Nếu bạn quan tâm hoặc có kinh nghiệm trong lĩnh vực công nghệ sinh học, sẽ không có gì ngạc nhiên khi các công ty công nghệ sinh học có doanh thu ít hoặc không có vẫn có thể trị giá hàng tỷ USD. Hãy xem xét thương vụ M&A công nghệ sinh học nổi bật nhất năm 2017 khi Gilead mua Kite Pharma với giá gần 12 tỷ USD. Vào thời điểm thỏa thuận, Kite vẫn đang thua lỗ, với hơn 600 triệu USD thâm hụt lũy kế, nhưng đáng kể, nó cũng có một đường ống liệu pháp tế bào CAR-T, điều trị ung thư. Kite không nhất thiết phải là một điều bất thường. Gần 80% các công ty cấu thành của Chỉ số Công nghệ Sinh học Nasdaq (NBI) không có thu nhập; hơn 150 công ty đại diện cho hơn 250 tỷ đô la vốn hóa thị trường. Và, đầu tư trung bình của VC vào công nghệ sinh học đã tăng hơn gấp đôi trong thập kỷ qua, từ 4,6 tỷ đô la năm 2005 lên 12,9 tỷ đô la vào năm 2015. Với tư cách là các nhà đầu tư cổ phần tổ chức, rõ ràng điều này không thể được giải thích một cách đơn giản bởi sự hào phóng của các nhà đầu tư. Thay vào đó, nó có nghĩa là để chứng minh rằng quy trình này thường biện minh cho giá trị của một công ty.
Bài viết này xem xét cách định giá các đường ống như vậy của các công ty biopharma, đặc biệt tập trung vào các công ty dược phẩm (chứ không phải các công ty không tập trung vào phát triển thuốc mà là các thiết bị chăm sóc sức khỏe khác). Chúng ta sẽ bắt đầu với cách định giá của các công ty công nghệ sinh học khác với việc định giá các tài sản khác. Sau đó, chúng ta sẽ tập trung vào phương pháp định giá NPV được điều chỉnh theo rủi ro và kết thúc bằng một cuộc thảo luận về một số chủ đề có liên quan:(i) cách người ta có thể nghĩ về danh mục đầu tư của nhiều ứng viên thuốc và (ii) giá trị có thể bị ảnh hưởng như thế nào bởi đặc điểm của nhà đầu tư hoặc bên mua lại.
Phát triển thuốc là tốn kém. Một nghiên cứu nổi bật đã ước tính rằng tổng chi phí phát triển một loại thuốc thành công (thường liên quan đến rất nhiều trong số các nỗ lực không thành công) vượt quá 2,5 tỷ đô la. Các nghiên cứu khác (xem bảng bên dưới) cho thấy tổng chi phí vào khoảng 1,4 tỷ đô la. Con số này thấp hơn ước tính 2,5 tỷ đô la ở trên vì ước tính thứ hai cũng bao gồm ước tính chi phí cơ hội của vốn đầu tư, trong khi ước tính trước chỉ thể hiện chi phí tự trả.
Do đó, việc phát triển thuốc đòi hỏi rất nhiều vốn ngay từ đầu. Nói một cách đơn giản, gần như không thể thành lập một công ty thuốc và do đó, đòi hỏi các nhà đầu tư ngay từ đầu cũng như ở nhiều thời điểm khác nhau trong chu kỳ phát triển. Các nhà đầu tư này có thể bao gồm các nhà đầu tư mạo hiểm (những người như Domain, HCV, MPM và nhiều người khác), các nhà đầu tư chiến lược (tức là các công ty dược phẩm khác) và cả các nhà đầu tư thị trường đại chúng (đó là lý do tại sao chúng tôi kết thúc với rất nhiều công ty trong NBI). Việc gây quỹ cho công nghệ sinh học có thể dễ dàng là một bài báo, nhưng cả nhà đầu tư và người sáng lập / giám đốc điều hành công nghệ sinh học sẽ cần phải nắm vững định giá — ngay cả khi một sản phẩm được phê duyệt, có thể bán được trên thị trường có thể mất nhiều năm trong tương lai.
Một lưu ý kịp thời:Nếu bạn đang đọc bài báo này từ Châu Á, bạn có thể biết rằng Sở giao dịch chứng khoán Hồng Kông gần đây đã cho phép các công ty công nghệ sinh học được niêm yết mà không có doanh thu hoặc lợi nhuận, việc định giá sẽ yêu cầu những gì chúng ta sẽ thảo luận trong bài viết này.
Các công ty công nghệ sinh học không phải là nhà sản xuất phụ tùng tiêu chuẩn của bạn mà bạn đã học được để đánh giá cao trong các khóa học MBA và / hoặc CFA của mình. Đọc để hiểu một số đặc điểm độc đáo cụ thể cho ngành.
Như chúng tôi đã lưu ý, nhiều công ty công nghệ sinh học chưa có doanh thu, chưa nói đến khả năng sinh lời hoặc đo lường dòng tiền. Trên thực tế, các dòng tiền trước khi phê duyệt một loại thuốc sẽ bị âm đáng kể. Điều đó có nghĩa là các bội số định giá "tiêu chuẩn" như EV / EBITDA hoặc P / E ít liên quan hơn. Có một số bội số thay thế như EV / R&D được đầu tư, về cơ bản là định giá dựa trên chi phí. Phương pháp định giá so sánh là một phương pháp luận phổ biến khác sử dụng các giá trị so sánh trên thị trường công cộng hoặc các giao dịch M&A có thể so sánh được. Nó thường không được áp dụng vì hầu hết các công ty công nghệ sinh học đều mang phong cách riêng, do đó đưa ra phân tích so sánh về việc sử dụng hạn chế. Chúng tôi sẽ xem xét một phương pháp định giá thay thế bên dưới.
Ngay cả đối với các công ty công nghệ sinh học lâu đời hơn, doanh thu lịch sử của họ thường đủ đặc trưng để ước tính vẫn phải được xây dựng từ đầu thay vì dựa vào kinh nghiệm / dữ liệu trong nội bộ công ty trước đây hoặc thậm chí từ các công ty tương đương khác làm đường dẫn hướng cho các dự báo. Nói cách khác, cách tiếp cận điển hình để dự đoán các xu hướng trong quá khứ đã bị loại bỏ khá nhiều. Ví dụ:xem bên dưới để biết thông tin hiện tại của công ty nghiên cứu dược phẩm Thụy Sĩ Idorsia và lưu ý phạm vi và sự đa dạng của cả cơ chế hoạt động (quá trình thuốc tạo ra tác dụng dược lý) và chỉ định mục tiêu (việc sử dụng loại thuốc đó để điều trị bệnh nhất định).
Các công ty công nghệ sinh học cũng phải đối mặt với một thời gian dài phát triển duy nhất của ngành. Khung thời gian điển hình cho một loại thuốc mới kể từ khi nộp hồ sơ Thuốc mới Điều tra (IND ở Hoa Kỳ) đến khi gia nhập thị trường, sau khi phê duyệt theo quy định, là khoảng tám năm, như được minh họa trong hình bên dưới. Trong tám năm đó, quá trình này tuân theo các giai đoạn nghiên cứu, thử nghiệm và xem xét của FDA có cấu trúc, trong đó bất kỳ giai đoạn nào thuốc có thể bị lỗi.
Nói một cách đơn giản, một loại thuốc, cuối cùng, có hiệu quả hay không khi điều trị. Ngay cả khi nó có hiệu quả, nó có thể được các cơ quan quản lý chấp thuận hoặc không. Trước khi được phê duyệt, các loại thuốc phải trải qua một quy trình có cấu trúc (thử nghiệm tiền lâm sàng và lâm sàng), tại bất kỳ thời điểm nào mà chúng có thể thất bại — và một khi chúng thất bại, quá trình này thường không thể đảo ngược. Điều đó đại diện cho một hồ sơ rủi ro khác với hầu hết các doanh nghiệp khác, nơi mà phân phối kết quả ít nhị phân hơn. Nói ở Thung lũng Silicon, thường rất khó để “xoay chuyển” một loại thuốc thất bại. Đúng, trong giai đoạn đầu, các công ty khởi nghiệp không sử dụng công nghệ sinh học, thất bại cũng là một kết quả có thể xảy ra, nhưng nếu công ty khởi nghiệp không thất bại, thì có sự phân bổ kết quả khá rộng:Ứng dụng di động mới đó có thể nhận được hàng nghìn lượt tải xuống hoặc hàng chục triệu lượt tải xuống , với các tác động hậu quả đến doanh thu, dòng tiền và giá trị. Và, khi các công ty khởi nghiệp không sử dụng công nghệ sinh học gặp khó khăn, họ gần như thường xuyên điều chỉnh mô hình kinh doanh của mình để tồn tại. Chỉ cần đưa ký ức của bạn trở lại thời điểm Netflix là công ty đặt hàng qua thư DVD trước khi nó là dịch vụ phát trực tuyến hoặc khi Instagram là một ứng dụng đăng ký với các yếu tố trò chơi và ảnh trước khi chuyển thành ứng dụng ảnh thống trị ngày nay.
Do đó, chúng tôi cần phản ánh hồ sơ rủi ro khác nhau này trong phân tích định giá của mình, chẳng hạn như khi tạo dòng tiền chiết khấu (DCF) và chọn tỷ lệ chiết khấu thích hợp. Nói rộng ra, có hai cách chúng ta có thể thực hiện:
NPV được điều chỉnh theo rủi ro bao gồm hai thành phần chính:dòng tiền dự kiến và xác suất cho các tình huống. Trước tiên, chúng ta sẽ tiếp cận dự báo dòng tiền cho các tình huống trước, sau đó là xác suất cho các tình huống khác nhau.
Như chúng tôi đã đề cập trước đây, ma túy đủ độc đáo để chúng tôi phải xây dựng các dự báo dòng tiền này từ đầu. Trước tiên, chúng ta hãy xem xét một cấu hình dòng tiền điển hình, được cách điệu và sau đó đi qua từng trình điều khiển dòng tiền.
Trong những năm đầu tiên, chỉ có dòng chảy ra do chi phí R&D cho thuốc. Các chi phí này sẽ khác nhau đối với mỗi loại thuốc, tùy thuộc vào các yếu tố như số lần lặp lại trong giai đoạn khám phá và tiền lâm sàng, (các) thiết kế thử nghiệm cần thiết trong quá trình thử nghiệm tiền lâm sàng và lâm sàng, v.v. Về cơ bản, nó bao gồm các năm hiển thị dòng tiền trong biểu đồ trên.
Khi thuốc được đưa ra thị trường, đây là những động lực chính mà chúng ta cần ước tính để đưa ra dự báo doanh thu (và lợi nhuận). Lưu ý rằng rõ ràng chúng tôi có thể phát triển khung công tác này thành các trình điều khiển phụ phức tạp hơn bao giờ hết, nhưng sẽ tập trung vào các trình điều khiển quan trọng nhất trong bài viết tổng quan này. Trong phần sau, để ước tính doanh thu, chúng tôi sẽ thực hiện đại khái các bước được trình bày trong cuốn sách Dự báo ngành dược phẩm của Arthur Cook (chúng tôi sẽ sử dụng một số trình điều khiển được hiển thị trong hộp màu xám):
Số lượng khách hàng tiềm năng sử dụng một loại thuốc là một tập hợp con những người mắc phải tình trạng mục tiêu — chúng tôi đưa ra ước tính sơ bộ bằng cách chạy qua một loạt bộ lọc trong một kênh, một lần nữa gần giống với Arthur Cook:
Việc định giá là rất quan trọng và sẽ phụ thuộc vào việc công ty dược phẩm cần phải thu hồi vốn đầu tư tương xứng vào liệu pháp cũng như giá trị của liệu pháp so với các lựa chọn điều trị cạnh tranh (nếu có).
Ngay cả đối với các loại thuốc hiện có, thông tin giá cả đáng tin cậy nổi tiếng là khó tìm, nhưng bạn có thể tìm thấy một số thông tin trên các trang web như Drugbank hoặc từ một số nhà cung cấp dữ liệu trả phí. Hãy nhớ rằng thường có sự khác biệt đáng kể giữa giá niêm yết của một loại thuốc và giá thực tế trung bình phải trả (sau chiết khấu trung bình - ví dụ:ước tính là 45% bởi một thành viên của hội nghị này) do kết quả của các cuộc đàm phán (chủ yếu là không công khai) giữa các bên liên quan bao gồm các công ty dược phẩm, PBM, công ty bảo hiểm và CMS. Việc cố gắng tìm ra mức giá trung bình thực tế phải trả cũng tương tự như bước lên máy bay và cố gắng tìm hiểu xem hành khách trung bình phải trả bao nhiêu cho giá vé của mình — và việc biết giá vé chính thức không thực sự giúp bạn nhiều!
Tôi thật thiếu sót khi không đề cập đến góc độ vĩ mô về giá thuốc như một yếu tố tiềm ẩn, cụ thể là cuộc tranh luận chính trị dường như thường trực về giá thuốc ở Mỹ — rõ ràng, các nhà đầu tư và giám đốc điều hành công nghệ sinh học cần phải theo dõi những phát triển ở đây.
Tỷ suất lợi nhuận gộp đối với thuốc thường rất cao — một nghiên cứu của Trường Stern về hàng trăm công ty dược / công nghệ sinh học đưa họ vào mức thấp nhất trong những năm 70 là trung bình và cho toàn bộ công ty. Tuy nhiên, riêng lẻ, tỷ suất lợi nhuận gộp có thể cao tới 90%. Nghiên cứu tương tự của Stern cho thấy chi phí bán hàng, chi phí chung và chi phí quản lý (SG&A) trung bình chiếm khoảng 26-28% doanh thu nhưng tất nhiên, SG&A cũng bao gồm phần “G &A”, bao gồm nhiều chi phí phi bán hàng và tiếp thị. Bảng Statista này cho thấy chi phí tiếp thị thuần túy của một số công ty dược phẩm lớn ở mức thấp đến giữa hai mươi tuổi tính theo phần trăm doanh thu. Tuy nhiên, đây là những con số trung bình cho toàn bộ các công ty dược phẩm lớn, đa dạng. Như bài viết này đã chỉ ra, đối với bất kỳ loại thuốc cụ thể nào, phạm vi chi phí tiếp thị có thể rộng và phụ thuộc vào một số yếu tố, chẳng hạn như mức độ cạnh tranh của thuốc.
Hình dạng của đường cong doanh thu / dòng tiền thường sẽ theo cách điệu ở trên trong Hình XYZ. Tăng giá có thể phụ thuộc vào các yếu tố như phê duyệt quy định ở các khu vực khác nhau, việc thực hiện sản xuất và thực hiện chiến lược tiếp thị. Ví dụ, có thể bị ảnh hưởng bởi sự xuất hiện của các lựa chọn trị liệu có thương hiệu cạnh tranh.
Lưu ý rằng đường cong cách điệu ở trên có doanh thu sẽ về 0 ở cuối. Điều này là do tác động của việc hết hạn bằng sáng chế và sự cạnh tranh sau đó của các loại thuốc gốc. Ở Mỹ, thời hạn bảo hộ sáng chế tiêu chuẩn là hai mươi năm. Tuy nhiên, hãy nhớ rằng các loại thuốc mới thường được cấp bằng sáng chế sớm trong quá trình này — ví dụ, trong quá trình thử nghiệm trên động vật ở giai đoạn tiền lâm sàng, khi đó thường vẫn sẽ mất 8-10 năm cho đến khi thuốc thực sự được đưa ra thị trường, vì vậy thực tế Giai đoạn doanh thu "được bảo vệ" có thể chỉ kéo dài khoảng 10 năm. Sau khi hết hạn bằng sáng chế, sự giảm giá của thuốc thường nhanh chóng và đáng kể:
Người ta có thể chỉ ra một số yếu tố làm giảm bớt khả năng:
Tuy nhiên, dự báo dòng tiền cho thuốc thường không giả định bất kỳ dòng tiền nào (và do đó giá trị cuối cùng) sau khi bằng sáng chế hết hạn.
Về chủ đề dự báo dòng tiền, người ta cũng phải ghi nhớ bất kỳ điều chỉnh tiềm năng nào đối với đường cong doanh thu / dòng tiền điển hình, trong đó tôi sẽ chỉ đề cập đến hai ví dụ nổi bật.
Điều gì sẽ xảy ra nếu ứng viên điều trị đề xuất chữa khỏi hoàn toàn một tình trạng thay vì điều trị hoặc quản lý nó thông qua tiêm nhắc lại (những gì chúng tôi mặc nhiên giả định ở trên)? Đặc biệt là với sự ra đời của các liệu pháp gen được chấp thuận đầu tiên, đây là một khả năng ngày càng phù hợp. Điều này đưa ra một số hệ quả thú vị đối với dự báo dòng tiền của chúng tôi, như được trình bày bên dưới:
Bây giờ chúng ta đã xem xét các cân nhắc trong dự báo dòng tiền, chúng ta hãy chuyển sang các xác suất mà chúng ta sẽ sử dụng để cân nhắc các dòng tiền này.
Vì vậy, xác suất thành công nào đối với một ứng cử viên thuốc? Theo nguyên tắc chung, chúng ta phải là “những người Bayes giỏi”, bắt đầu với tỷ lệ thành công cơ bản hợp lý và sau đó liên tục điều chỉnh để có bằng chứng mới.
Bảng dưới đây, tổng hợp các nghiên cứu khác nhau về chủ đề này, cho thấy xác suất thành công gần đúng của từng giai đoạn, bắt đầu từ lâm sàng, trong quá trình phát triển thuốc (hàng trên) cũng như xác suất tích lũy để thuốc được chấp thuận (hàng dưới— vì vậy, ví dụ:xác suất vượt qua giai đoạn I là xấp xỉ 65%, nhưng xác suất tổng thể để chuyển từ đầu giai đoạn I đến một loại thuốc được chấp thuận là 90% × 65% × 40 × 65% =15% , như được hiển thị ở hàng dưới). Lưu ý rằng NDA là viết tắt của ứng dụng thuốc mới và tỷ lệ phần trăm đề cập đến NDA thành công.
Tất nhiên, đây là mức lãi suất cơ bản chung nhất mà chúng tôi có thể sử dụng và chúng tôi nên và có thể được nâng cao bằng cách tính đến lĩnh vực điều trị hoặc tính mới của ứng cử viên thuốc, như được hiển thị trong biểu đồ sau từ Bank of America Merrill Lynch:
Có những điều chỉnh tiềm năng hơn nữa đối với mức giá cơ bản mà người ta có thể đưa ra, ngay cả những điều chỉnh không liên quan gì đến bản thân thuốc, chẳng hạn như hồ sơ theo dõi của công ty (nhóm nghiên cứu và phát triển và quản lý) trong việc phê duyệt thuốc.
Sau đó, người ta cần điều chỉnh lãi suất cơ bản bất cứ khi nào có bằng chứng liên quan. Ví dụ rõ ràng nhất là vượt qua giai đoạn thử nghiệm lâm sàng và các bảng như trên đã cung cấp xác suất mới, được điều chỉnh (nhưng, thật may mắn cho chúng tôi, phép tính Bayes khớp với số bảng, ví dụ:để vượt qua giai đoạn I: 15% × 100% / 65% =23% ). Có những điều chỉnh ít tầm thường hơn nhiều; chẳng hạn, hãy tưởng tượng một loại thuốc của một đối thủ cạnh tranh, nhắm mục tiêu có lẽ cùng một con đường, gặp vấn đề trong một thử nghiệm lâm sàng.
Mặc dù lãi suất cơ bản là hữu ích, nhưng giả định chỉ có hai tình huống (thành công / thất bại) thường quá đơn giản. Nếu chúng tôi có một ứng cử viên ma túy bước vào giai đoạn I, chúng tôi phải đối mặt với ít nhất là các tình huống được mô tả trong cây kịch bản bên dưới — rõ ràng là có nhiều kết quả khác không được nắm bắt trong cây này. Lưu ý rằng số đô la Mỹ tính bằng hàng triệu và đại diện cho NPV dự kiến tại mỗi nút. Bạn sẽ lưu ý rằng xác suất thành công ở đây không khớp với xác suất thành công trong bảng tóm tắt của chúng tôi ở trên, minh họa rằng có nhiều ước tính khác nhau.
Đầu tiên, hãy lưu ý rằng điều đó rõ ràng là quan trọng khi một loại thuốc không thành công - càng về sau, càng nhiều tiền được chi cho R&D. Nói cách khác, (theo nghĩa đen) trả tiền để nắm lấy câu thần chú của Thung lũng Silicon: “thất bại nhanh, thất bại thường xuyên”. Điều này có liên quan trong bối cảnh một lĩnh vực có ROI giảm trên chi tiêu cho R&D (ví dụ:từ 10,1% năm 2010 xuống 3,7% năm 2016 trong một nghiên cứu của Deloitte về mười hai công ty sinh học hàng đầu). Làm thế nào một cách hiệu quả không thành công nhanh chóng và thường sẽ là một bài báo của chính nó — hãy xem bài viết này của Toptal về cách dữ liệu lớn có thể giải quyết vấn đề này.
Thứ hai, cây kịch bản này dừng sau khi phê duyệt NDA, nhưng người ta có thể hình dung ra các kịch bản cho giai đoạn sau phê duyệt — tức là doanh thu — giai đoạn cũng vậy. Tuy nhiên, phân phối kết quả trong giai đoạn đó hy vọng sẽ liên tục hơn để người ta thường có thể làm việc một cách đơn giản với một kịch bản bằng cách sử dụng các giá trị mong đợi.
Khi chúng tôi đã phát triển các kịch bản và các dòng tiền và xác suất tương ứng của chúng, chúng tôi cần chiết khấu các dòng tiền trở lại hiện tại. Một mặt, chúng ta phải lưu ý rằng chúng ta đã nắm bắt được một số rủi ro / không chắc chắn thông qua các kịch bản, vì vậy chúng ta không nên sử dụng tỷ lệ chiết khấu quá cao (theo phong cách phương pháp đầu tư mạo hiểm). Mặt khác, chúng ta ở giai đoạn sớm hơn, càng có nhiều rủi ro tồn đọng (không được nắm bắt thông qua các kịch bản), điều này chứng minh cho tỷ lệ chiết khấu cao hơn. Dưới đây là một số tỷ lệ chiết khấu ví dụ cho các công ty công nghệ sinh học ở các giai đoạn trưởng thành khác nhau:
Điều quan trọng là phải diễn giải chính xác NPV được điều chỉnh theo rủi ro này:Đó là giá trị dự kiến, che giấu phân phối kết quả cơ bản có thể đơn giản như gần với hệ nhị phân (ví dụ:một công ty có một loại thuốc pha III trong đường ống) hoặc phức tạp hơn nhiều trong trường hợp một công ty có nhiều loại thuốc đang trong quá trình phát triển — điều này đưa chúng ta đến chủ đề tiếp theo:cách quản lý nhiều ứng viên thuốc.
Hãy sử dụng một ví dụ để hiểu cách đường ống một loại thuốc có thể khác với một loại thuốc với một số loại thuốc. Trên đường đến hội nghị đầu tư về công nghệ sinh học, một người hối hả trên đường phố tóm lấy bạn và cung cấp cho bạn một trò chơi lật đồng xu:đầu bạn giành được 100 đô la; bạn không nhận được gì — bạn sẽ trả bao nhiêu để chơi? Sau đó, một người hối hả trên đường phố khác đến và đưa ra cho bạn một trò chơi hơi khác:Anh ta sẽ lật đồng xu mười lần và bạn giành được 10 đô la mỗi khi xuất hiện đầu - bạn sẽ trả bao nhiêu để chơi trong trường hợp này? Chúng ta hãy kiểm tra các phân phối kết quả tiềm năng — nói một cách toán học, một phân phối Bernoulli ở bên trái và một phân phối nhị thức ở bên phải:
Tiền thắng dự kiến của bạn thực sự là $ 50 trong một trong hai trò chơi; 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!