2021 年以来的生猪价格波动较大。整体来看 2021 至今的生猪价格经历 了高位下跌——底部震荡——快速回升——再次下跌——底部震荡的过程。
1) 人性与周期维度推演。人性与周期本质是人性面对养殖盈亏做出的增减母猪 产能的反应，因此这一部分我们可以通过分析 2019 年以来的养殖盈亏情况， 进而分析人性在面对盈亏变化可能做出的反应，来判断 2021 年以来的猪价 波动的原因和规律。 我们首先对 2019 年至今的养殖盈利情况做描述分析。2019 年初开始，随着猪价 上升，生猪养殖盈利情况迅速好转，在 2019 年底达到了 3000 元的头均盈利。
整 体来看，在 2019H2 至 2020 年底的大部分时间，行业盈利水平基本保持在头均盈 利 1500-3000 元的水平区间，区间头均盈利在 2000 元左右。但从 2021H1 开始， 行业盈利水平快速回落，在 2021 年 6 月行业盈利水平由正转负，在此后一年的 时间里，行业大部分时间处于亏损状态，区间头均亏损接近 300 元（部分高成本 企业头均亏损远远更高）。2022 年 6 月行业扭亏，经历了半年左右的盈利期，区间头均盈利近 700 元。而从 2022 年底，行业再次陷入亏损，至今区间头均亏损 约 270 元。
通过以上分析，我们得出以下结论： 第一，行业在 2019H2-2020 的一年半时间中，养猪头均盈利达到历史顶峰，行业 中有猪的少数养殖户积累了丰厚利润。 第二，行业在 2021H2-2022H1 的一年时间中，经历了长达一年的亏损期，考虑到 这一时期部分养猪企业成本较高，因此这段时间养猪企业的头均亏损也是历史最 高。 第三，行业在 2022H2 又重新获取了不小的盈利。 第四，行业在 2023H1 重新进入亏损期，至今已接近半年。 那么从逻辑推演，人性面对养殖盈亏，理论上会做出增减母猪产能的反应，我们 得到以下逻辑推导结果。猪价理论应该从 20 年 10 月开始快速下跌， 在 21 年 10 月跌至底部，此后持续半年的底部震荡，直至 22 年 3 月猪价出现拐 点，此后快速上涨，在 23 年春节涨至历史高点后下跌。
那么我们先单纯从人性与周期维度，得到的猪价推演结果去与后期猪价走势对比 发现： 2019-2022H1 猪价走势与逻辑推演结果较吻合。通过对 2019 年以来的周期与人 性的逻辑推理来看，对周期与人性的逻辑推理在 2022 年下半年之前，整体是较 为有效的，逻辑推理的猪价趋势与实际猪价走势整体较为吻合。
2022 年下半年以来，逻辑推演结果与实际猪价走势，无论是在拐点实际差，还是 猪价涨跌形势的判断上，都出现较大的差异和背离。出现背离的原因，我们初步 判断可能是以下两方面原因。一是行业一致提前预判周期。随着行业规模化程度 提升，以及行业对猪周期的认知提升，行业不再单纯以当期养殖盈利为尺度进行 母猪增减操作，转而提前预判周期，提前采取补栏行为；二是母猪生产效率提升。 在非瘟影响下，非瘟周期中行业存在大量的低效母猪，这些低效母猪在 2021 年 大量淘汰，同时新补了高效二元母猪，导致行业 2022 年生产效率提升较大。
2) 生产效率维度推演。从生产效率角度进行逻辑推演，通过行业母猪结构占比 /行业生产水平持续提高两条逻辑分析。我们判断在非瘟影响下，2019-2020 年行业育种体系遭到严重打击，并且在期间高猪价、养猪巨额盈利情形下， 行业大量使用低效母猪、三元母猪做父母代能繁母猪使用，导致行业母猪生 产效率下滑，在 2021 年行业产能恢复初期母猪效率仍在低位。但是随着 2021 年下半年行业育种体系逐渐恢复，高效二元母猪重新替代三元母猪，判断 2022 年母猪生产效率逐渐回升，并且在 2023 年将进一步提升。
3) 生猪疫病维度推演。生猪疫病的传播与影响较难量化，因此我们只能通过实 地调研、社会新闻等去主观判断疫病的传播与后续影响。那么，2021 年至今， 行业中对产能影响较大的疫病仍然是非洲猪瘟。我们仅能够从主观上判断推 演，2021、2023 年冬春交际，非瘟疫病在部分地区高发可能潜在的影响。 那么站在历史时间节点，用逻辑推演三维度分析 2021 年-2023 年的猪价走势， 可能得出的结果如下。
首先，从人性与周期的维度，我们或许会认为：猪价从 20 年 10 月开始快速下跌， 在 21 年 10 月跌至底部，此后持续半年的底部震荡，直至 22 年 3 月猪价出现拐 点，此后快速上涨，在 23 年春节涨至历史高点。 其次，从生产效率变化维度，我们或许会认为：由于 22 年母猪效率提升，22 年 生猪供给下降幅度或许缩小，导致猪价上涨高度降低，生猪高价拐点出现的时间 提前。 最后，从生猪疫病传播维度出发，我们或许会认为，由于 21 年春天非瘟在部分 地区高发，可能影响部分供给，或许导致 21 年猪价不一定快速下跌。
总结：猪价的逻辑推演结论方向更多，但能够涵盖后期猪价走势可能。对以上三 个维度的结果综合分析，我们得到的猪价走势判断。发现逻辑推演对猪价 变动方向的结论多样，但能够几乎涵盖所有后期猪价走势的可能。进一步将三个 维度的逻辑推演结果与后期猪价走势对比看，发现逻辑推演的分歧在于 21 年 1- 10 月与 22 年 4 月-23 年春节两个时间段。 用实际猪价走势后验逻辑推演结果。
21 年 1 月-10 月的猪价走势推演结果是猪价 快速下跌或缓慢下跌，缓慢下跌的依据是 21 年春天猪病较为严重，那么从后期 猪价走势来看，显然证明前期产能上升更快，猪病相对不严重。22 年 4 月-23 年 春节的猪价走势推演结果是猪价快速上涨后持续高位，或是猪价上涨后的高度降 低，高价拐点提前出现，那么从后期猪价走势来看，显然证明前期产能去化较多， 且去化时间较集中，导致后期猪价快涨；但同时由于生产效率提升（或是对周期 的提前预判），导致周期向下拐点提前。
数据测算方法和逻辑： ① 先测算中长期猪价再判断短期猪价； ② 中长期猪价从供需两方面入手； ③ 供给端通过母猪和仔猪两条思路线分析出栏量； ④ 需求端分析季节性； ⑤ 综合供需得到中长期猪价分析结果； ⑥ 通过近期短期猪价走势后验并修正中长期猪价分析结果。 需要注意的是由于产业规模化提升，各个数据样本量每年都有一定的扩大，且更 加代表规模化猪场的情况，因此应用数据时，判断下一年猪价仅用上一年的数据 对照，若跨两年对照数据或许失效。
2.1能繁母猪思路线分析供给
当期生猪出栏量=10 月前能繁母猪数 x 10 月前配种率 x 6 月前配种分娩率 x 6 月前窝均健仔数 x 5 月前断奶成活率 x 育肥成活率。因此，我们分析 2021 年以 来的猪价走势，需要用到 2020 年 3 月以来的能繁母猪数、配种率等指标的数据。 由于数据限制，我们采用 2020 年 4 月以来的数据，分析 2021 年 2 月以来的猪价 走势。 根据农业部和涌益咨询的能繁母猪等样本数据测算，我们分别得到 21 年 2 月-23 年 5 月的理论出栏量。
我们将两套数据得出的生猪理论出栏量与实际屠宰量对比，发现趋势基本对应。 我们将得到的理论出栏量，与历史生猪屠宰量作对比（1 月、2 月屠宰量作季节 性处理），发现趋势基本吻合，可信度较高。对比以上两套数据测算的 21 年以来的生猪出栏量，我们可以发现： 1）两套数据体系测算出的生猪出栏量波动方向整体一致。均在 21 年初-21 年 9 月呈快速增长趋势，在 22 年 4 月-22 年 7 月呈快速下降，在 22 年 8 月-23 年 5 月呈较快速回升趋势。2）两套数据在出栏量波动幅度存在差异。具体如下，可以看到不同时间点，两套 数据的波动幅度往往并不一致。
进一步具体分析两套数据的出栏量变动幅度与拐点出现节点，发现趋势基本相似， 幅度存在差异。两套数据均显示 2021 年出栏低点在年初，此后出栏量将持续增 长，下半年出栏高峰时点会在 Q4，且出栏量高峰比上半年的出栏低点环比增加 44%/23%（农业部/涌益数据测算，下同）。之后出栏整体延续高位，在 2022Q1 存 在出栏高点，且高于 2021 年的出栏高点。但是在 2022 年 7 月，会出现 2022 年 内的出栏低点，出栏低点较出栏高点减少幅度在 15%/20%。测算出栏量的波动及拐点与实际猪价走势及拐点较对应。2021 年测算的 出栏低点在 2 月，与当年的实际猪价高点对应；2021 年测算的出栏高峰在 Q4， 与当年的实际猪价低点相对应；2022 年测算的出栏高点在 2/3 月，与当年的实际 猪价低点对应；2022 年测算的出栏低谷在 7 月，与当年的实际猪价次高点（7 月） 相对应。
2.2季节性思路分析需求
由于生猪需求端缺乏直接的数据指标测算，因此我们采用以下方法测定生猪需求 的月间（季节性）波动： ① 根据生猪供给和生猪价格波动的对应关系，测算生猪供给弹性系数； ② 测定生猪价格的（季节性）月间波动规律； ③ 测定生猪供给端的（季节性）月间波动规律； ④ 生猪供给弹性系数 x 实际月间供给波动=理论猪价波动； ⑤ 需求季节性波动=（理论猪价波动-实际猪价波动）/弹性系数。
以下进行详细介绍： ① 根据生猪供给和生猪价格波动的对应关系，测算生猪供给弹性系数。 我们将历史月生猪屠宰量作为月生猪供给，计算月屠宰波动与月猪价波动的商， 剔除异常、无效数据，得到生猪供给弹性系数，平均约为-2.5 左右。也就意味着， 历史上月间供给量每波动 1%，相应猪价平均将反方向变动 2.5%。② 测定生猪价格的（季节性）月间波动规律。 根据历年生猪价格数据，得到历年的每月生猪均价，其展现出明显的季节性，且 下半年明显优于上半年。从历史规律来看，猪价从年后 2 月份开始季节性下跌， 之后的 3-6 月份猪价整体呈现季节性疲软，处于年内的底部区间；之后在 7-8 月 快速回升，9-10 月震荡后，在 11 月-次年 1 月整体较高。整体来看，下半年的猪 价要明显好于上半年。
③ 测定生猪供给端的（季节性）月间波动规律。 根据历年生猪屠宰数据，得到历年的每月生猪平均屠宰量，其代表的生猪供给同 样展现出明显的季节性，且春节前是明显的供给高峰。从历史规律来看，每年的 12 月和 1 月（春节前）是全年的集中供给高峰，在年后供给急剧下降，2 月通常 是全年供给低谷，2-5 月供给端整体呈上升态势，但在 6-7 月供给再次下降（因 冬季仔猪腹泻等疾病原因），8 月-年底供给端整体呈持续上升趋势。
生猪供给季节性产生的原因：需求与生猪疫病共同影响。对以上供给端季节性规 律分析，可以发现，每年 12 月、1 月供给高峰产生的原因是临近年底与春节，腌 腊需求、节日需求旺盛，因此供给端做出了适应性的反应。而在年后（通常是 2 月），随着猪肉消费需求的大幅回落，供给同样大幅下降。总体来看，由于下半年 节假日相比上半年多，猪肉消费需求下半年明显好于上半年，因此导致了供给的 适应性调整。另一方面，由于每年夏季高温母猪配种成功率较低，且其分娩仔猪 时间通常在冬季，而冬季生猪疫病对仔猪存活率影响较大，因此在夏季母猪分娩 成功率低+冬季仔猪存活率低的影响下，次年 6-7 月供给端出栏的肥猪数量环比 会出现一定下降。
生猪供给季节性实现方法：配种调节、出栏体重和节奏调整。从产业了解，由于行业有冬季猪肉消费旺盛的预期，因此有一部分养殖户，会调 整配种时间，如选择在 1-2 月多配母猪，使生产的商品猪能在年底实现出栏（俗 称养年猪），这种现象尤其在散户中更加普遍。 另一方面，根据历年生猪出栏均重数据，可以发现生猪供给季节性也是通过调整 出栏节奏和出栏体重来实现（不考虑因猪价行情和盈利预期导致的压栏与二次育 肥等行为）。
从 9 月份开始看，随着天气转凉，气温给压栏创造了客 观条件，而冬季到春节前又是猪肉消费旺季，因此在 9-12 月整个行业都有压栏 增重的倾向，均重环比为正。而随着春节临近，在 1-2 月养殖户出于把握消费旺 季，避开 2-4 月的消费淡季心理，倾向于降体重提前出栏，因此出栏均重环比为 负。从 3 月开始，猪肉需求逐渐从低谷恢复，此时生猪出栏节奏逐渐恢复正常， 出栏体重逐渐回归正常，出栏均重整体上升。而 6-8 月，由于夏季肥标价差倒挂， 且由于天气炎热生猪进食减少，导致出栏体重又有所下降，因此出栏体重减少， 直到 9 月逐渐恢复正常并开始压栏。
④ 生猪供给弹性系数 x 实际月间供给波动=理论猪价波动； 将以上测算得到的生猪供给弹性系数（-2.5），乘以实际月间屠宰（供给）的平均 波动，就能够得到一个理论的供给导致的猪价波动。 ⑤ 需求季节性波动=（理论猪价波动-实际猪价波动）/弹性系数。 我们认为以上测算的理论猪价波动与实际的猪价波动之间的差异，主要就是由需 求端季节性变化导致，因此可以通过（理论猪价波动-实际猪价波动）/弹性系数 得到需求端的季节性波动，指数化后如下所示。
生猪需求季节性：下半年-春节消费需求明显好于上半年。可以看到，春节前的 12 月和 1 月是全年猪肉消费高峰，2 月（年后）是全年消费低谷，3 月消费需求 恢复较快，3-5 月需求呈上升态势；但由于暑期学校放假+高温影响，需求在 6-7 月出现小幅下降；到 8 月以后需求端整体才呈持续上升趋势，直至年底。 综合生猪供需：
供需季节性导致猪价季节性波动。通过对比生猪供需季节波动、 猪价波动，我们发现年前的 12 月-1 月属于年内供需两旺顶峰，且需求更强，导 致年前猪价通常也较强；而在年后（2 月）呈现供需两淡且下降较大的状态，导 致猪价通常较弱；而 3-5 月供需底部回升，但供给回升速度更快，导致猪价整体较为低迷；在 6-7 月供需双降，但供给下降幅度更大，因此猪价通常在 6-7 月上 升且幅度较大；8-11 月整体供需皆有回升，但供需回升节奏不一致，导致 8-11 月猪价整体呈震荡走势。
2.3综合供需得到中长期猪价结果
综合供需情况，得到的半年维度猪价测算结果，与实际猪价的价差较小。 分涌益咨询与农业部两套数据体系测算。我们以半年为时间区间，综合以上供给 端与需求端的测算结果，得到半年猪价测算结果，并与实际猪价走势对比， 显示价差较小，以上测算模型对未来猪价走势、以及猪价运行的区间判断有一定 指示意义。
2.4利用中长期猪价测算结果推断短期猪价
中长期猪价测算结果推断短期猪价有以下方式：利用以上测算的月度供给数、月 间的需求变化规律，结合近期猪价走势和中长期猪价的测算结果，推断短期猪价。 站在 2022 年 4 月的时间点，判断 2022 年 6 月的短期猪价行情，方法如下。
经过第一步的逻辑推演，我们对猪价的趋势和可能的拐点有了初步的判断；经过 第二步的数据测算，我们对中长期、短期猪价的运行区间有了更加精准的判断。 并且逻辑推演与数据测算模型，可以做到领先 6-10 月的前置判断。 但是在实际的商品猪生产中，由于中间环节众多，时间较长，因此领先 6-10 月 的前置供需判断，与实际的供需之间仍有较大不确定性。因此我们需要使用部分 上游数据，从远期和近期多维度的去侧面验证生猪产能变化。
3.1饲料数据对生猪产能的侧面验证
饲料产量与 4 个月后的猪价有较好的反向对应关系。 我们发现饲料产量与 4 个月后的猪价有较 好的反向对应关系，背后的原因是饲料产量反映的是存栏猪的多少，包括所有日 龄结构的生猪。其中，每年的 12 月、1 月是传统的饲料销售旺季，2 月左右是传 统的饲料销售淡季，因此在使用 12 月和 1 月的饲料产量时需要做季节性处理。详细对比 2021 年-2022 年的饲料产量与 4 个月后的猪价走势，发现二者无论是 在拐点的时间还是波动幅度的变化上，都较为一致。
以上，我们根据第一章的猪价分析框架，遵循逻辑推演——数据测算模型——上 游数据验证的三步曲，得到了猪价的趋势判断、精确结论、辅助验证。那么我们 第四步，需要对以上三部曲的结论分类总结，得出最终的判断。 结果如下所示，站在历史的时点，我们通过以上三部曲得到的结论，基本涵盖后 期猪价走势的可能，并且无论是在猪价趋势、还是猪价拐点的判断上，都能够接 近实际猪价走势。
