摘要:市盈率TTM怎么算,扣非利润如何影响同行估值?本文以寒武纪和海光信息为真实案例,结合行情接口与正式财报,说明财务数据API研究中如何统一价格日期、股数基准和利润期间。两家的参考倍数差距在扣非后由10.33%缩至6.34%,并附营收与股东利润拆解、利润敏感性表及可直接运行的Python复算代码。
做一个同行估值表,最省事的实现是读取pe字段再排序。但这样很难回答:利润来自哪个期间、是归母还是扣非、股数是否对应同一日期,以及排序为什么改变。
这个例子把计算拆成固定输入与确定性转换。寒武纪和海光信息的价格来自同一交易日,财务输入取自正式报表;Python使用Decimal重算归母和扣非两种参考PE,并导出CSV。程序不仅输出倍数,还保留营收到股东利润的结果分解,以及五行情景敏感性。
实际结果是:相对倍数差距从10.33%缩至6.34%;海光营收约1.74倍,却只有约0.79倍的扣非归母利润;只把寒武纪利润假设提高10%,倍数顺序就会反转。
1. 输入字段先定义清楚
| 字段 | 含义 | 本例来源 |
|---|---|---|
code |
证券身份 | 寒武纪688256.SH、海光688041.SH |
close |
2026-11-17未复权收盘价,元 | 固定交易日日线 |
shares |
2026-09-30披露股数,股 | 正式三季报 |
*_q4 |
2025年第四季度金额,元 | 年报分季度表 |
*_ytd |
2026年1—9月累计金额,元 | 三季报累计列 |
parent |
归母净利润 | 不含少数股东净利润 |
adjusted |
扣非归母净利润 | 报告所定义的扣非口径 |
本例把利润期间固定为2025年10月1日至2026年9月30日,采用“2025年第四季度+2026年前三季度累计”拼接TTM。第四季度来自年报分季度表,前三季度取三季报“年初至报告期末”栏;若误取“本报告期”单季数,就会漏掉2026年1—6月。
价格统一采用2026年11月17日未复权收盘价,股数统一采用2026年9月30日披露基准。两者相乘得到本文的参考市值。由于没有逐项核对9月30日以后的股本与库存股变化,这个参考值不当作11月17日精确总市值,也不等同于软件直接显示的市盈率。
两家公司同属芯片设计研究候选,但产品组合有区别:寒武纪的年报介绍了云端、边缘端智能芯片及相关产品;海光信息的年报摘要介绍了CPU、DCU等产品。统一计算条件以后,业务仍需要分别解释。
adjusted只是本例代码里扣非归母利润的变量名,不表示可以在不同服务商之间直接混用所有名为“adjusted earnings”的字段。这里保留原始报表定义。
2. 用互不重叠的期间生成TTM
TTM = 2025Q4 + 2026年1—9月
参考市值 = close × shares
归母参考PE = 参考市值 / TTM归母净利润
扣非参考PE = 参考市值 / TTM扣非归母净利润
金额与股价统一为人民币,股数用股,先保留字符串原值,转成Decimal后计算。亿元只是展示单位,不拿表格里四舍五入后的数字作为计算输入。
本次价格由TickDB MCP的get_kline请求,条件为1d、adjust="none"和11月17日交易日,返回两只股票的close为904.80和182.54元。财务值由官方报告录入。财务数据API接入后也应保留报告期间与指标定义;本文程序是固定样本的离线复算,不包含联网请求。
3. 输出不能只有一列PE
| 项目 | 寒武纪 688256.SH | 海光信息 688041.SH |
|---|---|---|
| 11月17日未复权收盘价,元 | 904.80 | 182.54 |
| 9月30日股数,股 | 628,854,008 | 2,324,338,091 |
| 参考市值,亿元 | 5,689.87 | 4,242.85 |
| TTM归母净利润,亿元 | 41.69 | 34.30 |
| TTM扣非归母净利润,亿元 | 38.74 | 30.72 |
| 归母口径参考PE | 136.48倍 | 123.70倍 |
| 扣非归母口径参考PE | 146.87倍 | 138.10倍 |
扣非让两家公司利润分母都变小,但影响比例不同。寒武纪非经常性部分占归母利润7.07%,海光10.43%,后者PE上升得更多。用未舍入值计算,寒武纪相对海光的倍数差距从10.33%缩至6.34%。
这已经能解释一个原来隐藏在单一pe字段里的变化来源。
4. 增加一项能解释经营结果的派生量
| 同一TTM期间的经营结果 | 寒武纪 | 海光信息 |
|---|---|---|
| 营业收入,亿元 | 114.16 | 198.42 |
| 扣非归母净利润,亿元 | 38.74 | 30.72 |
| 每100元营收对应的扣非归母利润,元 | 33.94 | 15.48 |
| 非经常性部分占归母利润 | 7.07% | 10.43% |
派生字段adjusted_revenue_pct计算“扣非归母利润/合并营收”。它让下面的结果分解可以复现:
海光/寒武纪的扣非归母利润比
= 营收比 × 两家adjusted_revenue_pct之比
≈ 1.74 × (15.48 / 33.94)
≈ 0.79
海光营收更大,但上述归属利润结果比例更低,最终扣非归母利润较小。寒武纪参考市值比海光约高34%,扣非归母利润约高26%,两者相除后对应约6.34%的倍数差距。
这个派生量不叫“公司整体净利率”:分子已经扣非并按归母归属,分母却是合并营收,受少数股东归属影响。它是会计结果分解,不是对某个成本、研发或技术因素的因果识别。
5. 用情景参数生成利润敏感性表
保持参考市值不变,对两家扣非利润分别应用变化率:
new_pe = baseline_pe / (1 + profit_change)
| 假设情景 | 寒武纪扣非利润变化 | 海光扣非利润变化 | 寒武纪参考PE | 海光参考PE |
|---|---|---|---|---|
| 实际基线 | 0% | 0% | 146.87 | 138.10 |
| 只提高寒武纪利润 | +10% | 0% | 133.51 | 138.10 |
| 只提高海光利润 | 0% | +10% | 146.87 | 125.55 |
| 只降低寒武纪利润 | −10% | 0% | 163.18 | 138.10 |
| 两家利润同时提高 | +10% | +10% | 133.51 | 125.55 |
第一行为实际基线,其余都是假设。只调整寒武纪利润时,令它的新PE等于海光基线PE,解得利润增幅约6.34%。这个阈值来自当前输入,不是市场隐含预期。两家利润同时提高10%则保留原顺序。
6. 完整可运行代码
以下代码可在本地Python 3中直接运行,只使用标准库,不需要密钥或平台数据权限。它重放本次已采集的样本,不联网刷新行情;计算过程保留人民币元的完整输入,最后才四舍五入显示。运行后生成pe_research.csv。
| 公司与指标,人民币元 | 2025年第四季度 | 2026年前三季度累计 |
|---|---|---|
| 寒武纪营业收入 | 1,889,771,835.02 | 9,526,401,914.25 |
| 寒武纪归母净利润 | 454,582,794.56 | 3,714,522,759.80 |
| 寒武纪扣非归母净利润 | 351,046,180.38 | 3,523,141,104.43 |
| 海光信息营业收入 | 4,886,914,645.83 | 14,954,710,229.13 |
| 海光信息归母净利润 | 583,444,466.10 | 2,846,508,812.66 |
| 海光信息扣非归母净利润 | 487,963,593.86 | 2,584,242,015.98 |
"""Python 3 标准库;离线复算本文固定样本,不重新请求行情。
价格:TickDB 2026-11-17 未复权日线收盘价,2026-11-18 采集。
股数:两家公司 2026-09-30 披露股本;参考市值并非当日精确总市值。
财务:2025年第四季度 + 2026年前三季度,金额均为人民币元。
"""
from decimal import Decimal as D, ROUND_HALF_UP
import csv
DATA = [
dict(name="寒武纪", code="688256.SH", close="904.80", shares="628854008",
revenue_q4="1889771835.02", revenue_ytd="9526401914.25",
parent_q4="454582794.56", parent_ytd="3714522759.80",
adjusted_q4="351046180.38", adjusted_ytd="3523141104.43"),
dict(name="海光信息", code="688041.SH", close="182.54", shares="2324338091",
revenue_q4="4886914645.83", revenue_ytd="14954710229.13",
parent_q4="583444466.10", parent_ytd="2846508812.66",
adjusted_q4="487963593.86", adjusted_ytd="2584242015.98"),
]
def fmt(x):
return str(x.quantize(D("0.01"), rounding=ROUND_HALF_UP))
results = []
for item in DATA:
r = {
k: D(v) for k, v in item.items() if k not in ("name", "code")}
r["reference_value"] = r["close"] * r["shares"]
for key in ("revenue", "parent", "adjusted"):
r[key] = r[key + "_q4"] + r[key + "_ytd"]
r["pe_parent"] = r["reference_value"] / r["parent"]
r["pe_adjusted"] = r["reference_value"] / r["adjusted"]
r["nonrec_pct"] = (r["parent"] - r["adjusted"]) / r["parent"] * 100
r["adjusted_revenue_pct"] = r["adjusted"] / r["revenue"] * 100
results.append(r)
print(item["name"], "归母PE=" + fmt(r["pe_parent"]),
"扣非PE=" + fmt(r["pe_adjusted"]),
"扣非归母/营收=" + fmt(r["adjusted_revenue_pct"]) + "%")
cam, hygon = results
for key in ("pe_parent", "pe_adjusted"):
print(key, "倍数差距=" + fmt((cam[key] / hygon[key] - 1) * 100) + "%")
# 假设情景:参考市值固定,仅对扣非归母利润做百分比调整;不是预测。
scenarios = [("基线", "0", "0"), ("寒武纪+10%", "0.10", "0"),
("海光+10%", "0", "0.10"), ("寒武纪-10%", "-0.10", "0"),
("两家均+10%", "0.10", "0.10")]
for label, a, b in scenarios:
print(label, fmt(cam["pe_adjusted"] / (1 + D(a))),
fmt(hygon["pe_adjusted"] / (1 + D(b))))
threshold = (cam["pe_adjusted"] / hygon["pe_adjusted"] - 1) * 100
print("海光不变时,寒武纪扣非利润使倍数相等的增幅=" + fmt(threshold) + "%")
# 导出完整精度,保留输入与中间量,显示时再四舍五入。
rows = [dict(name=item["name"], code=item["code"], **{
k: str(v) for k, v in r.items()})
for item, r in zip(DATA, results)]
with open("pe_research.csv", "w", encoding="utf-8-sig", newline="") as f:
writer = csv.DictWriter(f, fieldnames=list(rows[0]))
writer.writeheader()
writer.writerows(rows)
实际运行输出:
寒武纪 归母PE=136.48 扣非PE=146.87 扣非归母/营收=33.94%
海光信息 归母PE=123.70 扣非PE=138.10 扣非归母/营收=15.48%
pe_parent 倍数差距=10.33%
pe_adjusted 倍数差距=6.34%
基线 146.87 138.10
寒武纪+10% 133.51 138.10
海光+10% 146.87 125.55
寒武纪-10% 163.18 138.10
两家均+10% 133.51 125.55
海光不变时,寒武纪扣非利润使倍数相等的增幅=6.34%
替换研究对象时,应同时更换两个不重叠期间的财务原值、同日未复权价格和明确日期及股份范围的股数。零利润、负利润不适用这里的正盈利PE排序。
7. 接到自己的研究工具时,保留哪些输出
| 保留的结果 | 本例交付 | 能解决的问题 |
|---|---|---|
| 双利润口径PE | 136.48/123.70与146.87/138.10 | 口径切换如何改变倍数差距 |
| 营收与归属利润比例 | 1.74倍与0.79倍 | 规模与股东利润为什么排序不同 |
| 情景敏感性 | +10%时顺序反转;等倍数阈值约6.34% | 结论对分母变化有多敏感 |
| 原始输入与中间量CSV | 保留元、股、期间和派生量 | 更新时能追溯哪个输入改变结果 |
这样,下一次更新报表时改变的是输入,计算逻辑仍然可以复用。若要扩展成历史因子或回测系统,还需要另外构建时点可得财务、修订和股本历史;本例并未提供这部分数据。
数据来源与适用范围
- 寒武纪《2025年年度报告》第10页分季度财务数据;《2026年第三季度报告》第1页累计数据、第8页股本。
- 海光信息《2025年年度报告摘要》第13页分季度财务数据;《2026年第三季度报告》第1页累计数据、第8页股本。
- 两份2026年三季报均未经审计。所引官方PDF路径日期分别为10月24日、10月20日,不把路径日期当作首次公开时间的核验结论。
- 价格为2026年11月18日通过TickDB MCP的
get_kline取得的11月17日未复权日线close。两只股票采用同一日期、1d和adjust="none";日线日期标签不作为成交或接收时刻。 - 研究值采用文中固定股数基准。敏感性表是条件计算,不是盈利预测、目标价或买卖建议;本例也不构成历史回测的时点可得数据集。