Если вы интересуетесь или имеете опыт работы в сфере биотехнологий, неудивительно, что биотехнологические компании с небольшим доходом или вообще без него могут стоить миллиарды. Рассмотрим самую крупную сделку по слиянию и поглощению в сфере биотехнологий в 2017 году, когда Gilead купила Kite Pharma почти за 12 миллиардов долларов. На момент сделки Kite все еще была убыточной, с накопленным дефицитом более 600 миллионов долларов, но, что немаловажно, у нее также был портфель CAR-T-клеточной терапии для лечения рака. Воздушный змей не обязательно был аномалией. Почти 80% компаний, входящих в индекс Nasdaq Biotech Index (NBI), не имеют прибыли; более 150 компаний с рыночной капитализацией более 250 миллиардов долларов. А средние венчурные инвестиции в биотехнологии за последнее десятилетие увеличились более чем вдвое, с 4,6 млрд долларов в 2005 году до 12,9 млрд долларов в 2015 году. Являясь институциональными инвесторами в акционерный капитал, ясно, что это нельзя объяснить просто изобилием инвесторов. Скорее, это должно продемонстрировать, что воронка часто оправдывает ценность компании.
В этой статье рассматривается, как оценить такие портфели биофармацевтических компаний, уделяя особое внимание фармацевтическим компаниям (а не компаниям, которые сосредоточены не на разработке лекарств, а на других медицинских устройствах). Начнем с того, чем оценки биотехнологических компаний отличаются от оценок других активов. Затем мы сосредоточимся на методологии оценки чистой приведенной стоимости с поправкой на риск и завершим обсуждением пары соответствующих тем:(i) как можно думать о портфелях из нескольких кандидатов на лекарства и (ii) как на стоимость может повлиять характеристики инвестора или приобретателя.
Разработка лекарств стоит дорого. Согласно одному известному исследованию, общая стоимость разработки успешного лекарства (которая обычно требует много неудачных попыток) превышает 2,5 миллиарда долларов. Другие исследования (см. таблицу ниже) показывают, что затраты составляют около 1,4 миллиарда долларов. Эта цифра ниже приведенной выше оценки в 2,5 млрд долл. США, поскольку последняя также включает оценку альтернативных издержек вложенного капитала, а первая представляет собой только наличные расходы.
Поэтому разработка лекарств требует больших капиталовложений с самого начала. Проще говоря, практически невозможно запустить фармацевтическую компанию и, таким образом, требовать инвесторов с самого начала, а также на различных этапах цикла разработки. Эти инвесторы могут включать в себя венчурных капиталистов (таких людей, как, например, Domain, HCV, MPM и многих других), стратегических инвесторов (т. НБИ). Сбор средств для биотехнологии сам по себе является отдельной статьей, но как инвесторам, так и учредителям/руководителям биотехнологических компаний необходимо будет освоить оценку — даже если одобренный товарный продукт может появиться через много лет.
Своевременно:если вы читаете это из Азии, вы, вероятно, знаете, что Гонконгская фондовая биржа недавно разрешила листинг биотехнологических фирм без доходов или прибыли, оценка которых потребует того, что мы обсудим в этой статье.
Биотехнологические фирмы не являются вашими стандартными производителями виджетов, которых вы научились ценить на курсах MBA и/или CFA. Читайте дальше, чтобы понять некоторые уникальные особенности отрасли.
Как мы уже отмечали, многие биотехнологические фирмы еще не имеют доходов, не говоря уже о показателях прибыльности или денежных потоков. На самом деле денежные потоки до утверждения препарата будут значительно отрицательными. Это означает, что «стандартные» мультипликаторы оценки, такие как EV/EBITDA или P/E, менее актуальны. Есть несколько альтернативных мультипликаторов, таких как EV/инвестиции в НИОКР, которые, по сути, являются оценкой, основанной на затратах. Методика сравнительной оценки является еще одной популярной методологией, в которой используются сопоставимые данные на открытом рынке или сопоставимые сделки слияний и поглощений. Часто он неприменим, потому что большинство биотехнологических компаний уникальны, поэтому сравнительный анализ имеет ограниченное применение. Ниже мы рассмотрим альтернативный метод оценки.
Даже для более авторитетных биотехнологических компаний их исторические доходы, как правило, достаточно своеобразны, поэтому оценки все равно приходится создавать с нуля, а не полагаться на прошлый опыт/данные внутри компании или даже на данные других сопоставимых компаний в качестве ориентира для прогнозов. Другими словами, типичный подход к прогнозам, основанный на экстраполяции прошлых тенденций, практически не работает. Например, см. ниже текущую разработку швейцарской фармацевтической исследовательской компании Idorsia и обратите внимание на диапазон и разнообразие как механизма действия (процесс, посредством которого препарат оказывает фармакологический эффект), так и целевых показаний (использование этого препарата для лечения определенное заболевание).
Биотехнологические компании также сталкиваются с длительным периодом развития, уникальным для отрасли. Как показано на графике ниже, типичный срок для нового лекарственного средства от подачи заявки на исследование нового лекарственного средства (IND в США) до выхода на рынок после утверждения регулирующими органами составляет около восьми лет. В течение этих восьми лет процесс следует структурированным фазам исследований, тестирования и проверки FDA, на каждом из которых препарат может дать сбой.
Упрощенно говоря, лекарство, в конце концов, эффективно или нет при лечении. Даже если он эффективен, он может получить или не получить одобрение регулирующих органов. До утверждения лекарства проходят структурированный процесс (доклинические и клинические испытания), в любой момент которого они могут потерпеть неудачу, а если они потерпят неудачу, процесс часто становится необратимым. Это представляет собой профиль риска, отличный от профиля большинства других предприятий, где распределение результатов менее бинарно. Говоря языком Силиконовой долины, обычно очень трудно «повернуть» неудачный препарат. Правда, на ранних стадиях стартапов, не связанных с биотехнологиями, провал также является вероятным исходом, но если стартап не терпит неудачу, существует довольно широкое распределение результатов:это новое мобильное приложение может получить тысячи загрузок или десятки миллионов загрузок. , с последующим воздействием на доходы, денежные потоки и стоимость. И когда стартапы, не связанные с биотехнологиями, сталкиваются с трудностями, они почти всегда корректируют свои бизнес-модели, чтобы выжить. Вспомните, когда Netflix был компанией, занимающейся доставкой DVD по почте, прежде чем стать стриминговым сервисом, или когда Instagram был приложением для регистрации с игровыми и фотоэлементами, прежде чем он превратился в доминирующее сегодня приложение для работы с фотографиями.
Следовательно, нам необходимо отразить этот другой профиль риска в нашем анализе оценки, например, при создании дисконтированного денежного потока (DCF) и выборе соответствующей ставки дисконтирования. Вообще говоря, мы можем сделать это двумя способами:
Чистая приведенная стоимость с поправкой на риск включает два основных компонента:прогнозируемые денежные потоки и вероятности сценариев. Сначала мы приступим к прогнозированию денежных потоков для сценариев, а затем вероятности для различных сценариев.
Как мы отмечали ранее, лекарства настолько уникальны, что нам приходится строить эти прогнозы денежных потоков с нуля. Давайте сначала рассмотрим типичный стилизованный профиль денежных потоков, а затем рассмотрим каждый из драйверов денежных потоков.
В первые годы происходит только отток из-за расходов на исследования и разработки препарата. Эти затраты будут различаться для каждого препарата в зависимости от таких факторов, как количество итераций на этапах открытия и доклинических исследований, план(ы) эксперимента, необходимый(е) во время доклинических и клинических испытаний, и многое другое. В основном он включает годы, показывающие отток на диаграмме выше.
Когда лекарство выйдет на рынок, вот основные факторы, которые нам необходимо оценить, чтобы получить прогнозы выручки (и прибыли). Обратите внимание, что мы, очевидно, могли бы развить эту структуру во все более сложные поддрайверы, но в этой обзорной статье мы сосредоточимся на наиболее важных драйверах. В следующем разделе для оценки дохода мы будем примерно следовать шагам, изложенным в книге Артура Кука «Прогнозирование для фармацевтической отрасли» (мы будем использовать некоторые факторы, показанные в серых прямоугольниках):
Количество потенциальных клиентов, принимающих лекарство, – это подмножество людей, страдающих целевым заболеванием. Мы получаем приблизительную оценку, просматривая ряд фильтров в воронке, снова примерно следуя Артуру Куку:
Ценообразование имеет решающее значение и будет зависеть, среди прочего, от потребности фармацевтической компании в получении адекватной отдачи от своих инвестиций в исследования и разработки в терапии, а также от ценности терапии по сравнению с конкурирующими вариантами лечения (если таковые имеются).
Известно, что даже для существующих лекарств трудно найти достоверную информацию о ценах, но вы можете найти некоторую информацию на таких веб-сайтах, как Drugbank, или у ряда платных поставщиков данных. Имейте в виду, что обычно существует значительная разница между рекламной ценой препарата и средней фактической уплаченной цены (послесредние скидки — например, по оценке члена этой группы участников конференции в размере 45 %) в результате (в основном непубличных) переговоров между заинтересованными сторонами, включая фармацевтические компании, PBM, страховщики и CMS. Попытка узнать фактическую среднюю цену в чем-то похожа на то, как если бы вы сели в самолет и попытались выяснить, сколько средний пассажир заплатил за свой проезд, и знание официальной цены за полный тариф не очень вам поможет!
Было бы упущением с моей стороны не упомянуть макроэкономический аспект ценообразования на лекарства в качестве потенциального фактора, в частности, кажущиеся постоянными политические дебаты по поводу цен на лекарства в США — ясно, что инвесторы и руководители биотехнологических компаний должны следить за развитием событий здесь. П>
Валовая прибыль от лекарств, как правило, очень высока:исследование сотен фармацевтических/биотехнологических компаний, проведенное Школой Стерна, показывает, что она составляет около семидесяти процентов как среднее значение для целых компаний. Однако по отдельности валовая прибыль может достигать 90%. То же исследование Стерна показывает, что средние коммерческие, общие и административные (SG&A) расходы составляют примерно 26-28% от выручки, но, конечно, SG&A также включает часть «G&A», включая многие некоммерческие и маркетинговые расходы. Эта таблица Statista показывает, что чистые расходы на маркетинг для некоторых крупных фармацевтических компаний находятся в диапазоне от 20 до 20% в процентах от выручки. Однако это средние цифры для целых, крупных, диверсифицированных фармкомпаний. Как отмечается в этой статье, для любого конкретного препарата диапазон расходов на маркетинг может быть широким и зависеть от ряда факторов, таких как конкуренция, с которой сталкивается препарат.
Форма кривой выручки/денежного потока часто будет повторять стилизованную кривую выше на рисунке XYZ. Наращивание может зависеть от таких факторов, как разрешение регулирующих органов в различных регионах, внедрение производства и реализация маркетинговой стратегии. На сокращение может повлиять, например, появление конкурирующих фирменных вариантов терапии.
Обратите внимание, что на стилизованной кривой выше доходы стремятся к нулю в конце. Это связано с истечением срока действия патента и последующей конкуренцией со стороны непатентованных лекарств. В США стандартный срок патентной защиты составляет двадцать лет. Однако имейте в виду, что новые лекарства обычно патентуются на ранней стадии процесса — скажем, во время испытаний на животных в доклинической фазе, когда обычно требуется 8–10 лет, прежде чем лекарство действительно поступит на рынок, так что фактическая Стадия «защищенного» дохода может длиться всего около 10 лет. После истечения срока действия патента снижение цены на лекарство обычно происходит быстро и значительно:
Можно указать на некоторые потенциально смягчающие факторы:
Тем не менее, прогнозы денежных потоков для лекарств часто не предполагают каких-либо денежных потоков (и, следовательно, конечной стоимости) после истечения срока действия патента.
Говоря о прогнозах движения денежных средств, следует также помнить о любых возможных корректировках типичной кривой доходов/денежных потоков, из которых я упомяну лишь два ярких примера.
Что, если кандидат на терапию предлагает полностью вылечить состояние, а не лечить или контролировать его путем повторного введения (что мы неявно предполагаем выше)? Особенно с появлением первых утвержденных методов генной терапии это становится все более актуальной возможностью. Это влечет за собой некоторые интересные последствия для наших прогнозов денежных потоков, как показано ниже:
Теперь, когда мы рассмотрели аспекты прогнозирования денежных потоков, давайте перейдем к вероятностям, которые мы будем использовать для взвешивания этих денежных потоков.
Итак, какова вероятность успеха кандидата в наркотики? Как правило, мы должны быть «хорошими байесовцами», начиная с разумного базового уровня успеха, а затем постоянно корректируя его с учетом новых данных.
В приведенной ниже таблице, представляющей собой объединение различных исследований по этой теме, показаны приблизительные вероятности успеха на каждом этапе, начиная с клинического, в процессе разработки лекарственного средства (верхний ряд), а также совокупная вероятность одобрения препарата (нижний ряд — так, например, вероятность прохождения фазы I составляет примерно 65%, но общая вероятность пройти от начала фазы I до одобренного препарата составляет 90% × 65% × 40 × 65% =15% , как показано в нижней строке). Обратите внимание, что NDA означает заявку на новое лекарство, а проценты относятся к успешному NDA.
Это, конечно, самые общие базовые ставки, которые мы могли бы использовать, и мы должны и можем их увеличить, принимая во внимание терапевтическую область или новизну препарата-кандидата, как показано на следующих графиках из Bank of America Merrill Lynch:
Возможны дополнительные корректировки базовой ставки, даже такие, которые не имеют ничего общего с самим лекарством, например, с послужным списком компании (ее научно-исследовательской и регулирующей групп) в получении одобрения лекарств. /Р>
Затем необходимо вносить коррективы в базовую ставку всякий раз, когда становятся доступными соответствующие доказательства. Самый очевидный пример — прохождение стадии клинического испытания, и таблицы, подобные приведенной выше, уже дают новую, скорректированную вероятность (но, к счастью для нас, байесовский расчет совпадает с номером таблицы, например, для прохождения фазы I:15% × 100% / 65% =23% ). Тривиальных настроек гораздо меньше; например, представьте, что лекарство конкурента, нацеленное, возможно, на тот же путь, сталкивается с проблемами в клинических испытаниях.
Хотя базовые ставки полезны, предположение только о двух сценариях (успех/неудача) часто слишком упрощенно. Если у нас есть лекарство-кандидат, вступающий в фазу I, мы сталкиваемся с как минимум сценарии, изображенные в дереве сценариев ниже — очевидно, есть много других результатов, которые не отражены в этом дереве. Обратите внимание, что суммы в долларах США указаны в миллионах и представляют в каждом узле ожидаемую чистую приведенную стоимость. Вы заметите, что вероятности успеха здесь не совпадают с теми, что указаны в сводной таблице выше, что свидетельствует о различных оценках.
Во-первых, обратите внимание, что имеет значение, когда лекарство терпит неудачу — чем позже, тем больше денег будет потрачено на исследования и разработки. Другими словами, (буквально) стоит следовать мантре Силиконовой долины:"терпите неудачу быстро, терпите неудачу часто". Это актуально в контексте сектора, в котором наблюдается снижение рентабельности инвестиций в исследования и разработки (например, с 10,1% в 2010 г. до 3,7% в 2016 г. в исследовании Deloitte двенадцати ведущих биофармацевтических компаний). О том, как быстро и часто терпят неудачу, можно было бы написать отдельную статью — ознакомьтесь с этой статьей Toptal о том, как большие данные могут решить эту проблему.
Во-вторых, это дерево сценариев останавливается после утверждения NDA, но можно было бы разработать сценарии и для этапа после утверждения, то есть для получения дохода. Однако мы надеемся, что распределение результатов на этом этапе будет более непрерывным, так что часто можно будет упрощенно работать с одним сценарием, используя ожидаемые значения.
После того, как мы разработали сценарии и их соответствующие денежные потоки и вероятности, нам необходимо дисконтировать денежные потоки до настоящего времени. С одной стороны, мы должны помнить, что мы уже уловили некоторую неопределенность/риск через сценарии, поэтому нам не следует использовать чрезмерно высокую (стиль метода венчурного капитала) ставку дисконтирования. С другой стороны, чем на более ранней стадии мы находимся, тем больше остаточный риск (не отраженный в сценариях), что оправдывает более высокую ставку дисконтирования. Вот несколько примеров ставок дисконтирования для биотехнологических компаний на разных стадиях зрелости:
Важно правильно интерпретировать эту NPV с поправкой на риск:это ожидаемое значение, маскирующее базовое распределение результатов, которое может быть как простым, близким к бинарному (например, компания с одним препаратом фазы III в разработке), так и гораздо более сложным. в случае компании, разрабатывающей несколько лекарств, — что подводит нас к следующей теме:как управлять несколькими лекарствами-кандидатами.
Давайте на примере поймем, чем конвейер с одним лекарством может отличаться от конвейера с несколькими препаратами. По пути на конференцию по инвестициям в биотехнологии вас хватает уличный мошенник и предлагает сыграть в подбрасывание монеты:если выпадет орел, вы выиграете 100 долларов; если выпадет решка, вы ничего не получите — сколько бы вы заплатили за игру? Затем появляется другой уличный мошенник и предлагает вам немного другую игру:он подбрасывает монету десять раз, и вы выигрываете 10 долларов каждый раз, когда выпадает орёл — сколько бы вы заплатили за игру в этом случае? Давайте рассмотрим возможные распределения результатов — с математической точки зрения, распределение Бернулли слева и биномиальное распределение справа:
Ваш ожидаемый выигрыш на самом деле составляет 50 долларов в любой игре; however, you can easily see and intuitively understand that the 1-coin flip game is “riskier.” In order to quantify this risk, we can look at the standard deviation of your winnings—$50 for the 1-coin flip game and approximately $16 for the 10 coin-flip game. Therefore, if you were forced to play and pay the “fair” price of $50, most people would pick the second game—its risk-adjusted return is superior to the first game’s, a point to which we will return below.
Of course, by now you have understood that we can substitute “coin flip” with (e.g.) “phase III drug” and set the probability to the appropriate one, in that case, say 65% as per the table above (ignoring the subsequent NDA stage)—a coin that is biased in our favor! The one coin flip case would be a company with only one such phase III drug in its pipeline, whereas the ten coin flip case may be one company with ten phase III drugs, or (from, e.g., a biotech investor’s point of view) several companies with a total of ten phase III drugs in their pipelines (each single company may have as few as just one pipeline drug).
Even if we just stick to a simple fail/success binary outcome, you can see that the number of potential outcomes scales exponentially with the number of drugs (n), specifically:2 n . Once we add in all necessary intermediate scenarios, as per the discussion above, things can get unwieldy quickly and too cumbersome to calculate by hand or on a spreadsheet. My choice would be to run a Monte Carlo simulation in an appropriate computing environment—not Excel!—e.g., R. The simulation essentially “flips coins” (respecting the input probabilities the user provides) at every outcome node and runs a large number of trials, eventually covering/providing a meaningful sample of outcomes that could happen in the real world. The Monte Carlo simulation hence outputs a distribution of outcomes (specifically, NPVs) on which you can then calculate statistics like the mean and standard deviation.
One caveat:The probabilities of success for several drugs may not be statistically independent of each other—e.g., imagine a company that has two (or even more) drugs that use the same innovative therapeutic approach, focusing on different conditions. In that case, the math becomes more complex and goes beyond the scope of this overview article.
So, in the line of comparing the coin flip games at the beginning of this section, how can one compare (in a quantified way) pipelines with several drugs against each other? This also goes beyond the scope of this article, but suffice to say we can borrow metrics from finance that are designed to adjust returns for risk—e.g., the Shape ratio or Sortino ratio. In general, though, one takeaway from this section should be that multiple drugs (especially if independent of each other) de-risk the drug portfolio, which is also the reason why a one-drug, pre-clinical biotech startup may have to offer 100%+ expected IRRs to its venture investor, whereas that same venture fund, benefiting from diversification, may get away with offering 20-30% IRRs to its investors.
Does this mean every biotech company should try to have several candidate drugs? Not necessarily. This is a complex question that depends, inter alia, on things like the company’s scientific, management, and financial capacity. If you have the world’s best team to work on a specific therapeutic approach, you can intuitively see that forcing that team to diversify into other areas may be distracting and therefore possibly even increase risk. If a biotech company wants to de-risk, there are, of course, also other ways—notably, via partnerships whereby, e.g., the company gives up some upside (revenue share) in exchange for limiting downside (sharing R&D and/or eventual marketing cost). In such a partnership, a biotech company’s drug may also help to de-risk the other company’s overall pipeline, which brings us to final discussion.
There is standalone value (the subject of this article up to this point) and then there is the value of a company to somebody else (like a partner, investor, or acquirer), which takes into account factors such as:
As a finance professional and enthusiastic hobby biologist who loves to read biology books and take open online medicine courses, I am inclined to close on the following note:I hope that while the scientific work is the most important value driver of a biotech company, there is room for savvy financial experts to add value, such as tasks like conceiving and negotiating partnerships that increase risk-adjusted returns and hence value to all sides. As prominent biotech investor Stephen Diggle noted in a recent Bloomberg article:“Bringing financial expertise to fledgling biotech companies helps create value because management consists mostly of scientists who focus on research and development.” Of course, if the financial expert has some domain expertise and is passionate about the science, all the better!