生猪行业产业链及猪周期特点分析 [page::2][page::3]

• 生猪产业链涵盖饲料、育种、养殖、屠宰及消费，核心养殖环节为母猪存栏数量。

- 猪周期符合蛛网模型特征，供给端波动引导生猪价格周期性变化。

• 需求端受人口老龄化及消费升级影响缓慢，价格对供给端变化敏感。

生猪行业关键指标筛选与领先时差验证 [page::4][page::5][page::6][page::7][page::8]

• 通过最优化方法筛选出5个关键指标及其最佳领先时差：

- 能繁母猪存栏同比（领先330天）
- 二元母猪价格（领先380天）
- 出售仔猪毛利（领先390天）
- 育肥猪配合饲料价格（领先26天）
- 猪粮比（领先29天）

• 其中前三者为长期指标，后两者为短期指标。

- 各指标均呈现明显的预示生猪行业景气度变化的反向或正向关系。

猪周期模型及景气度投资策略设计 [page::9]

• 长期指标聚焦母猪供给核心，短期指标反映边际成本影响。

- 结合长期与短期指标叠加确定行业景气度，设定开平仓信号。

• 以二元母猪价格、出售仔猪毛利与猪粮比为主要信号触发变量。

生猪景气度投资策略回测表现优异 [page::10][page::11]

| 策略名称 | 总交易次数 | Sharpe | 最大回撤(%) | 年化回报(%) | 总复合回报(%) |
|----------------|----------|--------|-----------|------------|------------|
| 中证畜牧指数 | - | 0.4689 | 50.79 | 9.95 | 111.6 |
| 生猪景气度投资策略 | 88 | 0.5414 | 34.82 | 16.83 | 169.8 |

• 回测区间：2012年1月4日至2022年11月30日。

- 策略显著降低最大回撤，提升年化收益率，表现稳健。

生猪行业相关ETF指数及基金 [page::11]

• 中证畜牧指数与猪肉指数相关系数高达0.97，适合作为策略标的。

- 相关指数还包括中证农业、大农业指数及其对应ETF基金。
| 指数名称 | 相关系数-中证畜牧 | 跟踪基金代码 |
|-------|-------------|-------------------------|
| 猪肉指数 | 0.97 | - |
| 中证农业 | 0.89 | 159827.SZ、159825.SZ、516810.SH |
| 大农业 | 0.83 | 516550.SH |

金工专题基本面量化及策略系列报告（二）：生猪行业 —— 深度分析报告

---

一、元数据与概览

报告标题：金工专题基本面量化及策略系列报告（二）：生猪行业
发布机构：财信证券研究发展中心
作者：刘飞彤（分析师，执业证书编号:S0530522070001）
发布日期：2022年12月9日
研究主题：生猪行业基本面量化分析及投资策略研究

核心论点与目标：
报告通过对生猪产业链核心环节——母猪存栏及其相关指标的量化分析，构建生猪行业景气度模型并制定对应的投资策略。利用长期及短期关键指标（如能繁母猪存栏同比、二元母猪价格、出售仔猪毛利、育肥猪配合饲料价格和猪粮比），对生猪行业景气度进行系统判断，设计基于中证畜牧指数的投资策略，回测显示策略有效提升收益并降低回撤，年化回报达16.83%。

主要信息传达：

• 生猪行业景气度波动受制于供给端特别是能繁母猪存栏的变化，价格表现符合蛛网模型特征。

- 精选关键经济指标后，识别指标在特定领跑时差内对行业景气度的预示功能。

• 构建基于这些指标的量化投资策略显著超越市场基准（中证畜牧指数），具有较好风险调整后收益。

- 该策略适合用于畜牧养殖及相关农业ETF的投资参考。

[page::0]

---

二、逐节深度解读

1. 生猪养殖产业链特点

关键论点总结：

• 生猪产业链涵盖饲料、育种、养殖、屠宰加工及消费等多个环节，核心为养殖环节。

- 商品猪育种依赖进口外三元体系，核心种猪主要来自欧美，育种环节受制较大。

• 养殖模式分为自繁自育和外购猪仔育肥，自繁自养集中于大型企业，小型养殖户多采用外购育肥模式。

- 生猪自然生长繁殖周期较长，达13个月左右，母猪使用年限一般3年（约6胎）。

• 猪周期产生的本质是由于从母猪存栏到生猪出栏的时间滞后导致产量与价格的周期性变化。

- 需求端虽受人口老龄化及消费升级影响，但变化缓慢且猪肉需求刚性较强，供给端波动和时间滞后成为决定价格周期的主要驱动。[page::2]

推理与假设解析：
作者指出，母猪（尤其能繁母猪）存栏变化的滞后效应直接影响生猪供给，形成周期性价格变化。由于供给的调整缓慢且周期长（13个月），而需求较为刚性，供给端变化成为价格波动主因。养殖规模化尚未普遍，信息不完全和预期错误导致的蛛网模型适用性较强。

---

2. 逻辑验证及指标筛选

通过最优化算法，作者筛选并确定了对行业景气度有显著预示的关键指标及其最佳领先时差：

• 能繁母猪存栏量同比（最佳领先时差：330天，约11个月）

- 结论：母猪存栏增加，未来生猪供给增加，反向压制价格，故存栏同比与行业景气度呈反向预示关系。
- 数据验证图表（图3、图4）显示不同行情状态下，指标与景气度曲线呈现明显的反向单调趋势。

• 二元母猪价格（领先380天，约13个月）

- 结论：二元母猪价格反映养殖户补栏意愿，价格上升预示未来母猪存栏及生猪供应增加，行业景气度下滑。
- 图5、图6验证了指标与行业景气度的反向单调关系。

• 出售仔猪毛利（领先390天）

- 结论：仔猪毛利提升拉动母猪扩产，未来生猪供应增加，行业景气度呈反向走势。
- 图7、图8的数据验证支撑逻辑推论。

• 育肥猪配合饲料价格（领先26天）

- 结论：作为主要边际成本，饲料价格上升压缩利润，短期内猪肉供应增多、价格下跌；指标与景气度呈反向关系。
- 图9、图10支持此推断。

• 猪粮比（领先29天）

- 结论：猪粮比直接反映养殖利润，猪粮比提升暗示养殖利润改善，行业景气度向好，指标与景气度呈正向预示关系。
- 图11、图12显示指标与景气度的正相关趋势。

[page::3,4,5,6,7,8]

分析说明：
上述指标均明确区分出领先期与行业景气度的正负相关，且时间领先距离分别对应生猪产能调整的生物学及经济规律，体现了从产能端供给核心（母猪）到边际成本的传导机制。符合产业逻辑与历史数据的深度验证为模型的有效性提供强支持。

---

3. 猪周期模型构建

• 利用长期指标（二元母猪价格、能繁母猪存栏量同比、出售仔猪毛利）反映产能的趋势变化。

- 短期指标（育肥猪配合饲料价格、猪料比）关注饲料成本对养殖利润和价格的即时影响。

这一结构设计反映了供应端中长期的生物学制约与短期经济因素的复合影响，强化了对行业景气度的刻画。图13清晰展示了指标分类体系。

[page::8,9]

---

4. 生猪景气度投资策略

4.1 策略描述

• 策略综合运用长期指标和短期指标的正负面信号，设定开仓和平仓信号。

- 开仓信号：当长期指标或短期指标同时显示行业景气度向好信号。

• 平仓信号：当指标转为负面状态，提示景气度下行。

- 策略目标在于通过量化指标前瞻性捕捉景气度变化，提升投资时机把握。

• 图14流程图展示了指标信号整合至景气度判断的逻辑框架。

4.2 策略回测分析

• 回测对象：中证畜牧指数（涵盖生猪养殖及相关行业），与猪肉指数相关性高达0.97，具备较强代表性。

- 回测期间：2012年1月4日至2022年11月30日。

• 回测结果对比（表1）：

- 策略Sharpe值0.5414 > 指数0.4689，表明单位风险收益提升。
- 最大回撤34.82% 小于指数50.79%，显示风险控制优异。
- 年化收益16.83% 显著超过指数的9.95%。
- 总复合回报达到169.8%，较指数111.6%优势明显。

• 图15中策略净值与指数走势对比显示策略显著优于基准，且回撤幅度较小。

[page::9,10]

---

5. 生猪行业相关ETF标的梳理

• 通过计算行业主题ETF跟踪指数间的相关系数，应用最小生成树方法对指数进行聚类分析。

- 中证畜牧指数与中证农业、大农业指数在相关性上表现出较高关联（相关系数分别为0.89和0.83），说明农业相关ETF具备较强联动性。

• 表2、表3详细列出各指数相关性系数及对应主要ETF跟踪代码。

- 该分析为ETF投资者提供了行业间相关性视角，有助于资产配置的系统优化。

[page::10,11]

---

6. 结语与风险提示

结语

• 聚焦生猪产业链中的产能核心——母猪及其相关经济指标，建立量化景气度模型，科学预测行业波动。

- 制定基于中证畜牧指数的投资策略，兼顾长期供给与短期成本因素，回测表现优异。

• 策略具有实用参考价值，可辅助畜牧养殖及农业相关领域ETF投资决策。

风险提示

• 统计和模型基于历史数据，存在模型误差及未来不确定性风险。

- 回测表现不代表未来结果，实际投资需注意市场风格、流动性等多重因素影响。

• ETF行情波动受多因素共同作用，策略不能完美跟踪市场变动。

[page::11]

---

三、图表深度解读

图表1：上证指数-沪深300走势图（页0）

• 展示2021年12月至2022年10月间两大指数的表现对比，均呈现大幅回调，最低点出现在2022年第三季度末。

- 上证指数相对沪深300回撤较小，表现略好。

• 该图衬托此报告研究环境时点：生猪及畜牧行业所处整体市场环境严峻，策略回测的必要性与价值显现。

图2：生猪生产周期（页2）

• 详细分阶段说明从后备母猪购入培育、妊娠至生猪出栏的生物学时间轨迹，累计约13个月。

- 强调自然生产周期对价格周期的根本影响。

图3-图12：关键指标与生猪景气度分化趋势展示（页4-8）

• 各图均展示了对标指标在最佳领先期进行平移后，分状态（上升/下降）对中证畜牧相对全A指数走势的区分效果。

- 例如图3（能繁母猪存栏同比）和图5（二元母猪价格）均呈现状态曲线相互背离，表明指标可有效预判行业景气转折点。

• 数据完整显示各指标领先时期对应的景气度变化趋势，指明了指标在量化策略中的具体应用价值。

图13：猪周期研究指标模型结构（页9）

• 以简洁框图形式分类长期（产能核心）与短期（边际成本）指标。

- 体现模型对周期不同阶段因素综合考量的特性。

图14：生猪景气度投资策略结构示意图（页9）

• 图示策略信号推导流程：长期指标与短期指标正负信号组合决定整体景气度，进而触发交易信号。

图15：投资策略与中证畜牧指数回测表现（页10）

• 图示策略净值明显优于基准指数，且其累计回报波动较小，回撤幅度有效被控制。

- 视觉上支持策略有效提升风险调整收益的结论。

---

四、估值分析

本报告核心为量化指标构建景气度模型及策略，未纳入传统意义上的DCF或市盈率估值分析，而是通过经济指标（母猪存栏、价格及毛利、饲料成本等）及时间领先性分析，预测行业景气度走势，指导买卖时点选择，从而间接实现价值投资的目标。

策略回测数据及指标领先期均基于历史统计学最优化模型，不涉及折现率、永续增长率等估值框架，但其科学性基于对产业链时间逻辑及经济成本的严密对应，是定量驱动方法。

---

五、风险因素评估

• 历史数据局限性：仅代表过去市场情况，未来可能因政策、气候、技术进步等因素变化而失效。

- 模型误差风险：量化模型靠拟合历史，有固有偏差，突发事件难以捕捉。

• 市场流动性与风格变化：ETF价格波动受流动性等超模型因素影响，可能导致跟踪误差。

- 生猪产业特有风险：如疫情爆发影响母猪存栏及生产，供应链中断，价格波动加剧。

• 规模化进展不确定性：规模化养殖可能逐渐减弱蛛网模型的适用性。

- 指标滞后性：因生猪生产周期长，早期指标的领先效应也带来信号响应相对迟缓。
报告未详细展开缓解策略，投资者需注意组合风险及动态调整策略。

[page::0,5,6,11]

---

六、批判性视角与细微差别

• 模型假设与现实偏差：蛛网模型依赖生产者基于前期价格做预期的假设，随着养殖业规模化及信息透明提升，模型失效风险增加。

- 指标单一方向影响：长期指标均与景气度呈明显反向关系，猪粮比则为正向，策略以此制定，可能忽略行业中可能的非线性及周期外因素。

• 策略响应节奏：部分领先时间长达一年以上，虽对应生物周期，但速度慢，可能影响应对快速市场变化能力。

- 风险披露有限：对潜在系统性风险和黑天鹅事件缺少深入讨论，风险管理层面可更细致。

• 回测数据选择偏差：回测基于历史11年，期间特定事件及市场环境对表现贡献可能较大，未来表现不确定。

- 真实交易成本未充分说明：策略执行中交易费用、滑点等交易成本影响未详细阐述。

---

七、结论性综合

本报告通过深入研究生猪产业链的核心供应环节（母猪生产周期及相关财务指标），系统筛选出对行业景气度具备显著预示能力的五大关键指标，并通过科学的时间领先最优化技术验证其与行业景气度的相关性，确认了指标的先行信号价值。

基于此，报告构建了涵盖长期供给（母猪价格存栏和仔猪毛利）和短期成本（饲料价格与猪粮比）的双层指标模型，合理反映了产业周期的宏观经济与微观成本双重影响。结合指标信号设计出的生猪景气度投资策略，在以中证畜牧指数为标的的11年回测中，展现出显著的风险控制优势（最大回撤减小16%）和收益提升（年化超额收益约7%），Sharpe比率提升明显，策略稳定性与盈利能力兼备，具备较强实操意义。

图表中的数据和趋势清晰反映了该策略的科学性和有效性：长期指标延迟反向预示生猪供给变化带来的价格波动，短期指标即时反映成本波动对于养殖利润和出栏节奏的影响。双因素结合，强化了对行业周期的立体理解。

此外，通过行业ETF相关性的分析，报告拓宽了策略适用范围，提出了相关农业ETF投资的潜在机会，为投资者资产配置提供重要参考。

然而，报告同样客观指出了模型基于历史数据与产业现状的局限性、潜在的非线性风险以及策略响应速度的限制，提醒投资者关注风险管理和动态调整。

综上，报告立场清晰，研究严谨，量化策略设计及回测效果具备较强说服力，是当前及未来生猪及相关农业类资产投资的重要参考工具。

---

附：图表预览

• 

-

• 

-

• 

-

• 

-

• 

-

---

（全文完）

报告