专利的货币价值评估方法，系统和应用程序技术方案

本发明专利技术实施例提供一种专利的货币价值的评估方法，所述方法包括：获得标的专利的专利因素；获得所述专利持有公司的商业数据；获得所述专利所涉及的技术在申请国的技术市场信息，所述技术市场信息至少包括所述专利的技术广度信息；基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值；所述计算模型包括计算函数和对应于所述专利因素、所述商业数据和所述技术市场信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，以及所述技术市场信息和对应的变量系数的乘积。

【技术实现步骤摘要】
专利的货币价值评估方法，系统和应用程序
本专利技术涉及计算机领域，特别涉及一种专利的货币价值评估方法，系统和应用程序。
技术介绍
技术创新是长期经济增长的主要动力。鉴于技术作为无形资产的本质，缺乏有效的估价方法一直是阻碍技术开发，转让和商业化的主要瓶颈。曾有人尝试使用不同的经典金融模型来评估新专利技术专利的价值，从简单的基于货币时间价值的财务计算方式，到非常复杂的将定量分析和定性分析结合成为一体的复杂模型。然而这些尝试的结果都不理想，原因是这些模型要么仅关注到了技术估值的某一或某几个方面，考虑因素并不全面。另外，有些模型仅仅是针对某一个特定工业/
开发的，很难被广泛运用。专利作为技术创新型初创公司保护其核心竞争力的重要无形资产，成为评价该创新型公司价值的重要依据之一。对于初创公司来讲，有时核心专利的价值几乎可以代表公司的总体价值。因此有效的技术评估方法不仅需要考虑专利的基本信息，同时也应该针对如市场供求关系，技术新颖性，互补性技术和环境等因素的影响力进行有意义的解读。现存方法中对这些指标中哪一项指标会对技术价值评估产生积极或消极的影响，其影响的量化程度到底有多大，完全没有揭露。近期随着上市公司的财务数据和专利信息可获得性越来越高，许多研究人员开始试着克服传统估值模型中的弱点，并尝试了解深层次的价值决定因素。为能够超越专注于专利制度的理论建模，有些研究试图将研究路线与专利评估实践联系起来。然而这些尝试，主要依靠简单的专利计数(例如引用文献数)来衡量创新产出，依然很难给出专利价值指标到底如何影响技术的潜在商业价值。
技术实现思路
为了较为准确的评估专利的货币价值，本专利技术实施例提供了一种专利的货币价值评估方法，系统和应用程序。所述技术方案如下：一方面，本专利技术实施例提供一种专利的货币价值的评估方法，所述方法包括：获得标的专利的专利因素，所述专利因素至少包括专利的前向引用信息，专利的后向引用信息，专利的法律状态，同族专利的申请和授权信息；获得所述专利持有公司的商业数据，所述商业数据至少包括所述公司的总资产信息和所述公司的负债比信息；获得所述专利所涉及的技术在申请国的的技术市场信息，所述技术市场信息至少包括所述专利的技术广度信息，所述技术广度信息至少体现所述标的专利所涉及的技术的可替代技术信息；基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的，所述计算模型包括计算函数和对应于所述专利因素、所述商业数据和所述技术市场信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，以及所述技术市场信息和对应的变量系数的乘积。可选地，预设的计算模型可以利用固定效益算法(Fixed-effectspanelestimator,FE，一种统计学领域的计算方法)对预选的预设数量的专利的专利因素和该预选的预设数量的专利持有公司的商业数据进行训练得到。可选地，预设的计算模型也可以用豪斯曼(Hausman)算法，对预选的预设数量的专利的专利因素和该预选的预设数量的专利持有公司的商业数据进行训练得到。可选地，所述专利因素还包括：所述标的专利的申请时间和授权时间差的对数，所述专利的权利要求的数量，所述专利的同族专利数量，所述专利的同族专利的后向引用信息，所述专利持有公司的专利总数的对数。可选地，所述同族专利的申请和授权信息包括：同族专利中向美国专利局申请的专利数量，同族专利中向欧洲专利申请的专利数量，同族专利中向国际知识产权组织申请的专利数量。可选地，所述专利的技术广度用所述专利的IPC分类号的数量或者USPC分类号的数量度量。可选地，所述专利的技术广度也可以用标的专利的欧洲专利分类(ECLA)或者合作专利分类系统(CPC)的数量来度量。可选地，所述专利的前向引用信息包括引用所述标的专利的专利文献数量和引用所述标的专利的非专利文献数量；所述专利的后向引用信息包括所述标的专利所引用的参考文献的数量；所述专利的同族专利的后向引用信息包括所述标的专利的同族专利所引用的参考文献的数量。可选地，所述技术市场信息还包括专利技术申请国可拓展和所述申请国所布局专利技术的成熟度。可选地，所述方法还包括：获得所述专利申请国的宏观经济信息，所述宏观经济信息至少包括所述申请国的宏观经济状况和技术热度信息；其中，基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值，包括：基于所述专利因素、所述商业数据、所述技术市场信息和所述申请国的宏观经济信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的，所述计算模型包括计算函数和对应于所述专利因素、所述商业数据、所述技术市场信息和所述宏观经济信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，所述技术市场信息和对应的变量系数的乘积，以及所述宏观经济信息和对应的变量系数的乘积。可选地，所述宏观经济信息用所述申请国的基础技术变化程度的形式进行度量。可选地，基于所述专利因素、所述商业数据、所述技术市场信息和所述宏观经济信息，利用预设的计算模型估算所述专利的货币价值，包括：利用如下计算模型估算所述专利的货币价值：TV＝e^{ln(axSizei,t)+bxFCiti.t+cxFNCiti.t+dxClaimi,t+fxBCiti.t+gxUSAppi,t+hxWAppi,t+jxEUAppi,t+Ln(kxGlagsi,t)+lxSDi,t+mxFSi,t+nxBFCiti,t+oxLnPati,t+pxNRIt+qxICt+txSRi,t}；其中：TV为所述专利的货币估值；FCiti.t为所述专利的前向引用信息中的引用所述标的专利的专利文献数量；FNCiti.t为所述专利的前向引用信息中的引用所述标的专利的非专利文献数量；Claimi,t为所述标的专利的权利要求数量；BCiti.t为所述标的专利所引用的参考文献的数量；USAppi,t为同族专利中向美国专利局申请的专利数量；WAppi,t为同族专利中向国际知识产权组织申请的专利数量；EUAppi,t为同族专利中向欧洲专利申请的专利数量；Ln(kxGlagsi,t)为带有变量系数k的所述标的专利的申请时间和授权时间差的对数；SDi,t为所述标的专利的技术广度；FSi,t为所述标的专利的同族专利数量；BFCiti,t为所述专利的同族专利的所引用的参考文献的数量；LnPati,t为所述标的专利持有公司的专利总数的对数；NRIt为专利技术申请国可拓展和所述申请国所布局专利技术的成熟度；ICt为所述标的专利的申请国的基础设施变化程度；Ln(axSIZEi,t)为带有变量系数a所述标的专利的持有公司的总资产的对数，SRi,t为所述标的专利的持有公司的负债比；a,b,c,d,f,g,h,j,k,l,m,n,o,p,q,r和t，分别为对应于所述本文档来自技高网...

【技术保护点】
1.一种专利的货币价值的评估方法，其特征在于，所述方法包括：获得标的专利的专利因素，所述专利因素至少包括专利的前向引用信息，专利的后向引用信息，专利的法律状态，同族专利的申请和授权信息；获得所述专利持有公司的商业数据，所述商业数据至少包括所述公司的总资产信息和所述公司的负债比信息；获得所述专利所涉及的技术在申请国的的技术市场信息，所述技术市场信息至少包括所述专利的技术广度信息，所述技术广度信息至少体现所述标的专利所涉及的技术的可替代技术信息；基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的，所述计算模型包括计算函数和对应于所述专利因素、所述商业数据和所述技术市场信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，以及所述技术市场信息和对应的变量系数的乘积。

【技术特征摘要】
1.一种专利的货币价值的评估方法，其特征在于，所述方法包括：获得标的专利的专利因素，所述专利因素至少包括专利的前向引用信息，专利的后向引用信息，专利的法律状态，同族专利的申请和授权信息；获得所述专利持有公司的商业数据，所述商业数据至少包括所述公司的总资产信息和所述公司的负债比信息；获得所述专利所涉及的技术在申请国的的技术市场信息，所述技术市场信息至少包括所述专利的技术广度信息，所述技术广度信息至少体现所述标的专利所涉及的技术的可替代技术信息；基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的，所述计算模型包括计算函数和对应于所述专利因素、所述商业数据和所述技术市场信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，以及所述技术市场信息和对应的变量系数的乘积。2.如权利要求1所述的评估方法，其特征在于，所述专利因素还包括：所述标的专利的申请时间和授权时间差的对数，所述专利的权利要求的数量，所述专利的同族专利数量，所述专利的同族专利的后向引用信息，所述专利持有公司的专利总数的对数。3.如权利要求2所述的评估方法，其特征在于，所述同族专利的申请和授权信息包括：同族专利中向美国专利局申请的专利数量，同族专利中向欧洲专利申请的专利数量，同族专利中向国际知识产权组织申请的专利数量。4.如权利要求1所述的评估方法，其特征在于，所述专利的技术广度用所述专利的IPC分类号的数量或者USPC分类号的数量度量。5.如权利要求1或2所述的评估方法，其特征在于，所述专利的前向引用信息包括引用所述标的专利的专利文献数量和引用所述标的专利的非专利文献数量；所述专利的后向引用信息包括所述标的专利所引用的参考文献的数量；所述专利的同族专利的后向引用信息包括所述标的专利的同族专利所引用的参考文献的数量。6.如权利要求1-5任一项所述的评估方法，其特征在于，所述技术市场信息还包括专利技术申请国可拓展和所述申请国所布局专利技术的成熟度。7.如权利要求1-6任一项所述的评估方法，其特征在于，所述方法还包括：获得所述专利申请国的宏观经济信息，所述宏观经济信息至少包括所述申请国的宏观经济状况和技术热度信息；其中，基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值，包括：基于所述专利因素、所述商业数据、所述技术市场信息和所述申请国的宏观经济信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的，所述计算模型包括计算函数和对应于所述专利因素、所述商业数据、所述技术市场信息和所述宏观经济信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，所述技术市场信息和对应的变量系数的乘积，以及所述宏观经济信息和对应的变量系数的乘积。8.如权利有1-7任一项所述的评估方法，其特征在于，所述宏观经济信息用所述申请国的基础技术变化程度的形式进行度量。9.如权利要求2-8任一项所述的评估方法，其特征在于，基于所述专利因素、所述商业数据、所述技术市场信息和所述宏观经济信息，利用预设的计算模型估算所述专利的货币价值，包括：利用如下计算模型估算所述专利的货币价值：TV＝e^{ln(axSizei,t)+bxFCiti.t+cxFNCiti.t+dxClaimi,t+fxBCiti.t+gxUSAppi,t+hxWAppi,t+jxEUAppi,t+Ln(kxGlagsi,t)+lxSDi,t+mxFSi,t+nxBFCiti,t+oxLnPati,t+pxNRIt+qxICt+txSRi,t}；其中：TV为所述专利的货币估值；FCiti.t为所述专利的前向引用信息中的引用所述标的专利的专利文献数量；FNCiti.t为所述专利的前向引用信息中的引用所述标的专利的非专利文献数量；Claimi,t为所述标的专利的权利要求数量；BCiti.t为所述标的专利所引用的参考文献的数量；USAppi,t为同族专利中向美国专利局申请的专利数量；WAppi,t为同族专利中向国际知识产权组织申请的专利数量；EUAppi,t为同族专利中向欧洲专利申请的专利数量；Ln(kxGlagsi,t)为带有变量系数k的所述标的专利的申请时间和授权时间差的对数；SDi,t为所述标的专利的技术广度；FSi,t为所述标的专利的同族专利数量；BFCiti,t为所述专利的同族专利的所引用的参考文献的数量；LnPati,t为所述标的专利持有公司的专利总数的对数；NRIt为专利技术申请国可拓展和所述申请国所布局专利技术的成熟度；ICt为所述标的专利的申请国的基础设施变化程度；Ln(axSIZEi,t)为带有变量系数a所述标的专利的持有公司的总资产的对数，SRi,t为所述标的专利的持有公司的负债比；a,b,c,d,f,g,h,j,k,l,m,n,o,p,q,r和t，分别为对应于所述专利因素、所述商业数据、所述技术市场信息和所述宏观经济信息中具体因素的变量系数，所述变量系数为实数。10.如权利要求1-9任一项所述的评估方法，其特征在于，所述变量系数为[-1,+1]区间内的实数。11.一种专利的货币价值的评估方法，其特征在于，所述方法包括：获得用于对标的专利进行货币价值评估的专利因素，所述专利持有公司的商业数据和所述专利所涉及的技术在申请国的的技术市场信息；所述专利因素至少包括专利的前向引用信息，专利的后向引用信息，专利的法律状态，同族专利的申请和授权信息；所述商业数据至少包括所述公司的总资产信息和所述公司的负债比信息；所述技术市场信息至少包括所述专利所涉及的技术的可替代技术信息；从获得所述专利因素，所述商业数据和所述及时市场信息中任选一种作为第一评估要素；根据所述第一评估要素和对应的变量系数对所述标的专利进行第一次价值评估；在第一次价值评估的基础上，根据第二评估要素和对应的变量系数对所述标的专利进行第二次价值评估；所述第二评估要素为所述专利因素，所述商业数据和所述及时市场信息中除去所述第一评估要素的任一种；在第二次价值评估的基础上，根据第三评估要素和对应的变量系数对所述标的专利进行第三次价值评估；所述第三评估要素为所述专利因素，所述商业数据和所述及时市场信息中除去所述第一评估要素和第二评估要素后剩余的一种；在第三次价值评估的基础上，根据所述标的专利在审查过程的审查意见对所述标的专利进行基于专利局认可度的第四次价值评估，得到基于所述第四次价值评估结果的所述专利的货币价值。12.如权利要求11所述的评估方法，其特征在于，所述变量系数是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的；所述变量系数为[-1,+1]区间内的实数。13.一种专利的货币价值评估系统，其特征在于，所述系统包括：处理器、存储器和显示屏，所述存储器用于存储一个或者一个以上的指令，所述指令被配置成由所述处理器执行；当所述指令被执行时，所述处理器执行以下步骤：获得标的专利的专利因素，所述专利因素至少包括专利的前向引用信息，专利的后向引用信息，专利的法律状态，同族专利的申请和授权信息；获得所述专利持有公司的商业数据，所述商业数据至少包括所述公司的总资产信息和所述公司的负债比信息；获得所述专利所涉及的技术在申请国的的技术市场信息，所述技术市场信息至少包括所述专利的技术广度信息，所述技术广地信息至少体现所述标的专利所涉及的技术的可替代技术信息；基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是对预选的预设数量的专利的专利因素和所述预选的预设数量的专利持有公司的商业数据按照预设的算法进行数据训练得到的，所述计算模型包括计算函数和对应于所述专利因素、所述商业数据和所述技术市场信息的变量系数，为所述计算函数的输入变量包括所述专利因素和对应的变量系数的乘积，所述商业数据和对应的变量系数的乘积，以及所述技术市场信息和对应的变量系数的乘积。所述显示屏，用于显示所述处理器执行所述指令得到的所述标的专利的货币价值。14.如权利要求13所述的评估系统，其特征在于，当所述指令被执行时，所述处理器执还行以下步骤：获得所述专利申请国的宏观经济信息，所述宏观经济信息至少包括所述申请国的宏观经济状况和技术热度信息；其中，基于所述专利因素、所述商业数据和所述技术市场信息，利用预设的计算模型估算所述专利的货币价值，包括：基于所述专利因素、所述商业数据、所述技术市场信息和所述申请国的宏观经济信息，利用预设的计算模型估算所述专利的货币价值；其中，所述计算模型是...

【专利技术属性】
技术研发人员：艾超，傅晓岚，李少濛，徐小钢，
申请(专利权)人：华为技术有限公司，牛津大学，
类型：发明
国别省市：广东,44