新指数排行榜排名前500强的企业，可以较好地体现出不同城市在培育创新型企业上所取得的成效，并在一定程度上反映出不同城市在区域创新系统上的有效性和吸引力。

在整体分布上，我们可以看到创新型公司存在着明显的区域集中趋势。创新指数500强公司总部在分布上主要集中于上海、北京、深圳、杭州、广州、南京等地。如图5.1所示，前500强公司中，有207家分布在这六个城市（上海56，北京50，深圳39，杭州30，广州18，南京14）。大部分500强企业集中分布在东南沿海与一线城市，中西部、东三省有部分城市拥有创新指数500强企业，但整体数量较少且分布较为零散，此外今年出现大量城市企业上榜数量并列的情况（见图5.2）。

与去年相比， 总部在上海的公司增加了14家，同比增加33%；北京的公司减少了8家，同比下降14%；在深圳的公司减少了4家，同比下降9%；在杭州的公司减少了1家，同比减少3%；在广州的公司增加了4家，同比增加29%；在南京的公司数量未变化。

图 5.1 创新指数500强企业总数主要城市分布

图 5.2 创新指数上榜企业城市前30强

注：嘉兴市，临海市，乌鲁木齐市，芜湖市，西安市，徐州市，淄博市并列第三十名

二、 行业分布有同有异

每个城市都有自己的定位，优势和角色。总体来看，上北深杭广宁（南京）的创新型公司在行业分布上既有共性，又在一定程度上体现了区域性的特色与优势。

从六大城市创新指数优势企业的行业分布来看，整体上，除广州市和南京市外，其他四个城市创新指数前三名均涉及计算机、通信和其他电子设备制造业。上海市创新指数排名第二的企业是上海贝岭；北京市创新指数排名第二的企业是紫光股份；深圳市创新指数排名第一的企业是汇顶科技；杭州市创新指数排名一二的企业是海康威视和大华股份，同属计算机、通信和其他电子设备制造业；而广州市和南京市创新指数排名第一的企业分别是达安基因与健友股份，同属医药制造业。具体来看，城市创新指数表现亮眼的企业又各具城市特色。上海市创新指数位居第一的企业为上汽集团，属于汽车制造业，且与第二名上海贝岭拉开明显差距；北京市创新指数排名第一的企业三一重工属于专用设备制造业；杭州市创新指数前两名企业均属于计算机、通信和其他电子设备制造业；广州市创新指数排名第二的新媒股份属电信、广播电视和卫星传输服务；深圳市创新指数排名前三的企业是汇顶科技，迈瑞医疗和华大基因；南京市排名前三的企业为健友股份，华设集团和亿嘉和。

从六大城市创新指数上榜企业数量的行业分布来看，首先整体行业分布上，如图5.3所示，计算机、通信和其他电子设备制造业，软件和信息技术服务业，医药制造业等行业上榜企业数量最多。

其次，具体城市行业分布上，如图5.4所示，上北深杭广宁6个城市的计算机、通信与其他电子设备制造业，软件与信息技术服务业，医药制造业上榜企业数量均占本市上榜创新指数500强的企业数量比例较高，存在共性。

一部分城市计算机、通信与其他电子设备制造业，软件与信息技术服务业占比表现更优。例如上海市上榜的56家公司中，计算机、通信与其他电子设备制造业共9家企业上榜，占上海市上榜创新指数500强企业数量的16%，占比排名第一，软件与信息技术服务业上榜企业数量占比14%，位居第二；坐落于北京的50家入榜企业中，软件与信息技术服务业共10家公司上榜，占北京市上榜创新指数500强数量的20%，占比排名第一，计算机、通信与其他电子设备制造业上榜企业数量占比18%，排名第二；杭州和北京相似，软件与信息技术服务业共4家公司上榜，占杭州市上榜创新指数500强企业数量的13%，占比排名第一，计算机、通信与其他电子设备制造业上榜企业数量占比10%，占比与互联网与相关服务业并列第二。

另一部分城市计算机、通信和其他电子设备，医药制造业占比表现较好。例如深圳市计算机、通信和其他电子设备业共10家公司上榜，占深圳市上榜创新指数500强数量的26%，占比排名第一，医药制造业紧随其后，共6家公司占深圳市上榜创新指数500强数量的15%，排名第二；广州市医药制造业共3家公司上榜，占广州市上榜创新指数500强数量的17%，占比排名第一，计算机、通信和其他电子设备业共2家公司，占广州市上榜创新指数500强数量的11%，排名第三；南京市医药制造业共2家企业，占南京市上榜创新指数500强数量的14%，排名第二，计算机、通信和其他电子设备共1家企业，占比7%，排名第三。

图 5.3 六大城市创新指数500强企业行业分布图

图 5.4 六大城市创新指数500强企业行业分布对比图

除共性之外，不同城市行业分布又各有特性。如图5.5-5.10所示，上海市电气机械及器材制造业，汽车制造业表现较为突出； 北京市互联网和相关服务，交通运输设备制造业表现较好；深圳市医药制造业与电气机械及器材制造业表现较好；杭州市表现较好的企业围绕计算机、软件、互联网展开；广州市医药制造业表现突出，排名第一；南京市化学原料及化学制品制造业和医药制造业与去年相似，说明相关企业持续发力创新。同时广州深圳上海均有纺织服装、服饰业企业上榜。

图 5.5 上海市创新指数 500 强企业行业分布图

图 5.6 北京市创新指数 500 强企业行业分布图

图 5.7 杭州市创新指数 500 强企业行业分布图

图 5.8 深圳市创新指数 500 强企业行业分布图

图 5.9 广州市创新指数 500 强企业行业分布图

图 5.10 南京市创新指数 500 强企业行业分布图

三、创新指标有待提升

进一步分析各城市的创新指数我们可以发现，首先，企业数目最高的城市未必是创新势力或创新效率最高的城市，这种情况在城市创新效率排名中尤为明显。如图5.11所示，各市创新势力排名中，深圳、上海、北京市内企业数目较多，但其创新势力排名相对靠后，其中深圳市排名第八，上海市排名第十一，北京市排名第十九。前三名城市为佛山市，绍兴市与合肥市。创新势力较高的城市集中于长三角与珠三角地区。

而如5.12所示，各市创新效率排名中，企业数量和排名不匹配情况更为明显，济南市，绍兴市，湖州市，珠海市，杭州市，上海市分别位列前六名。令人惊讶的是，上榜企业数量最多的深圳市仅排名第二十三，可能与企业年龄平均较大相关。创新效率较高的城市集中于长三角地区。

图 5.11 各市创新势力排名

图 5.12 各市创新效率排名

同时，创新势力排名较高的城市未必是创新效率较高的城市。首先，我们将31个城市按照创新势力和创新效率的均值排名划分为四象限。如图5.13所示，第一象限为高势力 - 高效率城市，以绍兴，济南，宁波和南京为首，均位于两个排名前十名，创新势力、创新效率整体表现较好；第二象限是低势力 - 高效率城市  ，包括杭州、北京、湖州、厦门，这些城市创新效率方面具有较大优势，创新势力有待提高；第三象限为高势力 - 低效率城市，包含合肥、武汉、深圳、常州，这几个城市在创新势力方面具有较大优势，但其创新效率有待提升；第四象限是低势力 - 低效率城市，包含重庆、淄博、长沙、苏州、天津、西安等城市，这些城市在两项指标上表现均不突出。

图 5.13 各市创新势力-创新效率排名散点图

其次，我们将六大城市按照创新指数500强上榜企业创新势力和创新效率的均值排名划分为四象限。如图5.14所示， 第一、四象限为均衡型城市，上海市与南京市500强上榜企业创新势力、创新效率整体表现较为均衡；第二象限是  效率主导型  城市  ，包括北京、广州，这些城市的优势企业在创新效率方面表现较好，创新势力有待提高；第三象限为  势力主导型  城市，包含深圳、杭州，这些城市优势企业在创新势力方面表现较好，但其创新效率有待提升。

图5.14六大城市500强上榜企业创新势力-创新效率排名散点图

第6章 省份 分析篇

一、创新指数 500强 企 业 的省级分布

在第五章我们分析了创新指数500强企业在各城市的分布，我们可以来看一下，从省份的角度，以上500强企业呈现怎样的分布状态。为了进行区域分布的统计，我们先将创新指数500强企业按省份、自治区和直辖市划分，可以看出，这些企业主要分布在广东省（包括深圳，共81家）、浙江省（75家）、江苏省（59家）、上海市（56家）、北京市（50家）、山东省（39家）和福建省（19家）。具体见图6.1。

图6.1创新指数 500 强企业各省分布数目

二、省级创新指数500强企业的行业分布情况

由于北京市和上海市已在上一章“城市分析”部分进行分析，在此不做重复分析和描述，我们将着重分析广东、浙江、江苏、山东和福建5省的创新指数500强企业行业分布。从各行业企业数量分布来看，各省排名前三的行业主要包括专用设备制造业、计算机、通信和其他电子设备制造业、医药制造业、电气机械及器材制造业。例如，坐落于广东省的81家创新指数500强企业中，近20%的企业属于计算机、通信和其他电子设备制造业，其次是电气机械及器材制造业和医药制造业（各有11家企业，各占广东省创新指数500强企业总数约13.6%）。而今年浙江省、江苏省和福建省企业数目占比前三的行业有一定特色，浙江省排名并列第一的行业除医药制造业和专用设备制造业以外，还有化学原料及化学制品制造业（各有7家企业，各占浙江省创新指数500强企业总数约9.3%），江苏省排名第一的行业为化学原料及化学制品制造业（8家企业，约占江苏省创新指数500强企业总数的13.6%），福建省排名第二、三的行业分别为软件和信息技术服务业（3家企业，约占福建省创新指数500强企业总数的26.3%）和互联网相关服务（2家企业，约占福建省创新指数500强企业总数的15.8%），具体见图6.2。

图6.2创新指数500强企业各省行业分布

三、各省创新势力-创新效率排名情况

为了综合比较各省创新势力-创新效率排名，我们先将2384家样本企业按省份、自治区和直辖市划分，考虑到部分省份企业数目过少会导致不能体现省级指标平均意义的问题，我们剔除了省内样本上市公司数量低于30家的省份。经过剔除后，进入排名的省份为16个。基于此，我们计算各省内A股上市企业的创新势力和创新效率的均值、最小值和最大值。从创新指数得分而言，上海、浙江省、北京、山东省、福建省位列前5名。创新势力前5名为安徽省、上海、湖北省、河北省、山东省；创新效率前5名为上海、浙江省、北京、山东省、福建省。

我们发现，各省间创新势力得分较为平均，但省内差距明显。具体而言，各省的创新势力均值在[27.75，28.82]区间内波动，而省内A股上市企业之间相比，创新势力最小值和最大值相差较大。例如，广东省内企业创新势力最小值是7.64，而最大值达到59.77。另一方面，各省的创新效率得分有一定差距，且省内差距突出。省间的创新效率在[27.34，42.71]之间波动，且省内创新效率波动范围较大。以创新效率得分排名第一的上海为例，其得分最小值为0.01，而最大值为94.38。

然后，我们将以上16个省份按照创新势力和创新效率均值排名划分为四个象限（如图6.3所示）。

图6.3各省平均创新势力-效率排名矩阵

注：图中横轴为各省创新势力均值的排名，从左至右随着数字减小，创新势力随之  增加；纵轴是各省创新效率均值的排名，从下至上随着数字减小，创新效率也随之增加，下同。

我们可以把省份、直辖市划分为如下四类：一是高势力-高效率省份，以上海、北京、浙江、山东为主，其创新势力、创新效率的排名均领先于其他各省。二是高势力-低效率省份，以安徽、湖北、河北、广东为主，这四个省份在创新势力方面具有较大优势，但创新效率上尚有所欠缺。三是低势力-高效率省份，与第二类相反，以江苏、四川、河南、福建为主，这类省份的创新效率优势较强，但创新势力仍有待提升。四是低势力-低效率省份，以江西、湖南、天津、辽宁为主，这些省份在创新指数的两个分项指标的表现上都不突出。

值得指出的是，第一，省域创新水平与其GDP水平并不必然呈现较强的相关性。在某些省份，拥有高的GDP并不意味着有较高的创新势力和效率，反之亦然。例如，2020年GDP排名全国前五省——广东、江苏、山东、浙江、河南，仅山东、浙江的创新势力和效率排名跻身第一阵营。

第二，省域创新效率与创新势力之间也不必然存在着匹配关联。比较创新效率、创新势力两张排行榜可以发现，一些在创新势力排行榜中排名靠前的省份，在创新效率方面仍然存在较大的提升空间。相反，江苏省、四川省、河南省、福建省等创新势力优势相对较小的省份，在创新效率方面仍然存在较大优势。

第三，与2019年相比，江苏省创新指数得分相对排名有明显的提高。从创新指数来看，江苏省从2019年至2020年上升了5个位次。从创新势力来看，安徽省、浙江省进步明显，从2019年2020年分别上升了6、5个位次。从创新效率来看，省份排名变化不大，浙江省与江苏省从2019年至2020年分别上升了2个位次。

四、各省创新势力-创新效率排名前四分之一企业的创新指数分项指标情况

为避免得分相对较低的企业对各省均值结果可能存在的较大影响，我们选取各省创新效率和创新势力排名前25%的企业重新计算各省创新效率和创新势力均值，并得到如下结果（见图6.4所示）。

图6.4各省前四分之一企业的平均创新势力-效率排名矩阵

与图6.3相比，我们发现一些省份的排名发生了明显变化。其中，排名提高明显的是安徽省与湖北省，均从高势力-低效率省份上升为高势力-高效率省份；排名下降明显的是浙江省，从高势力-高效率省份下降为低势力-高效率省份，以及江苏省，从低势力-高效率省份下降为低势力-低效率省份。从分指标来看，在创新势力方面，北京排名提高最多，上升了6个位次，安徽省排名下降最多，变动了7个位次；在创新效率方面，安徽省排名提高最多，上升了6个位次，河南省排名下降最多，变动了4个位次。这说明在分析省域范围的创新指数水平时，我们不仅要关注省内创新表现卓越的企业，更要注意位于“长尾”的企业对省内创新指数的影响。排名提升较大的省份，一般是排除了省内分指标排名位列“长尾”的企业的影响；排名下降较大的省份，相对而言省内企业实力分布更为平均。

此外，与2019年的各省前四分之一企业平均创新势力-效率排名相比，少数省份排名发生明显变化：其中，湖北省排名明显提高，从高势力-低效率省份上升为高势力-高效率省份，浙江省排名也明显提高，从低势力-低效率省份上升为低势力-高效率省份；而河北省表现相比去年有所下降，从高势力-高效率省份降为高势力-低效率省份，这反应出市场波动对企业创新表现的影响。但整体而言大部分省份排名波动较小，这表明2020年由疫情带来的经济冲击并没有大幅影响各省前四分之一企业的平均创新表现，体现出创新有助于企业保持稳定的运营状态。

第7章 时间趋势篇

图7.1各省创新指数 500强企业总数趋势

图7.1为各省拥有的创新指数500强企业总数。其中，剔除了省内包含500强企业总数小于25家的省份，最终剩余6个省。在 2020 年，广东省（含深圳市）有81家企业进入创新指数500强榜单，连续位列第一名。浙江省上榜企业数量较 2019年增加了5家至75家，其自2017年起拥有的500强企业总数连续四年位列第二名，成功进入北上广所代表的中国发达地区行列。江苏省没有维持2019年的上涨趋势，拥有的500强企业总数回落至59家，但仍位居第三。此外，上海、山东拥有的500强企业总数连续两年保持增长，2020年均增加了7家。相比之下，北京拥有的500强企业总数连续两年呈现小幅下降，目前共50家。

如图7.2所示，省内创新指数500强企业的平均排名呈现出不同的趋势。山东省发展趋势最好，不仅上榜企业数量增加，而且上榜企业的平均排名也有进步，实现了企业数量和企业质量的综合提升。相比之下，江苏省的上榜企业数量和质量均有所下降。北京市 500强企业的平均排名连续两年呈现进步趋势，需要在企业数量上进一步努力；而广东、浙江500强企业的平均排名则连续两年呈现小幅下降，需要在企业质量上进一步加强。

图7.2省内创新指数 500强企业平均排名趋势

图7.3各行业创新指数500强企业总数趋势

图7.3为各行业拥有的创新指数 500 强企业总数。其中，剔除了行业内包含 500 强企业总数小于 25 家的行业，最终剩余 6 个行业。从创新指数 500 强企业的行业分布来看， C27 （医药制造业）、C39（计算机、通信和其他电子设备制造业）和 C35 （专用设备制造业）位列上榜企业总数前三名，除计算机、通信和其他电子设备制造业呈现下降趋势之外，另外两个行业均呈现上升趋势，且专用设备制造业首次进入前三名。

在剩余三个行业中， C26 （化学原料及化学制品制造业）下降幅度最大，拥有的创新指数 500 强企业总数减少了 11 家； C38（电气机械及器材制造业）拥有的创新指数 500 强企业总数连续两年出现增长， I65（软件和信息技术服务业）较 2019 年无明显变化。

图7.4行业内创新指数 500强企业平均排名趋势

从行业上榜企业平均排名来看， 2020 年六大行业呈现单边优势显著的局面。尽管C39（计算机、通信和其他电子设备制造业）、 C35（专用设备制造业）和I65（ 软件和信息技术服务业 ）的上榜企业平均排名较2019年有所下降，但上榜企业总数有所上涨。与之相反，C27（医药制造业）、C38（ 电气机械及器材制造业 ）和C26（ 化学原料及化学制品制造业）虽然平均排名较 2019 年有所下降，但上榜企业数量实现增长。

此外，在样本全部2384家企业中，有404家互联网+企业。在2019年，有36家互联网+企业进入创新指数500强榜单，上榜率为18.85%；上榜企业的平均排名为225.03 。在 36 家上榜企业中，超过所在行业的平均排名和超过所在省份的平均排名的企业均为 22 家（比例均为 61.11% ）。

在 2020 年，有 56 家互联网 + 企业进入创新指数 500 强榜单，上榜率为 13.86% ，较上年有所下降；上榜企业的平均排名为 200.68 ，较上年有所下降。在 56 家上榜企业中，有 33 家超过所在行业创新指数的平均排名（比例为 58.93% ），有 34 家超过所在省份创新指数的平均排名（比例为 60.71% ）。以行业平均水平和省份平均水平来看，在 2020 年，互联网 + 企业的创新情况较 2019 年有所下降。

第8章 剔除 EVA 为负的企业后的投资组合收益篇

重要声明：如下基于上市公司创新指数进行的投资组合收益率的分析，仅出于学术研究目的，不构成任何对证券市场投资操作的建议。

在本报告第四章中，我们将创新指数2020和创新指数2018-2020连续三年进入创新效率、创新势力排名前50的企业分别构建投资组合，以市值作为权重计算它们的投资组合收益率，并将其与相关A股股市行情指数收益率对比。然而，我们需要考虑一个重要因素，即企业的EVA估值，会直接作用到企业的价值，从而影响前述的投资组合收益率。因此，在这一章节中，我们剔除EVA为负值的企业，以同样方式计算投资组合收益率，再将结果与股市行情指数收益率比较。

一、根据 2020 创新指标排名剔除 EVA 为负的企业构造投资组合样本

从投资决策的角度，在T年中进行的投资决策只能依据第T-1年的信息来进行。因此在构造2021年投资组合决策时，我们将使用2020年A股上市公司的创新指数排名信息来构造投资组合样本。

我们发现，2020年创新效率排名前50强的上市公司中，有15家企业EVA估值为负，占50强数目的30%；创新势力排名前50强的上市公司中，有5家企业EVA估值为负，占50强数目的10%。因此我们剔除EVA为负值的企业，重新得到2019年创新效率排名和创新势力分别的50强企业名单。在此基础上我们构建投资组合，并依据如下步骤来计算所构造的投资组合的收益率。由于企业年报大多在5月下旬披露，本研究选取2020年5月31日和2021年5月31日两个节点（两个时间节点之间为一年投资周期）。

首先我们确定了投资组合中各个样本公司的投资权重，以样本企业2020年5月31日市值除以当日投资组合中所有样本企业总市值作为该样本企业在整个投资组合中的投资权重。

然后我们再分别计算样本企业在2020年5月31日和2021年5月31日这一年周期内的投资收益率。我们采取的方法是用复权后的2021年5月31日收盘股价减去复权后的2020年5月31日收盘股价，再除以复权后的2020年5月31日收盘股价，作为样本企业的收益率。投资组合收益率公式与第四章相同，因此不做赘述。

同时，为了进行收益率比较，我们选取了上证指数、上证50、上证180、深证100、深证300、沪深300等主流指数作为比较基准。我们选取2021年5月31日的这些基准指数的收盘指数减去2020年5月31日的收盘指数，再除以2020年5月31日的收盘指数，由此计算出基准指数在此期间的收益率。

结果显示，我们通过创新效率得分排名前50所构造的投资组合收益率为70.06%，超过了上证指数、上证50、上证180、沪深300、深证100和深证300等六项基准指数的同期收益率；与此同时，通过创新势力得分排名前50所构造的投资组合收益率为47.06%，超过了除深证100以外的其它基准指数的同期收益率（如图8.1）。

同样的，在剔除EVA为负的企业后，我们选取了2020年创新效率和创新势力分别排名30强的上市公司，重复了以上操作，并将投资组合收益率与主流股市行情指数对比。我们通过创新效率得分排名前30企业所构造的投资组合收益率为68.55%，超过了上证指数、上证50、上证180、沪深300、深证100和深证300等六项基准指数的同期收益率；与此同时，通过创新势力得分排名前30所构造的投资组合收益率为52.96%，超过了除深证100以外的其它基准指数的同期收益率（如图8.1）。

二、根据2018-2020年三年创新指标排名剔除EVA为负的企业构造投资组合样本

此外，在剔除EVA为负的企业的基础上，我们也选取了在2018-2020年连续三年创新效率以及创新指数排名处于前50的企业构成投资组合样本，我们由此得到了由13家创新效率排名靠前以及17家创新势力排名靠前的上市公司形成的投资组合。

结果显示，由在2018-2020年间创新效率排名皆在前五十的样本企业所构成的投资组合收益率达到了69.41%，而2018-2020年间创新势力排名皆在前五十的样本企业所构成的投资组合收益率则为43.26%（如图8.1）。

图 8.1 剔除 EVA 为负的企业后各指数投资组合收益率

附录

一、2020中国上市公司创新指数500强

公司排名1-100

公司排名101-200

公司排名201-300

公司排名301-400

公司排名401-500

二、 2020中国上市公司创新势力200强

公司排名1-100

公司排名101-200

三、  2020中国上市公司创新效率200强

公司排名1-100

公司排名101-200