万字思考创新药估值

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

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，不断拓展非小细胞肺癌、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！$荣昌生物(09995)$ $荣昌生物(SH688331)$ $荣昌生物(SH688331)$ #估值# #创新药#