风险提示：本文所提到的观点仅代表个人的意见拾贝赢，所涉及标的不作推荐，据此买卖，风险自负。
作者：集团军总裁
来源：
一、综述
本文是自己对创新药估值的思考 ， 从估值方法出发 ， 讨论了绝对估值和相对估值的选择 ； 进而阐述了影响估值的因素 ， 比如药品适用人群 、 市场份额 、 药品定价 。 同时 ， 本文创新性地对各参数进行了客观性/不确定性测量 ， 更加有助于理解创新药公司的合理价值 。 整体上来看 ， 形成了较符合逻辑的体系 。 本文精简后依然近万字 ， 受限于个人能力 ， 无法十全十美 ， 考虑不周之处与大家进一步探讨优化 。
二、估值方法
2.1 创新药行业的特点
与其他行业相比 ， 创新药行业有两个不同 。 第一是专利保护期 。 一旦产品获批上市 ， 在有足够优秀的临床获益的情况下 ， 专利期内可以拥有超强的定价权 ， 获取超额利润 。 但同时也意味着 ， 专利期后的竞争力面临断崖式下跌 。 如果药企想持续维持这种专利保护期的竞争力 ， 就需要不断投入巨额的研发 ， 才有可能实现持续创新 。 但是 ， 创新药行业第二个不同又出现了 。 优秀药物的产出存在巨大的随机性 。 主要又几点 ， 一是基础研究的结论 ， 无法在人体环境中如期复现 ， 判断成药效果必须要在人体中验证 。 即使是最顶级的生物医学专家 ， 也无法在临床结果出炉前准确预知药品的好坏 ； 二是相同靶点的分子结构优化对于成药的影响直观重要 ， 相同靶点下不同分子结构的优化 ， 可能决定最终真实世界的成败 ； 此外 ， 临床试验设计 、 剂量使用 、 剂型设计等等 ， 都会显著影响一款药的最终成药能力 。 这就导致了即使药企花了巨额资金搞研发 ， 能否产出一款有正向收益的产品 ， 基本无法预知 。
2.2 绝对估值DCF模型
可见 ， 创新药的商业模式显著不同于其他产业 。 其他产业的生命周期较为平滑 ， 收入 、 利润率 、 研发等等比较容易线性外推 。 但是创新药行业由于专利悬崖 、 研发的高度不确定性原因 ， 无法较为精准的预测收入 、 利润率 、 研发等等 。 如果使用绝对估值的DCF模型 ， 需要从净利润出发 ， 再预测折旧 、 资本开支 、 营运资本变化 ， 才能得到每年的自由现金流 。 但是如前所述 ， 创新药企业无法准确预测这些信息 ， 特别是利润和资本开支 ， 无法准确计算自由现金流 。 因此DCF估值不适用于创新药的估值 。
2.3 相对估值 P/X
既然绝对估值不使用 ， 我们来考察相对估值P/B 、 P/E 、 P/DCF 、 P/S 。 这里要遵循一个条件 ， 就是这个估值方法要足够稳定 。 也就是说 ， 不会因为一些因素的变化显著冲击估值体系 ， 导致计算出的P/X倍数出现巨幅波动 。 以周期性产业为例 ， 为什么煤炭矿产等公司的估值选用P/B而不是P/E ？ 就是因为对于重资产投入公司 ， P/B更为稳定 ， 可以形成行业共识的合理P/B倍数 ； 而P/E受制于产业周期的变化会出现巨幅波动 ， 无法形成一个行业共识的合理倍数 。
2.3.1 P/B估值
P/B来看 ， 创新药的公司的价值在于管线 ， 和公司的净资产无关 。 我们假设一家公司因为长期持续的研发投入 ， 导致净资产持续缩水 。 但是功不唐捐 ， 最终砸出了一款世界级创新药 ， 那么未来的收入预期就会非常高 。 市值也会显著上涨 。 反映在P/B中就是 “ 极高的估值 ” 。 反观有雄厚的净资产实力 ， 比如账面现金及现金等家物有70亿的公司 ， 但是管线竞争力较差 ， 也很难有强劲的未来收入预期 ， 无法给出较高估值 。 在P/B中就可能是 “ 极低的估值 ” 。 显然 ， 这种依靠P/B判断的估值高低无法准确反应公司价值 。
2.3.2 P/E 、 P/DCF估值
P/E 、 P/DCF的内涵比较相似 ， 都是评估公司的盈利能力 ， 都受到利润率 、 折旧 、 以及研发开支的影响 。 但如前所述 ， 这些因素很难形成稳定预期 。 一家公司的研发可以灵活变化 ， 根据公司具体的战略和财务能力 ， 选择放缓或者加速研发 。 这就无法较为线性的预测公司的盈利和自由现金流 ， 而这也导致了P/E 、 P/DCF估值的失真 。
2.3.3 P/S估值
最后看P/S 。 一旦确定药品的定价 、 市场竞争格局和药品竞争能力 ， 自然可以得出销售额 。 而且销售额的变化最为稳定 ， 可以线性外推 。 因此P/S来估值创新药公司是一个稳定的体系 。 说到这里 ， 问题变得显而易见了 。 创新药公司适用于P/S估值 ， 但具体多少倍的P/S合理 ， 是我们真正需要讨论的 。 而这取决于药品适用人群 、 市场份额 、 药品定价以及不确定性 。
简单估值的方案往往好于复杂的 ， 因为市场更容易根据简单的方案快速形成定价 ， 而且简单的方案中涉及到的假设也更少 ， 有争议的点自然会少很多 。 而DCF模型需要的参数众多 ， 并且在创新药行业里更加难以精确预测 。 而且 ， 参数的微调会显著影响DCF模型最终的估值 。 因此综合来看 ， P/S估值更具备实操价值 。
三、商业预测模型
既然我们认为P/S估值合理 ， 那么如何预测销售额非常重要 ， 好的商业模型是关键 。 之前我在一级市场工作时 ， 会接触到很多三方机构做的药品适用人群的测算模型 。 对比下来 ， Frost & Sullivan用到的模型最具有代表性 ， 如下图 。
这是一款小分子治疗滤泡性淋巴瘤的市场空间预测 ， 可以看到预测逻辑是 ， step1.从 “ 患病率 ” 计算患病总人数 ； step2. 疾病分型 ， 确认靶点治疗的具体亚型的患者数 ； step3.计算治疗率 。 分别比如恶性肿瘤的治疗分一二三线 ， 需分别计算不同线数接受治疗的患者比例 ； step4.药品市场份额 。 分析药品在每个线数中的竞争力 ， 推测市场份额step5.药品年费再结合药品的市场份额 ， 推出最终销售额 。
此外 ， 一个靶点还可能用于不同适应症 。 我们看到这款药还可以治疗其他类型的淋巴瘤 ， 预测方法和滤泡性淋巴瘤一致 。 因此 ， 如果这款药可以治疗a 、 b 、 c三种适应症 ， 那么总市场空间就是 ， 适应症a+适应症b+适应症c ， 每个适应症按单独按照上文step1-step5方法预测后 ， 再加总 。
step1-step3决定药品适用人群 ， 我们在第四章中讨论 ； step4在第五章市场份额中讨论 ； step5在第六章药品定价中讨论 。
四、药品适用人群
4.1患病率/发病率
药品适用人群是预测销售额的起点 。 上面这款药用 “ 患病率 ” 作为预测的起点 ， 而另外一些疾病的预测起点为 “ 发病率 ” 。 两者的差别是 ， 患病率是存量数据 ， 衡量一个时间点时此类病人的总数 ， 反映疾病的现有负担 ， 强调现有病例的存在 。 而发病率是一个指在一定时期内 ， 通常为1年 ， 特定人群中新发生某病病例的频率 。 它反映疾病的发生强度 。
实操中 ， 对于病程长 、 生存周期较长的疾病 ， 比如自身免疫疾病等慢性疾病 ， 通常使用 “ 患病率 ” ； 对于病程短 、 生存周期较短的疾病 ， 比如恶性肿瘤 、 流感病毒等 ， 使用 “ 发病率 ” 。 这里不难发现 ， 病程长的患者一般显著多于病程短的患者 ， 病程短的疾病一般致命程度更高 。 因此 ， 从药品放量的角度来说 ， 恶性肿瘤的药品放量更快 ， 但自身免疫疾病的放量相对更慢 ， 但一旦上量便是长坡厚雪 ， 市场空间更大 。
需要强调的是 ， 基于流行病学统计的结果一般要经过多重论证 ， 而且人的基因和所处的自然环境也不会突然有剧烈的改变 。 因此 ， 大部分疾病的患病率和发病率是一个相对客观而且稳定的数 。 因此 ， 这个其实数据相对客观 。
4.2 疾病分型
患病率计算的是一种疾病的总体人数 ， 但是一种疾病还会有不同亚型 。 以乳腺癌为例 ， 辉瑞在专题报告中 ， 将乳腺癌市场分为hr+her2- 、 her2+以及TNBC三阴乳腺癌3种亚型 ， 具体如下图 。 不同的亚组适用于不同靶点的药物 。 在精准治疗的今天 ， 亚组的确认对精确预测创新药市场至关重要 。
4.3治疗率
治疗率用于衡量特定疾病在适用人群中接受规范治疗的比例 。 通常指 “ 某时间段内 ， 某疾病患者中实际接受有效治疗的人数占总患者数的比例 ” ， 反映疾病干预的可及性和有效性 。 因此 ， 即使确定了患病率/发病率以及疾病分型 ， 也不能说分型内的所有病人100%全部接受治疗 ， 毕竟根据地域经济水平和医疗普及程度的不同 ， 会有很多实际存在病情但未接受系统治疗的情况 。
综上 ， 一款药的适用人群要根据患病率/发病率 、 疾病分型 、 治疗率来决定 ， 如果药品有a 、 b 、 c三个适应症 ， 则安上述方法重复计算a 、 b 、 c三个适应症的适用人群 ， 再加总的到总适用人数 。
五、市场份额拾贝赢
了解一款药的目标人群后 ， 我们需要预测药品的市场份额 。 市场份额的大小取决于5个方面 。 一是靶点竞争力 ， 二是同靶点内药品的真实世界疗效 ； 三是药物使用顺序与专家共识 ； 四是商业化开发能力 ； 五是医保及其他可及性政策 。 这些因素共同影响产品的市场份额 ， 决定每年销售额的增长情况 。
5.1 靶点竞争力
靶点竞争力指的是该靶点的所有药物 ， 在适用人群中相对于其他靶点药品的竞争能力 。 以尿路上皮癌三线治疗为例 ， 目前推荐方案中 ， ADC不仅仅有her2靶点的RC48维迪西妥单抗 ， 还有Nectin-4靶点的Padcev 。 除了ADC药物 ， 推荐药物中还有IO疗法的PD-1 、 PD-L1 ， 以及传统的化疗药物 。 因此 ， 需要综合考量不同靶点在同一目标人群中的竞争力 。
当然 ， 目前这些药物的使用可能不是非此即彼的 ， 联合用药的临床获益优势越来越明显 。 比如ADC+IO的联合疗法在越来越多的适应症中取得了显著优势 。 RC48维迪西妥单抗联合PD1治疗尿路上皮癌 ， 已经在国内刷新了各项数据 ， 客观缓解率 （ ORR ） 达73.2% ， 中位总生存期 （ OS ） 达33.1个月 ， 是迄今为止该领域的最佳数据 ， 未来必然作为行业金标准 。
5.2 药品真实世界疗效
同一靶点的分子在真实世界里的效果也会有显著差别 。 其中 ， 分子设计的不同会在源头上拉开真实世界中的疗效差距 。 这里以钻探者财经@钻探者财经 研究的荣昌生物泰它西普分子设计为例 。
房健民博士在对TACI-Fc融合蛋白的设计上 ， 吸取了Atacicept血清IgG水平下降过多的教训 ， 最终在分子设计上比Atacicept更胜一筹 。 Atacicept在TACI胞外区截断设计中 ， 选取了天然TACI全长118个氨基酸中的第30-110位氨基酸 ， 缺失区域为N端1-29位及C端111-118位 ， 由于APRIL结合依赖N端结构域 ， 导致对APRIL的亲和力显著降低 ， 对BAFF保留结合力 。
而泰它西普在TACI结构域的设计中 ， 包含了13-118位氨基酸 ， 保留了更完整的N端和C端结构 ， 因此同时高亲和力结合BAFF （ BLys ） 和APRIL ， 泰它西普对APRIL的中和能力是Atacicept的5-10倍 ， 对BAFF(BLys)的中和能力与Atacicept相近 ， 但稳定性更强 。
APRIL的作用是促进浆细胞分化及抗体分泌 ， BAFF的作用是促进B细胞发育 ， TACI通过抢夺式结合APRIL及BAFF ， 阻断B细胞发育及浆细胞分化通路 。
由于Atacicept对APRIL亲和力不足 ， 为保证疗效 ， 需更高剂量阻断B细胞通路 ， 但又对BAFF的亲和力较强 ， 导致对B细胞发育阻断过度 ， 最终引发IgG骤降 （ >40% ） ； 而泰它西普在剂量选择上 ， 平衡疗效和安全性 ， 保证疗效深度的同时 ， IgG抗体水平维持在正常值下限以上 ， 保证了正常免疫功能
除分子设计外 ， 用药剂量 、 给药周期 、 剂型设计等 ， 都会显著影响到药品在人体以及真实世界中的疗效 。 并且 ， 生物大分子药海量的专利丛林 ， 进一步限制了同靶点潜在进入者的成药能力 。
5.3药物使用顺序与专家共识
真实世界中 ， 专家会根据疾病进展 、 临床实践 、 药品发展的实际情况等 ， 制定药物使用的顺序 。 恶性肿瘤一般分为一二三线 ， 浙江大学医学院附属第一医院肿瘤综合诊治中心 ， 对于肿瘤治疗的分线如下 。
一线治疗指针对晚期或复发转移以后的首轮全身治疗 ， 这时的治疗方案效果最好 、 副作用最小 ， 也称为基本治疗或疗法 。 一线治疗的目的是在可能的情况下控制肿瘤 ， 多采用疗效确切 、 循证证据充分的 “ 金标准 ” 方案 。
二线治疗指的是在一线治疗后 ， 患者再次出现肿瘤进展 ， 且对一线治疗方案耐药 ， 需要更换抗癌机理不同的方案 。 和一线相比 ， 二线治疗方案或疗效劣于一线 ， 或副作用偏大 ， 或价格偏高 。 以小细胞肺癌为例 ： 一线EP方案治疗失败后 ， 二线推荐的治疗方案是拓扑替康 ， 这也是经典的二线推荐 。
三线治疗指的是二线治疗失败后 ， 再次换用其它方案的治疗 。 一般到三线时 ， 可选择的药物和有效的治疗方案就越来越少了 。 多为单药治疗 、 新型靶向药 （ 如 ADC 药物 ） 、 免疫单药或参加临床试验 。 高度个体化 ， 需优先评估患者体力状态 （ ECOG 评分 ） 和治疗获益风险比 。
临床上 ， 专家会根据证据的不同级别形成专家共识 ， 推荐高级别临床试验支持的1类证据 ， 兼顾低级别证据或专家观点的2A 类证据 。 进而确认用药推荐指南 ， 如美国 NCCN 指南 、 欧洲 ESMO 指南 、 中国 CSCO 指南等 。
一般来说 ， 创新药的因为缺少真实世界数据 ， 基于安全性得考量 ， 一般从三线治疗开始商业化 。 一旦创新药的使用线数被专家共识提到前线 ， 那么使用的人群会显著增加 ， 极大有助于药物的放量 。 上图中辉瑞的治疗her2+乳腺癌的布局中 ， 也把维迪西妥单抗DV的临床开发试验 ， 从3线覆盖到2线 。
5.4商业化能力
即使完全相同的一款的药 ， 在不同玩家的手中商业化也会有完全不同的成果 ， 这就是商业化能力的差异 。 biotech的商业化推广能力必然不同于MNC ， 一国本土的商业化公司一般也强于外来进入者 。 所以 ， 考虑企业商业化渠道的能力也是推测销售额的重点 。 这也解释了为什么国内的biotech公司要BD给海外机构 ， 或者成立Newco合作商业化 。
以pd1为例 ， 2024 年全球销售总额约为525亿美元 ， 前5大药品及公司排名如下图 ， 全部为MNC机构 ， 一定程度上反应了商业化开发能力对于产品销售额的影响 。
5.5 医保及其他可及性政策
一款创新药纳入医保可以提升患者支付能力 。 在我国 ， 居民生活水平无法媲美发达国家水平时 ， 药物纳入医保 ， 会显著改善患者的支付能力 。 在浙江 ， 纳入医保的创新药可以享受75%的报销比例 ， 极大缓解了用药负担 ， 显著影响创新药的放量 。
其他可及性政策 ， 比如药品的进院能力同样影响药品的放量 。 其中的一个重点是 ， 患者对于医院的药品信任度更高 ， 而且一般来说 ， 为避免安全事件发生 ， 医院的注射室只允许注射本院药房购买的药品 。 因此 ， 是否进院是药品与患者可及性的重要一环 。
6月30日 ， 国家医保局联合国家卫生健康委出台 《 支持创新药高质量发展的若干措施 》 ， 提出5方面16条具体举措 ， 标志着我国创新药发展进入政策红利密集释放期 。 随着商保的加入 ， 将进一步提升创新药对目标患者的覆盖范围 。
六、药品价格
塔夫茨大学生物实践教授Frank David在\"The Pharmagellan Guide to Biotech Forecasting and Valuation\"一书中详细论述了药品的定价 。 主要考虑3个方面 。 一是药品在首个国家上市时的起始价格 ； 二是药品在不同国家上市的价格 ； 三是药品价格随时间的变化 。
6.1首个国家的起始价格
药品在首个国家上市时的起始价格不需要投资人自己推算 ， 这里主要说下定价逻辑 。 药品的使用年费是定价的基石 ， 通常会参考同病种的其他药品的年费 ， 结合自身产品的临床获益优势 ， 以及研发 、 生产 、 商业化推广等方面的成本和优势 ， 来决定最终的产品定价策略 。 比如 ， Keytruda 刚上市时15万美元/年的定价是综合成本回收 、 临床价值与长期收益的后的结果 。 短期依赖专利保护和先发优势定高价 ， 快速覆盖超 120 亿美元研发投入 ； 长期通过适应症扩展 、 医保覆盖和全球化布局持续放大盈利能力 。
对于还处于临床阶段甚至更早期的 ， 而且是FIC的创新药 ， 一般很难预测最终上市后的价格 。 所以 ， 对于未上市的FIC药品 ， 在商业化前的销售预测都会五花八门 ， 而且难以证伪 。 这种情况下再描绘出一个宏大产品商业化逻辑 ， 很容易会产生无比巨大的泡沫 。
6.2在不同国家的上市价格
如果创新药已经在一个国家上市 ， 那么可以根据不同国家对于药品定价的历史差异 ， 推算出在目标国上市的价格 。 下图就反应了不同上市国家的药品价格差异系数 ， 可以看出 ， 美国的药品定价显著高于其他国家和地区 。 这也是为什么创新药一定要到美国市场的核心原因 ， 因为最强的支付能力和支付意愿是一款创新药成为重磅炸弹的关键 。
6.3药品价格随时间的变化
上市后随着时间的价格变化需要结合上市国家单独分析 。 比如在中国 ， 由于医保谈判的要求 ， 基本会形成一定规律的降价趋势 。 但在美国 ， 由于对创新药的保护更加友好 ， 上市后不仅不会降价 ， 反而每年会形成等同于通货膨胀水平的药价涨幅 。
七、产品销售曲线
药品上市后 ， 会经历市场导入期 、 高速增长期 、 成熟期 、 衰退期四个阶段 。 如果产品药效显著 ， 且公司商业化能力优秀 。 那么可以快速跨越市场导入期进入高速增长期 。 这会显著影响产品全生命周期内的价值 ， 进而影响创新药公司的估值 。 反应在具体数据中 ， 就是销售额增速 。
Frank David统计了过往药品从上市到销售峰值的爬坡周期 ， 到达销售峰值的中位数时间为6年 。
真实世界情况来看 ， 不同类型药物的爬坡曲线具有显著差异 。 小分子化药研发周期较短 ， 专利丛林的保护能力差 ， 且监管对专利期的保护力度没有生物大分子药物强 。 并且 ， 研发生产上后来者更容易仿制 ， 因此小分子化药爬坡曲线呈现快升快降的特点 。 辉瑞的新冠口服药 Paxlovid ， 2021 年上市后因疫情需求爆发 ， 2022 年销售额达 189 亿美元 ， 但 2023 年疫情缓解后销售额降至 56 亿美元 。
单抗 、 双抗 、 ADC 等生物药研发周期长 ， 生物类似药研发难度高 ， 比如泰它西普的目前基本没有进入临床试验的生物类似药 。 再叠加生物药可拓展的适应症更多 ， 爬坡曲线更平缓但峰值更高 ， 衰退期更慢 。 K药自2014年上市以来 ， 不断拓展 、 霍奇金淋巴瘤 、 黑色素瘤等等 ， 至今依然处于销量爬坡阶段 ， 产品生命周期极为强劲 。
产品销售曲线从历史统计的角度 ， 描述了药品的放量情况 ， 有助于我们从较为宏观的层面判断销售额增速 。 同时 ， 通过分析药品适用人群 、 市场份额 、 药品定价 ， 我们也可以自下而上的推断出药品销售的放量情况 ， 也可以得到销售额增速 。 两者相互印证 ， 有助于我们更加客观的判断销售额的变化 。
八、数据的客观性/不确定性
需要注意 ， 这些数据的客观性和不确定性有显著差别 。 尤其对于有高度不确定性的 ， 预测时特别依赖主观推测的数据而言 ， “ 口胡 ” 的可能性极大 ， 也是不同投资人对于药品看法争论的焦点 。 因此 ， 为了避免管中窥豹 ， 提高对创新药估值的合理性 ， 我们有必要逐一测量各参数的客观性和不确定性 ， 我会用不确定性低 、 不确定性中等 、 不确定性较强 、 不确定性强 ， 来衡量各参数的客观性 。
8.1 药品适用人群
药品适用人群基于流行病学调查确定 ， 因此相对客观 。 但具体来看 ， 患病率/发病率 、 疾病分型这两个参数比较客观 ， 不确定性最低 ， 但是治疗率/药物使用顺序因为到经济差异和医疗普及情况 ， 以及专家共识和真实世界中临床医生的接受程度 ， 预测相对主观 ， 不确定性中等 。
8.2 市场份额
市场份额中 ， 靶点竞争力 、 真实世界疗效相对客观 ， 不确定性弱 ， 是骡子是马拉出来溜溜就知道 。 但是对于还处于临床开发阶段的药品 ， 很难获得真实世界下的效果 。 最典型的是恶性肿瘤药物 ， 2期临床可以选用ORR作为试验终点 ， 但3期临床使用OS为终点的话 ， 结果可能就会miss 。 尤其是近年来FDA提高监管门槛 ， 要求OS为临床3期的主要终点 。
商业化开发能力 ， 总体上看MNC的销售能力显著强于biotech ， 但团队执行力的差异 、 对于不同管线的商业化优势的差异显著 ， 不确定性较强 。 同时 ， 若产品进入医保或可及性强 ， 将显著提高商业化开发的确定性 。
8.3 药品定价
药品定价 ， 对于未上市的药品的定价预测高度不确定 ， “ 口胡 ” 的可能性极大 ， 不确定性强 。 而上市后的药品则客观很多 ， 随时间的价格变化也相对容易预测 ， 推广到其他国家后的价格系数也有历史数据可循 ， 不确定性低 。
九、合理估值
至此 ， 我们确定了P/S是创新药适用的估值方法 ， 分析了药品适用人群 、 竞争格局 、 药品定价以及不确定性这些重要信息 。 但是 ， 千万不要忘了 ， 我们的目标是预测合理的公司市值P ， 那么需要确定两个最终数据 ， 一是销售额S ， 二是P/S倍数 。
9.1 销售额S
药品适用人群 、 竞争格局 、 药品定价以及不确定性 ， 共同构成了产品销售额的预测 ， 我们尝试把这些信息汇总成一个简化的计算公式 。
S （ 销售额 ） = Available Patients （ 药品适用人数 ） × Market Share （ 市场份额 ） × Annual Fee （ 药品年费 ） 。 而且 ， 在确定这3个重要参数时 ， 要考虑到Uncertain Rate （ 不确定性 ） ， 尽量做到客观分析 ， 得出相对理性的数值 。
注意 ， 这只是一个适应症下的销售额 ， 如果产品涉及多个适应症 ， 我们还需要根据另一个适应症的情况再计算一遍 ， 从而加总得到销售额的预测 。
9.2 合理的P/S倍数
对于P/S倍数 ， 一般有两种考量 。 一是从当年或者下一年的销售额出发 ， 推测P/S倍数 ， 一般称为静态/动态P/S ； 二是从产品最终的销售峰值出发 ， 推测峰值销售为基础的P/S倍数 。
9.2.1 静态/动态P/S
合理的P/S不应该是一个确定的数值 ， 比如15倍P/S合理 ， 而35倍P/S不合理 ， 需要考量药品的增长速率 ， 和未来的放量潜力 。 你不能要求yoy为5%的药企和yoy为50%的药企的合理P/S一致 。 那么不同增速情况下 ， 多少倍的P/S才是合理的 ， 才是我们考虑的重点 。
既然涉及到增速 ， 而且又是相对估值 ， 那么我们用PE/g为中介来推断合理的P/S 。 假设PE/g为1 的情况下是估值是合理的 ， 在50%的增速情况下 ， PE应该为50 。 同时我们假设生物医药公司稳定盈利后的净利率为30% 。 那么50倍PE对应的P/S约为15 。 同理在100%的增速下 ， PE应该为100 ， 对应的P/S约为30 。
9.2.2 销售峰值P/S
峰值销售额考虑 ， 假设公司成熟后合理PE为12倍 ， 净利率降低为25% ， 那么P/S则为3 ， 如果随着宏观环境的宽松和行业的向好 ， 合理PE变为16倍 ， 则P/S为4 。
十、总结
本文的目的是探讨一种合理的创新药估值方式 。 从估值方法选择到具体参数的讨论 。 形成了以P/S为基础的相对估值体系 ， 并探讨了不同参数的客观程度 。 对于整体框架 ， 我认为要做到两个尽可能 。 估值方法尽可能做到的客观 ， 数值预测尽可能避免非理性 。
诚然我希望做到尽可能的客观 ， 但不难发现 ， 从静态/动态角度分析P/S ， 还是销售峰值角度分析P/S ， 都存在一定程度的主观判断 ， 比如30%的净利率 ， 50%的市场增速 ， 而这些又是我们上文中讨论的重点 ， 药品定价和真实世界疗效会影响净利率 ， 商业化能力会影响产品销售增速 。 因此 ， 本文我只是提供了一个创新药估值的思考方式 。
抛弃情绪 ， 合理看待公司价值是我们的目标 。 希望各位理性探讨 ， 本文也将持续优化 ， 一起变得更强 ！
雪球三分法是雪球基于“长期投资+资产配置”推出的基金配置理念，通过资产分散、市场分散、时机分散这三大分散进行基金长期投资，从而实现投资收益来源多元化和风险分散化。
实配网配资提示：文章来自网络，不代表本站观点。
