提供全球范围内的专利查新服务。查新检索是针对业已完成的技术构思或技术方案与世界范围内公开了的技术信息进行比对,最终形成查新检索报告。

       企业可根据查新检索结果 :

      (1)判断该技术方案是否具有新颖性 。

      (2)是否有竞争对手已经进行相同或类似技术方案的专利申请 。

      (3)发现潜在的竞争对手 。

       针对某项技术特征或产品,在目标国家/地区结合产业环境和相关法律法规了解当地专利技术与竞争对手的动向,发现来自该国家/地区潜在的专利风险,预先制定应对方案,尽早发现可能出现专利纠纷的隐患。

      企业可根据专利预警结果 :

      (1)发现潜在侵权风险 。

      (2)预先制订应对方案 。

      (3)对竞争对手进行早期监控 。

       专利是企业的核心竞争力,透过对专利数据进行整理、统计、分析可形成有用专利信息,再通过专利分析师的归纳解析,形成对企业具有价值的专利情报。

      企业可通过专利情报分析 :

      (1)洞察竞争对手技术的发展脉络 。

      (2)发现行业出现的新兴技术 。

      (3)寻找合作伙伴 。

      (4)确定研究战略和发展方向 。

      此外,德高行公司自主研发的技术趋势预测模型,更可对技术发展趋势提供客观科学的预测结果,协助企业拟定研发方向、制订专利申请策略及做为判断专利维护的参考依据。

       从研发项目到专利的转换,是发明人面对的一个难题。在面对一个研发项目时,企业往往面临不知如何挖掘出具有价值的专利的问题。透过专家系统性的剖析,协助企业从研发项目中挖掘出具有可申请专利的技术点,再进一步透过专利布局的思维,建构出技术的专利壁垒。

       企业获得的效益 :

      (1)对技术成果形成完善的专利保护 。

      (2)取得专利量上的增加 。

      (3)合理化专利申请的类型,节省专利申请的经费 。

       好技术与好专利往往无法划上等号,在专利撰写过程中因为为人为的因素而使得一件专利价值无法充分体现情况时有所闻,因此专利的强弱与其价值之间的具有密不可分的关连。德高行公司利用大数据演算的方法,以客观的数学模型对专利的强度及价值提供科学的参考依据。

       面向企业,企业可利用专利强度评估或价值评估 :

      (1)判断代理机构撰写专利的质量 。

      (2)专利交易过程中对专利的价值评估 。

      (3)专利是否应继续缴纳维护费用

      面向政府,政府部门可利用专利强度评估或价值评估 :

      (1)政府项目的扶持选择

      (2)扶持基金的投资标的 。

      (3)科技成果转化效益评价 。

       企业被指控产品侵权或发现有人疑似侵权时,首要应确定侵权是否成立及侵权范围,厘清侵权程度,再根据结果采取相应措施。

       对于专利保护范围的判断,需要具备专业的专利知识,根据侵权比对原则抽丝剥茧逐步厘清产品或行为是否构成侵权,藉由专利侵权分析的结果,可以更好的拟定应对策略,减少因侵权而产生的各种经济损失。

       企业在几种情况下需要进行专利侵权分析 :

      (1)发现疑似有人有侵权行为时 。

      (3)产生专利纠纷时 。

       传统知识产权授课方式为讲师授课、学员听讲,课程结束后学员往往无法将学习到的知识落入日常工作环节中,使得培训效果大打折扣。德高行知识产权培训颠覆传统讲师授课方式,针对不同层次需求、不同客户对象开办定制化的培训课程。通过培训讲师多年授课经验,从法规解析到实务案例操作,由浅入深循序渐进的系统化教学方式,奠定企业知识产权基础概念,提升企业知识产权水平。

       (1)藉由培训让参与学员了解到知识产权在企业总体战略发展上占有巨大的影响力,并更加清晰地学习到国内专利制度与各国专利制度在规范与审查上的差异性。

       (2)实际在线操作各国专利检索平台,让学员掌握专利检索的方法与技巧,从中获得专利检索这项不可或缺的工作能力。

       (3)通过实际案例的分组讨论,将艰深的专利观念转化为容易理解的专利知识,将专利知识实际应用在日常工作环节中

       技术预测是通过『可控制』的科学方法(Methodalogy)与工具,对不确定的未来技术发展进行系统化的研究,以降低未来技术发展的不确定性,更提高其可控制性。

       (1)藉由培训让参与学员了解到知识产权在企业总体战略发展上占有巨大的影响力,并更加清晰地学习到国内专利制度与各国专利制度在规范与审查上的差异性。

       (2)实际在线操作各国专利检索平台,让学员掌握专利检索的方法与技巧,从中获得专利检索这项不可或缺的工作能力。

       (3)通过实际案例的分组讨论,将艰深的专利观念转化为容易理解的专利知识,将专利知识实际应用在日常工作环节中

      技术预测的主要方法可以分成两大类,即专家意见法与数理统计法。其中,专家意见法的耗时较长,且容易受到专家主观因素的影响;而数理统计法的耗时较短、速度较快,只要数据搜集正确,在合理的误差要求下,其准确度较高。对数理统计法而言,最关键的是数据源,市场销售数据及专利数据是两种最核心的数据源。其中,专利数据通常领先市场销售数据多达数年,且包含更丰富的技术情报,因此愈趋重要。

       德高行的专利趋势预测模型,即为基于专利大数据与数理统计法所发展的时间序列技术预测模型,包含有长期预测模型与短期预测模型两种。

       德高行长期预测模型为一种成长曲线模型。成长曲线模型认为技术的发展规则如同生态学中的生物数量发展过程,会经历萌芽、成长、成熟、衰退等四个阶段,进而产生相似的更迭现象。成长曲线模型所呈现时间序列曲线呈现S的形状,故一般常称为「S曲线模型」。

       珀尔曲线(Pearl Curve)方程式是最常用之S曲线方程式,为对称的图形,方程式如下 :

其中,y为因变量、t为自变量(时间)、exp为自然对数、L为成长极限(未知)、a与b为控制参数。当预先设定了L、a与b,只要给定任意时间t,就能得到该时间所相应的t。

      将珀尔曲线(Pearl Curve)方程式使用在专利趋势预测,其中,y为因变量(积累专利数)、t为自变量(时间)、e为自然对数、L为成长极限(技术发展到极限时的积累专利数最大值)、a与b仍为控制参数。然而实际使用珀尔曲线(PearlCurve)方程式进行技术预测时,遇到的难题是L、a、b 都是未知,此时如何以检索得到的离散专利数据进行预测?

      德高行的贡献即在此。德高行发展出一项智能优化演算法(专利号CN2013102222149),能够根据检索得到的离散专利数据,在误差极小化的要求下,演算得出最佳的L、a与b,并自动生成S曲线;再通过高斯分布,计算出S曲线中的萌芽期、成长期、成熟期与衰退期。

       当技术发展在萌芽期时,竞争少、风险高、产品少见 。

       当技术发展在成长期时,技术关键已经突破、风险适中、竞争适中、是最佳的发展阶段 。

       当技术发展在成熟期时,技术风险低、但竞争者多、市场上出现类似产品、专利诉讼也多 。

       当技术发展在衰退期时,技术风险低、产品营业额高但利润率低、市场上出现取代型产品 。

       专利长期预测对于研发投入的决策、专利申请布局的规划、专利维护运营的方案,能够起到巨大的情报支持效果 。

      德高行的专利短期预测模型特别是适用于技术发展特别新、特别快、或是有特定政策支持的技术及产品。

      德高行的专利短期预测模型采用的数学模型是灰色系统理论中的灰预测模型。灰色系统理论(Grey System Theory)是由邓聚龙教授在1982年提出,其目的是针对信息不完整的灰色系统,在信息不充分的情况下,解决系统控制的问题。灰预测,以现有的不完整信息对于灰色系统的未来情况所进行的预测。即基于某一数列的少量前期数据对后期数据进行预测。灰预测以GM(1,1)数学模型为基础,为一阶微分且一个输入变量之模式。

专利趋势预测快报第40期-声纹识别技术(Eileen)

专利趋势预测快报第39期-全息技术(Vicky)

专利趋势预测快报第38期-智能电源(Ethan)

专利趋势预测快报第37期-大猩猩玻璃(Charlie)

专利趋势预测快报第36期-人脸识别(Eileen)

专利趋势预测快报第35期-UWB技术(Stoney)

专利趋势预测快报第34期-云存储(Ethan)

专利趋势预测快报第33期-指纹识别(Eileen)

专利趋势预测快报第32期-串流媒体机顶盒(Vicky)

专利趋势预测快报第31期-喷涂机器人(Charlie)

专利趋势预测快报第30期-电子货架标签(Stoney)

专利趋势预测快报第29期-NFC近场通信(Ethan)

专利趋势预测快报第28期-生物航煤(Eileen)

专利趋势预测快报第27期-电动汽车防火技术

专利趋势预测快报第26期-无线充电技术

专利趋势预测快报第25期-焊接机器人(Charlie)

专利趋势预测快报第24期-车载网络技术及车载路由器技术

专利趋势预测快报第23期-智能车载导航

专利趋势预测快报第22期-电动车电能管理(Eileen)

专利趋势预测快报第21期-OLED柔性显示屏

专利趋势预测快报第20期-3D打印(Charlie)

专利趋势预测快报第19期-生物质颗粒燃料(Eileen)

专利趋势预测快报第18期-二维码(Ethan)

专利趋势预测快报第17期-路由器(Vicky)

专利趋势预测快报第16期-页岩气

专利趋势预测快报第15期-生物天然气(Eileen)

专利趋势预测快报第14期-LED用荧光粉

专利趋势预测快报第13期-薄膜光伏电池

专利趋势预测快报第12期-智能电网(Charlie)

专利趋势预测快报第11期-化学保水剂(Charlie)

专利趋势预测快报第10期-中药配方颗粒(Eileen)

专利趋势预测快报第09期-海上风电(Vicky)

专利趋势预测快报第08期-可穿戴式计算设备(Stoney)

专利趋势预测快报第07期-网络电视

专利趋势预测快报第06期-男性勃起障碍治疗药物(Charlie)

专利趋势预测快报第05期-粘结钕铁硼(Eileen)

专利趋势预测快报第04期-LED路灯(Vicky)

专利趋势预测快报第03期-OLED(Stoney)

专利趋势预测快报第02期-车用锂电池(Ethan)

专利趋势预测快报第01期-燃煤微粒处理(Charlie)

一、专利、无形资产与企业估值

       1975年标普500样本上市公司中,超过80%的企业价值体现在有形资产方面。而在2010年标普500样本上市公司中,近80%的企业价值是由无形资产体现。随着国内产业结构升级以及产业向“软件化”迅速发展,知识产权、品牌等一系列无形资产未来在中国企业价值中的占比提升也将成为发展中的必须趋势 。

二、专利与投资的基本逻辑

专利体现企业创新成果与研发能力

专利管理体现企业经营管理水平

专利体现企业无形资产与品牌价值

三、 大数据思维与专利量化策略

四、专利领先指数编制要点

五、指数的专利特色

凸显“专利”对企业投资价值的影响。

      专利领先指数是凸显“专利”作为企业知识产权的核心对企业投资价值的影响,与通过其他无形资产筛选成分股的指数存在一定区别,可能导致具有较高的土地使用权、商标权或者商誉等的上市公司不能入选成分股,例如贵州茅台。

从“专利”角度筛选行业内代表性上市公司。

       专利领先指数以“专利”为依据,从个股入手,因此指数成分股不会局限于某些行业范围,只要符合量化得分,即能入选。

      样本股中南方航空与天津港根据量化标准能够入选成分股,而同处相同行业的东方航空、中国国航与大连港、宁波港未能入选,这也反映出从“专利”角度区分行业内代表性上市公司的有效性。

六、样本股行业特征

可选消费、工业、原材料占比较高。

•可选消费行业受外观、实用新型等专利影响较大,因此在指数中保持了较高的权重;

•工业受技术进步影响显著,企业专利管理水平较高,指数权重较为稳定;

•新材料技术使原材料行业在指数中保持较高的权重。

能源、公用事业、电信业务占比低

•能源、公用事业、电信业务等行业主要受能源价格和用户数量影响,重大发明专利较难出现,因此始终保持较低权重。

信息技术、医药卫生占比有所上升

•信息技术行业创新驱动力有所提升,同时受政策环境推动,专利敏感度提升明显;

•医药卫生行业受新药、基因技术等推动,逐步体现出技术驱动成长的特征,因此权重有所上升。

七、指数运行特征

      国证德高行专利领先指数,是德高行与深交所指数公司合作开发的国内证券市场第一只引入专利概念的股票指数。该指数代表着专利领先型企业的股价整体趋势,同时也反映出专利对上市公司投资价值的影响。

      “专利领先”指数的基础,是通过专利大数据的指标萃取、加工及演算,建构出以专利指标预测股价的股价预测方程式,根据股价预测结果再选出投资潜力最佳的100个样本股所构成。其中的股价预测方程式,由德高行自行开发,其演算法核心采取2003年诺贝尔奖的经济学模型,通过严格的统计检定,并达到95%的置信区间。

       “专利领先”指数在交易所交易系统的公开发布,不但为证券市场填补和提供了以专利概念为策略的指数投资标的选择,更为知识产权服务界,尤其专利信息数据的分析与应用领域打开了一扇大门,它昭示着专利信息的利用应有更加广阔的市场空间。因此可以说,“专利领先”指数的发布,是一次跨界融合的成功典范,在中国知识产权发展历史上具有里程碑意义。

An Introduction of Leading Index

"CNI-TEKLORY PATENT INDEX"is an index which first introduce patent stock to domesticsecurity market and is cooperatively developed by TekGlory and Shenzhen Stock company. This index indicates the overall trend of enterprises whose patent is leading, at the same time it reflects the patent's investment influence on the listedcompanies.

The basis of“Leading Patent”index is a predicting stock price equation which is constructed by patent indicator through a series of extraction, processing and calculation of patent big data base, then the best100 sampled stocks which have the most investment potential are electedaccording to the stock price predicting results.The stock price predictingequations is developed by our TekGlory and its core algorithms applies economics model of 2003 Nobel Prize. Through rigorous statistical test, it has reached 95% confidence interval. “Leading Patent”index has been published onthe Exchange trading system, which not only provides and fills a choice of index portfolio which makes patent concept as its strategy,but opens anotherdoor for Intellectual Property services, especially for analysis and application of patent information data fields . It shows that the application of patent information should have more broad market space. Thus, it can be saidthat the release of "Leading Patent" index is a successful model of multidisciplinary fusion and a milestone in the history of the development of Chinese Intellectual Property.