当盈利不再是企业上市的命门，我们该如何对科创板企业进行估值？

科创板的上市审核如火如荼，截至5月10日，科创板受理企业增至106家，已问询84家。虽然场面火爆，但市场对于上交所的这块新生板块仍有许多不明之处，例如，如何给科创板上市企业进行估值？

从具体上市标准来看，科创板更加注重公司估值，采用市值与利润、营收、现金流等财务数据绑定的模式，多种上市标准也给予了新兴科技公司更多的可行空间。

传统估值方法可分为相对估值法和绝对估值法，各类估值方法都有一定的优缺点，但大多适用于业务成熟度高、营收利润稳定的公司。

企业生命周期可分为初创期、成长期、成熟期和衰退期4个阶段。处于不同时期的企业有自身的营运特性，因此不能简单采用目前二级市场常用的PE估值法。以下我们将以7大细分行业分别举例说明各自适用的估值方法。

细分行业1：云计算

云计算行业根据所提供的服务不同，可分为IaaS、PaaS和SaaS这3种模式，当前有望在科创板上市的云计算公司多以前2种模式为主。云计算公司大多仍处于成长期，随着市场需求逐渐打开，收入持续增长，但受高额研发投入影响，公司难以实现稳定盈利。

以美国云计算巨头Salesforce为例，公司2006-2018年间收入快速增长，但盈利能力并不稳定，公司市值与营业收入呈现较为明显的正相关性。从估值水平来看，公司PE波动较大缺乏参考价值，而PS则基本处于6~9X的区间。由此可见，对于云计算公司，PS是更为适宜的估值方式。

PS估值—万国数据为例

万国数据是国内领先的高性能数据中心运营商和服务商，其数据中心分布于国内核心经济枢纽，目前服务近600家客户，包括大型互联网公司、金融机构、电信与IT服务提供商等。

与美股其他云计算公司相似，2014-2018年万国数据的营业收入持续增长，但仍尚未达到盈亏平衡，因此应采用PS对公司进行估值。

万国数据于2016年11月2日在美国纳斯达克上市。我们选取了美股云计算行业的15家公司，提取了这些公司在万国数据上市前一日的PS值，得出行业平均PS为8.6X，上下浮动10%后为7.7~9.5X的区间。万国数据2015年实现收入7.04亿元，对应市值区间为54亿~67亿元，公司上市首日市值66亿元，符合市值区间的预测，验证了PS估值的适用性。

细分行业2：汽车相关

根据公开资料，有望登陆科创板的汽车企业主要分为3大类，其中车音智能主要是做智能产品；行圆汽车主要做平台服务；其余都是以智能汽车为主营业务，包括提供新能源电池或整车生产。

2017年以来新造车势力的融资金额不断刷新眼球。如蔚来汽车、威马汽车、车和家、FMC、爱驰亿维、零跑汽车的融资金额已累计超过226亿元。

但无论是已上市的特斯拉、蔚来汽车，还是传言有望登陆科创板的小鹏汽车、奇点汽车，从新造车行业公司年净利情况看，均处于亏损的状态，公司大多处于初创期或早期成长期，因此无法直接使用PE估值进行对比。但考虑到可以通过对比汽车销量，以及市占率的变化来进行公司对比，因此可以采用PS估值、市值/GMV、市值/交付量值进行投资指引。

此外，由于此类新车企对研发投入支出往往超过传统车企，我们可以通过VM指数的对比，分析公司所处的生命周期，进而改变估值方法。

VM估值—蔚来汽车为例

蔚来汽车是一家高性能的智能电动汽车公司，旗下已有EP9高性能纯电动超跑以及ES8、ES6两款纯电动智能SUV车型。2018年9月12日于纽交所上市，同年ES8累计交付11 348辆。2018年12月发布了第二款量产车型ES6，预计于2019年6月开始交付。

分析其上市前的融资情况和营收情况，其2015年和2016年未有收入，因此无法使用PS估值。从VM指数（VM指数=本轮投前估值/前轮投后估值/两轮之间间隔月数）看，公司的企业价值在2016.6-2017.3处于一个估值增速较快的状态，主要是纯电动超跑EP9于2016年11月首发，并随后刷新多条赛道纪录，证明了企业的研发能力。

2018年9月上市后，蔚来汽车直至2019年1月底公告了三季报，其PS在2019.3.1-2019.3.13的均值为10.44，远超过特斯拉同期PS=2.29的均值，也高于特斯拉刚上市时7.3X的PS值。

通过对比蔚来和特斯拉的PS、市值/GMV、市值/交付量可以发现，采用市值/交付量指数时，两者的差距明显较其他比较方式小。因此，对于早期交付量较少的产车企业，可以优先考虑市值/交付量，外加综合PS、市值/GMV指标与已上市企业特斯拉、蔚来的对比，对企业价值进行估计。

细分行业3：半导体

根据科创板公布的5套上市标准，有传言被选入的半导体公司存在以下3种可能性：

1. 技术相对雄厚，具有自主可控前景，但仍未上市的公司；

2. 海外上市的公司在科创板增发上市；

3. 已上市的公司分拆其半导体业务部门在科创板上市。

由此可见，科创板的半导体公司可能处于初创期或成长前期，如寒武纪；也可处于成熟期，如积塔半导体。因而需要对公司的发育阶段进行分析，不可统一采用PE估值。

PE估值—华虹半导体为例

华虹半导体公司于2014年10月于香港上市，首日发行时PE为24.25,上下浮动10%，即23~27，略低于当月行业30的PE值。

公司在2011-2013年分别实现营业收入39.27亿元、36.88亿元、36.61亿元，净利润分别为5.29亿元、3.75亿元、3.77亿元，公司上市前后的营收和净利润都处于一个相对稳定的范围，经营性现金流为正，投资和筹资现金流为负，说明公司处于成熟期中。首发市盈率与发行时行业市盈率相近的情况，说明成熟期半导体企业适用PE估值。

PS估值—寒武纪为例

寒武纪是一家智能芯片研发公司，拥有终端和服务器两条产品线。

据公开数据显示，公司2016年收入在1亿元左右，结合2016年天使轮融资情况，PS为6.5。但随着华为麒麟970芯片出货量的增加，公司2017年生产量计划在4 000万片左右，预计对应2017年营收10亿~20亿元，PS为3.25~6.5，对比2016、2017年A股半导体行业的PS值8.5、6.9，PS较行业平均值低。但考虑一二级的估值差，寒武纪采用PS估值法进行估值相对合理。

VM估值—寒武纪为例

除了上述PS估值法，对于寒武纪的估值也可采用VM数值进行估值分析。对于初创型科技公司，一般是由一级撮合定价，常用方法为历史交易法（参考目标公司历史定价）、可比交易法（VM指数作参考）。一般而言VM值应小于0.5，且随着融资次数增加而降低，如果VM过高说明公司现阶段估值上升较快，容易导致投资者信心不足。但若公司遇到重大转折，如两轮融资间公司营收有爆发性增长，会促使VM大于0.5。

从目前寒武纪VM指数看，2017年和2018年融资都出现VM超过0.5的情况，考虑到麒麟970出台量在2017年有大幅度增长，以及2018年公司研发出性能功耗全面超越CPU和GPU的MLU100机器学习处理器芯片，导致公司估值上升较快。因此VM估值可作为上市前公司估值指引，配合PS估值，如果上市前融资出现VM值超过0.5，说明公司存在一级市场估值过高的可能。

细分行业4：医药

根据科创板的上市准则和目前传言有望上板的公司看，有望上市的医药公司主要有以下4类：

1. 创新药产业链公司，如尚未盈利，但已有产品处于临床一二期的，具有前景的1.1类新药，或者一些创新药产业链公司，比如CRO、CDMO等；

2. 创新医疗器械公司，如生产一些创新型的设备、医疗高值耗材、新生物材料的公司；

3. 基因检测类企业，如提供肿瘤基因筛查、基因大数据公司；

4. 涉及医疗信息化、互联网医疗等新医疗经济模式的公司，如春雨医生。

上述4类公司，对市值判断难度最大的应数创新药产业链公司，由于科创板此次未对利润有明确的限制，因此可能存在上市的医药公司仍处于亏损的状态。那么目前针对主板医药公司常用的PE估值法将无法使用。此外，A股常用PEG=PE/（Growth×100）去衡量企业目前估值是否合适，通常认为PEG=1代表公司阶段性估值合理。而A股部分药企为仿制药企业，因此常被认为处于一个稳定增速的阶段，常使用第二年业绩来计算PEG，这对创新药产业链的企业是不适用的。新药研发上市后直至专利失效期间的增速非稳定，因此PEG和PE无法直接使用。

目前，美国医药公司常用基于成本的分析法、基于市场的分析法、预期收益分析法、现金流折现法和实物期权模型5大类估值方法，最广泛使用的估值方法是预期收益分析法和现金流折现法（DCF/FCFF）。

预期收益分析法主要是对FCFF的简化算法，但最后都会回归至对DCF/FCFF的计算方法，因此现金流折现法是目前最公允的估值法。

在FCFF方法使用中，主要包含2类假设，一类是对企业现金流的假设，一类是税后贴现率的假设。

现金流的假设则需要考虑对应患者的情况，峰值市占率等多种因素，因此可以采用研发管道现金流贴现模型进行计算。

由于创新药项目处于不同阶段面临的失败率不一样，因此对创新药项目在不同阶段采用不同的税后贴现率反应风险的存在。

为更直接、方便地阐释研发管道FCFF估值方法，我们虚拟一个创新药MS公司，旗下拥有4条管线（A、B、C、D），对其经验状况进行假设并就管线进行估值。

管线A：现有创新药业务，已经过了快速增长期，业绩增速逐步下滑，面临仿制药、同类创新药的竞争压力。该业务是目前公司的营收来源，支持剩余管道的研发。

管线B：创新药管道，处于创新药申请阶段，若申请成功，2022年可上市销售，预计商品化概率85%。

管线C：创新药管道，处于临床3期，预计商品化概率58%，若顺利2025年可上市销售。

管线D：仿制药管道，处于BE（生物等效性）试验阶段，国内BE试验成功率约为80%，预计管线D研发成功并提交申请成功的商业化概率为70%，2023年可上市销售。

第1步：分析4条管线情况后，就各个管线药品销售额的指标进行分拆，预测该管线药品潜在销售峰值。

第2步：计算单管道现金流。该步计算涉及创新药、仿制药从上市到销售峰值的时间，以及现有药物销售额的衰退预计。一般来说因药物适用症状、类型、医药公司BD能力不同会导致到达峰值时间不同，目前统计的中位数在4~8年间。为简便计算，这里创新药取5年，仿制药取4年达到峰值，并保持2年。现存药物销售额衰退则按10%等差递减（即2021E=2020E销售额×0.9，2022E=2021E销售额×0.8）。

第3步：计算公司贴现现金流。我们参考A股同类公司的WACC、折旧摊销、资本性支出及运营资本变化给出下面的FCFF模型，我们计算出的股权价值为1 160亿元，2018年PE为931。说明对创新药企业来说，虽然原有业务可能销售额在下降，但只要可上市的创新药上市，即可给公司带来大量现金流，故公司仍将维持一个高PE。

例如Incyte公司目前凭借4款上市药，5条在临床阶段的，及其他20多条处于立项或理论验证阶段的小分子抑制剂药物，在美股获得PE167X的高估值。

细分行业5：金融

传言有望上科创板的金融独角兽企业主要是以提供支付、借贷业务等线上业务为主的互联网金融企业，如蚂蚁金服，微贷金融等。

对于此类将互联网与部分银行业务相结合的互金企业仍处于一个快速成长期，因此不能简单地采用传统银行类的PB估值法来衡量企业。因此我们可以根据企业不同的业务线，在STOP估值的基础上，对不同业务采用如市值/有效交易规模，市值/发债贷款规模的分步估值。

目前主流的互金公司分为5类模式：融资企业、资管企业、支付企业、科技输出类企业以及综合性平台企业（包含前四者）。以5大模式分别来看：

融资企业：消费信贷，网贷平台，金融超市。三者的盈利模式、贷款规模、发展历程均存在差异。但三者均是融资业务，核心点均是：贷款量（利润来源）、费率差（贷款费率-融资成本差）、风控（资产质量情况）。

估值方法：基于用户流量的基础上，可以结合传统金融企业PE方法与互联网企业的市值/贷款规模进行估值。此外，在坏账率低、用户数量大的情况下存在估值溢价空间。一般消费信贷企业因房贷量和坏账率均较网贷平台好，市值/贷款规模也更高，溢价一般多在 0.2~0.4X。

资产管理企业：基于业务差异主要分为管理型、渠道型、顾问型公司。核心点均是：AUM规模与增速，费率结构（稳定性），费率水平（AUM的效率）。互联网企业多为渠道型公司。

估值方法：

1. 管理型：由于采取固定费率的公司规模较大、个体ROE稳定；采用浮动费率的公司规模较小，盈亏差异大。因此分别对应不同的估值方法：固定费率型适用“PE结合AUM增速”方法，浮动费率型PE取决于业绩表现和稳定性。

2. 渠道型公司：采用薄利多销的策略，以量取胜，在费率稳定的前提下ROE也相对稳定，因此建议采用PE估值。

3. 顾问型公司：在高费率，且费率稳定的前提下，适用市值/AUM估值方法。

支付企业：其核心是对金钱的转移，一般也可分为3类：卡组织（作为连接机构，提供清算、支付网络服务，属寡头行业，如银联），收单机构（基于“银行卡+POS机”模式，为商户提供收单和数据处理服务，行业集中度相对较高），互联网支付机构（基于线上购买场景收结款机构，行业头部效应明显）。

支付企业核心要素为支付场景，交易规模，费率。行业PS多为2~10X，市值/交易规模为0.03~0.37X，一般市占率高，安全性能高的公司估值处于区间偏上位置。

科技输出类企业：该类企业核心是可替代性和收益分成机制。根据客户类型和产品属性，科技输出类公司主要分为软件服务提供商和硬件服务提供商2大类。

其中软件输出型业务的整体毛利较高，头部企业的盈利表现突出。以恒生电子、同花顺等高毛利率企业为例，市销率在15~35X区间。

硬件提供商的毛利率整体偏低，盈利水平也相对偏低。以国民技术、民德电子等相对高毛利率企业为例，市销率在3~10X区间。

整体来看科技输出类企业适用于PS估值体系，PE值存在过高情况一般不适用。但根据具体产品体系和收益模式等方面可能存在估值溢价空间，前者关键在于可替代性，后者关键是收益分成机制。

平台综合类企业：常覆盖上述全部或部分业务，多是互联网巨头布局金融业务的产物，通常由场景引流结合变现业务（以电商、社交场景为基础，开展支付、融资、资管业务），数据收集/沉淀（利用业务数据作为风控和定价基础），技术支持/输出（利用企业自身技术优势，开展金融创新，运营维护）等部分组成。例：蚂蚁花呗=支付+融资业务。

相应企业的估值在采用STOP估值让覆盖业务分步累计估值基础上，还需要考虑以下溢价空间：客户数量、市占率、技术水平、业务协同等。覆盖业务估值方法和水平为：

融资业务：市值/发放贷款规模，参考区间0.2~0.4X。

资管业务：市值/AUM，参考渠道型机构区间0.02~0.18X，安全性能高，市占率高的公司可取区间偏上位置。

支付业务：市值/有效交易规模，卡组织和支付机构参考区间0.03~0.2X，收单机构可达至0.37X；市销率 2~10X。

技术业务：PS估值，软件服务市销率在10~17X区间。

细分行业6：人工智能

当前有望在科创板上市的人工智能公司可分为2类，一类侧重于技术研发（如人脸识别、语音识别），另一类侧重于技术应用（智能机器人、广告智慧营销）。这些公司的技术或产品部分仍处于概念期，尚未有稳定的收入来源，因此PE和PS估值均无法适用。

从完整产业链来看，人工智能可分为基础层、技术层和应用层。基础层提供数据及计算资源；技术层致力于具体问题的解决方案；应用层将相关技术应用于商业场景。以芯片厂商为代表的基础层公司估值可参考半导体行业，应用层公司的估值需考虑具体细分领域的行业特征，具体以技术层公司的估值方法来看：

VM估值—以人脸识别独角兽公司为例

以人脸识别领域为例，商汤科技、旷视科技、依图科技与云从科技是国内人脸识别的4大独角兽公司，主要为金融、安防等领域提供算法技术与解决方案。由于当前上述公司尚未公开披露财务数据，因此主要参考几家公司在一级市场的融资情况，采用VM指数进行估值。

我们计算了四家公司最近两轮融资的VM值（参考值为0.5），其中商汤与旷视的VM值小于0.5，云从的VM值较为接近0.5，依图的VM值较大，其主要原因是两轮融资仅相隔1个月。

细分行业7：互联网

当前有望在科创板上市的互联网公司业务分布较广，涵盖餐饮、教育、娱乐、资讯等多个领域。从共性来看，这些互联网公司多为平台型公司，拥有规模巨大的用户群体。虽然成长期的互联网公司拥有较为稳定的持续收入，可采用PS估值方式，但考虑到公司的平台特征，用户数可作为公司估值时更好的参考指标。

由于互联网的开放性及用户间的互动将产生巨大的网络效应，互联网公司不仅能获得用户群体的直接贡献，也能获得用户互动产生的潜在贡献，在模型中表现为用户价值的平方。以Facebook为例，公司市值-MAU散点拟合线与MAU平方线基本吻合，验证了DEVA模型在实践中的有效性。虽然DEVA模型高估了用户数无限增长的效用，导致了2000年后出现的互联网泡沫，但该模型指出了互联网公司估值的关键因素—用户数，在当前仍具有较强的启示价值。

对于成长期的互联网公司，虽然用户数量快速增长，且具备了较为清晰的盈利模式，但短期内仍未跨过盈亏平衡线。对于此类互联网公司，用户数的提高反映了公司的成长性，因此市值/用户数是较为合理的估值方式。

市值/用户数估值—以哔哩哔哩为例

2016Q1-2018Q4哔哩哔哩月活跃用户（MAU）从28.5万人提高到92.8万人，3年间月活数增长3倍。公司在2015-2018年间营业收入随月活数的提高快速增长，但截至2018年仍未实现盈利。

哔哩哔哩于2018年3月28日在美国纳斯达克上市。我们选取了欢聚时代、微博和LINE3家公司作为哔哩哔哩的可比公司，并计算了这些公司的市值/MAU。

3家可比公司平均市值/MAU为68.5，上下浮动10%后为61.7~75.4的区间，哔哩哔哩2017Q4的MAU为71.8万人，对应市值区间为44~54亿美元。哔哩哔哩上市首日市值为31亿美元，市值水平小于预测区间，这可能是由于上市初期哔哩哔哩特有的“二次元”用户群体并不为海外投资者所熟知和认可，在估值过程中单用户价值存在一定的折价。