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。
对照两家芯片公司的估值时,先看到的往往是市值和市盈率。但市值大多少、对应股东利润多多少,这两件事放到一起,才知道倍数差距来自哪里。
这次将寒武纪、海光信息放到同一计算基准上,完成了一份可以保存的研究对照。它给出三个结果:扣非使倍数差距由10.33%缩小到6.34%;海光营收更大但扣非归母利润更少;固定参考市值时,仅寒武纪利润假设增加10%,倍数顺序就会翻转。
一、这份估值表比较什么
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。
| 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 |
按归母利润计算,海光123.70倍低于寒武纪136.48倍。到这里,只有数字高低,还没有解释利润结构。
二、把非经常性部分剥出来看
寒武纪TTM归母利润约41.69亿元,扣非后约38.74亿元;两者相差约2.95亿元,占归母利润7.07%。海光对应差额约3.58亿元,占10.43%。
同样是扣非,海光利润分母缩小的比例更大,所以倍数上升更多。扣非参考PE变成寒武纪146.87倍、海光138.10倍。
归母口径倍数差距:136.48与123.70对应约10.33%
扣非口径倍数差距:146.87与138.10对应约 6.34%
差距定义:寒武纪参考PE / 海光参考PE - 1
计算使用未四舍五入原值,以上倍数仅作展示。
这部分差距缩小,来自利润口径的切换,不是股价变化。扣非也不等于给持续盈利作保证;它只是把报告划定的非经常性部分从这次比较里单独分开。
三、市值更大,对应的股东利润也更大
| 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% |
海光营收约为寒武纪1.74倍,而扣非归母利润约为寒武纪0.79倍。这并不矛盾:每100元合并营收对应的扣非归母利润不同,规模优势还没有抵消这个比例差别。
海光/寒武纪的扣非归母利润比
≈ 1.74 × (15.48 / 33.94)
≈ 0.79
研究时需要把这个结果写完整:它涉及合并收入与归属上市公司股东的利润,不是直接可比的整体净利率。成本费用、产品结构、税费与少数股东归属都可能参与形成结果;仅凭这张表,还不能归因到某一项经营优势。
沿着股东利润再看市值:寒武纪参考市值约为海光1.34倍,扣非归母利润约为海光1.26倍。两项相除后,扣非倍数差距才是约6.34%。
这一段可以直接写进研究笔记:寒武纪不仅参考市值更大,对应的扣非归母利润也更大。因此,不能把34%左右的参考市值差,直接理解成同样幅度的PE差。
四、给这份比较加上利润敏感性
固定两参考市值,仅改变扣非归母利润,得到五行情景:
| 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 |
除第一行外都是假设。寒武纪利润若单独提高10%,倍数降到133.51;海光利润不变时仍为138.10,顺序随之改变。
等倍数阈值约为6.34%。它要求海光利润不变、两参考市值固定,只提高寒武纪利润。这个数是数学上的条件解,不是市场隐含增长预期,也不意味着达到它就应买入。
利润增10%时,倍数除以1.10;利润减10%时,倍数除以0.90。分母变化的影响并不对称。两家公司若同时同比例提高利润,原顺序又会保留。
五、把已知结果与待验证因素分开
| 本次已完成的结论 | 后续最值得跟踪的因素 |
|---|---|
| 扣非使相对倍数差距缩小约4个百分点 | 非经常性项目形成原因 |
| 海光营收比约1.74,扣非股东利润比约0.79 | 产品、费用、税费与权益归属 |
| 寒武纪扣非利润单独+10%时顺序反转 | 新披露利润与价格是否同时变化 |
这三项不是选股结论,而是已经做完的研究结果。它们让下一次财报更新有了明确的比较对象,不必从“再看看基本面”重新开始。
整理财务数据API输入时,可以把报告值与价格值分开。这里的利润来自公司正式报表,价格来自TickDB MCP取得的固定日未复权收盘价,复算脚本不直接照抄一个现成PE字段。
六、原始输入与Python复算
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。
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。

