1. 从能繁母猪到生猪供应经历了什么？（转海通证券）
1.1 能繁母猪预测猪价的理论与现实
能繁母猪与猪价之间的相关性并不高。能繁母猪可以说是在猪价判断中最重要和最 受关注的指标之一。其内在的逻辑在于，能繁母猪从配种、怀孕、分娩，再到仔猪的保 育、育肥、出栏，所需时间大概在 10 个月左右，因而当前的生猪供应量和猪价本质上 取决于 10 个月前的能繁母猪数量。但在数据上却并非如此，能繁母猪与猪价之间相关 性并不强，在大部分时间内能繁母猪并不能够很好的解释猪价的波动。 能繁母猪与生猪实际供给量之间的相关性同样不强。在整个生猪养殖链条中，屠宰 是几乎最后一个环节，屠宰之后将进入消费环节，因而屠宰量一定意义上就是实际的生 猪供给量。从屠宰数据来看，存在着非常显著的季节性波动，每年的 12/1 月前后往往是 年内的最高点，2 月最低，7 月份也是阶段性低点。但是，能繁母猪整体是平稳的，并 不存在着显著的季节性。能繁母猪与实际生猪供给之间的相关性也不强，两者的趋势也 不相关。但生猪供给与猪价之间是存在着负相关关系的。
1.2 生产效率和规律也将显著影响最终供给
从能繁母猪到肉猪供应之间需要经历多个环节，包括配种、分娩、保育、育肥等等。 在这各个环节中的效率波动就会给最终的生猪供给产生比较大的影响。比如，根据涌益 咨询 23 年平均值，能繁母猪月度配种比例约为 22%，配种分娩率为 75%，窝均健仔数 为 11 头/窝，断奶成活率约为 88%，育肥成活率约为 89%。我们以下的测算以此为基准。 1、配种率的变化：假设其他指标不变，配种比例提升 2pct，最终的生猪的供给将 提升 8.9%， 2、窝均健仔数的变化：假设其他指标不变，窝均健仔数提升 1 头/窝。则生猪供给 将提升 9.1% 3、生产效率的变化：如果配种比例和窝均健仔数不变，其他指标均提升 1pct，则 生猪供给将提升 3.6%。 4、实际的季节性规律：我们参考 21-23 年各月份平均生产效率指标，同时假定能 繁母猪存栏量保持在 4100 万头不变，那么据此测算各月份生猪供应量。整体而言，年 内供给的最高点出现在 4 月份前后，最低点出现在 8 月，最高值较最低值高出了 14.4%。 生猪供给的预测不仅需要关注能繁母猪，也需要关注生产效率和生产规律。由此我 们看到，从能繁母猪到商品猪的过程中，需要经历多个环节，每一个环节都会对最终的 供给产生不小的影响，甚至于部分指标的波动导致的供给波动幅度比很多时候的能繁母 猪波动幅度更大。
1.3 压栏会带来多大的供给波动？
出栏节奏的调整也会导致供给的显著波动。除了能繁母猪和生产效率指标之外，出 栏调整的选择也会对供给产生显著影响，主要包括两个，一是季节性的调整，二是近年 来逐渐增多的二育。生猪消费的季节性变化会天然的产生压栏/提前出栏的情况，比如春 节前是一年内最大的猪肉消费旺季，而春节过后又是消费的淡季，养殖企业也会据此做 调整。最终在结果的体现上，12 月和 1 月的屠宰量显著的高于其他月份，这种月度间出 栏量的巨大差异主要就是根据消费节奏而做的出栏节奏的调整。
压栏/二育是近年来逐渐成为一种普遍现象。自 19 年受到非瘟的冲击以来，压栏和 二育逐渐成为更加普遍的现象。非瘟之后，从仔猪开始育肥将面临更大的疫病风险，专 业二育群体逐步在市场中活跃起来。压栏和二育群体的增加直接体现的结果是出栏生猪 的体重波动也显著加大。比如 17/18 年年内出栏最大体重和最小体重的差分别是 3.9/5.9kg，但 19 年达到了 29.3kg，20-22 年也都在 15kg 左右，23 年降至 6.2kg。 压栏/二育会导致猪价的涨跌速度更快。选择压栏或二育往往是预期未来猪价上涨， 而一旦进行压栏/二育的操作就会直接导致当前供给减少，从而加速猪价的上涨。反之， 当压栏和二育量处于高点，对未来的预期转弱之后，大体重猪往往会集中出栏冲击市场， 猪价下跌的速度也会加快。这一点在 19 年前三季度和 22 年前三季度的猪价上涨，以及 21 年前三季度及 22 年年末至 23 年年初的猪价下跌中有所体现。
带来大多的供给波动？压栏时间-压栏数量-出栏体重三者共同决定了当前供给减少 量和远期供给增加量。比如，一个企业按照正常的生产节奏每个月均是 120kg 的标准体 重，如果选择对部分猪进行压栏，以 140kg 出栏，则某个月体重上升至 122kg 需要至少 在上个月有 10%的生猪压栏。为了衡量持续压栏的过程中，压栏导致当期出栏减少以及 前期压栏生猪出栏导致当期供给增加，两者共同决定了当期出栏量是增是减，我们做如 下假设测算。 我们假定： 1、全部标准体重为 120kg，出肉率为 70%。 2、从 120kg 增重至 130/140/150kg 分别需要 12/25/39 天。且市场中仅存在这四种 出栏体重。 3、选择压栏时，只有三种选择，即压栏至 130/140/150kg。且压栏决策 10 天调整 一次，期间保持不变。 4、在第 1天，选择压栏至 130/140/150kg的占比均是 2%，第 10天分别是 5%/5%/2%， 第 20 天各增加 1pct，并在此后每 10 天增加 1pct。至 150 天时，分别达到 19%/19%/16%，并在此后保持这一比例。至第 200 天时，压栏比例快速缩减，压栏 比例以每 10 天减少 5pct，至第 230 天及之后不再主动压栏。
从结果来看，在此种假设之下： 1、压栏比例抬升的初期，当期出栏量会小于其理论出栏量，选择压栏比例越高， 实际出栏也会越少。 2、随着时间的推进，前期压栏生猪逐步进入出栏期，实际供给的增减将取决于前 期压栏大猪在本期的出栏量，和本期标准选择的压栏量。只要压栏的比例仍在以一定程 度提升，当期生猪供给就不会显著增加。但是这一阶段的出栏量也不会显著的低于理论 量。但与此同时，出栏均重在不断上升。 3、但压栏比例稳定不再提升之后，供给压力也逐步加大，实际出栏将超出理论供 给 10%左右。 4、压栏比例一旦开始下降，供给压力将陡然上升。
1.4 冻品库存和进口也会对供给产生影响
冻品库存会在阶段性影响供给。库容率本身也会存在一定的规律性，比如节前的消 费旺季库容率往往下降，而在节后则往往上升，这一点在春节前后的体现最为显著。当 阶段性的库容率大幅上升时，意味着出栏生猪并未完全进入消费市场，而是进入库存， 一定意义上可以对猪价形成支撑，而出库的过程又将增加供给。如果我们假设全国猪肉 冻品库存总容量为 500 万吨，则意味着库存总量约为 5952 万头 120kg 标准体重的生猪。 23 年 1 月中的库容率为 13.3%，至 4 月中时提升至 25.6%。提升幅度为 12.3pct，意味 着 3 个月的时间内有 732 万头生猪进入库存，约占同期出栏量的 3.8%。
大部分时候进口对国内的生猪市场影响不大。大部分年份进口对国内猪价影响不 大。我国是全球最大的猪肉生产国和消费国，我国猪肉的进口总量相比于我国的生产量 和消费量而言并不大。23 年全年我国猪肉产量是 5794 万吨，进口量为 271 万吨，仅相 当于我国产量的 4.7%。20 年我国猪肉供给紧张，进口量也大幅增长，全年进口 573 万 吨，相当于国内总产量的 13.9%，但当年猪价上涨也主要国内因素所主导。因此，进口 往往是国内价格波动的结果，
2. 再看猪周期运行的主导力量
2.1 猪周期的几个规律
2006 年至 2024 年初，我们大致经历了五轮猪周期。从 2006 年至今，我们大致经 历了 5 轮猪周期，持续的时间 2-5 年不等。猪价最大的涨幅基本在 100%及以上，最大 的跌幅则基本在接近 50%的水平。在前三轮周期中，涨跌的时间相近，而第四轮和第五 轮周期中，涨跌的时间都大幅缩短，震荡的时间显著拉长。每一轮猪周期运行的本质规 律都是因为生猪生产周期导致价格和供给的错配，价格上涨时，供给的提升总是显著滞 后。但每轮周期的背后也都有其各自特殊的因素，比如 18-22 年的周期中，非洲猪瘟的 冲击导致猪价出现历史性的上涨；比如 16/17 年前后的环保要求导致的产能去化；比如 06 年前后的蓝耳病等等。 回顾历轮猪周期，其最显著的特点有两个： 1、猪价的阶段性拐点总是在 4 月前后。历史 上猪价的阶段性低点经常出现在 4 月份前后，而高点则更多出现在 8-9 月或者 1 月前后。 2、之前的周期很慢，而现在的周期很快。在前三轮周期中，猪价的上涨和下跌的 斜率都非常缓和，而且存在着猪价一定幅度震荡的规律，而 19 年以来的两轮周期中， 猪价涨跌曲线的斜率变陡，而震荡的时间显著拉长，震荡的幅度也减小。 在本节中，我们尝试探寻猪价运行的核心主导力量，并据此构建猪价预测的理论模 型，同时解读猪周期的第一个特点，并在第四节中讨论第二个特点。
2.2 谁是猪周期的主导因素？
年内的猪周期运行主要由生产规律主导。如我们前文所述，保持能繁母猪数量不变， 并以历史上各月份的平均生产效率计算，年内的生猪供给最高月和最低月就将相差 14%。而且，我们以此种方式测算的理论生猪供给量与实际的月均屠宰之间有着一定的 正相关性，除去春节前的 12 月和 1 月份之外，供给的相对高点同样是在 3/4 月前后， 下半年的供给量和屠宰量也均有所上升。再进一步，理论的生猪供应量与猪价之间存在 显著的负相关系，8 月前后是猪价的高点，也是理论供给量的低点，而 4 月是猪价的低 点，也是理论供给量的高点。因此，从这个维度上看，生产的规律性变化在很大程度上 解释了猪价的走势。
猪价的同比变化则是由能繁母猪数量主导。虽然生产规律的变化能够在很大程度上 解释年内猪价的波动，但同一月份在不同年份的猪价也有差异。在理论情况下，如果没 有疫病或者其他突发因素的影响，生产规律在不同年份的同一月份之间是保持相对一致 的，而能繁数量就成为了决定猪价同比变化的核心。从数据上看，我们以能繁母猪的同 比增速和猪价的同比增速之间对比，两者之间存在着非常高的相关性。出现较大的偏差 的是 19 年年底和 20 年上半年，主要是因为当时点的能繁母猪和猪价波动都是历史极值。 值得注意的是，年份之间同比变化也能够尽可能的减少数据口径等因素变化的影响。
由此，我们得到了判断猪周期走势的两个核心因素。一方面，一般情况下，生产的 规律性变化决定了猪价往往是 4 月见底，5-8 月上涨，9-11 月小幅下跌，12 月及 1 月再 度涨至高点，2-4 月下跌。另外一方面，每个月份猪价的绝对水平应取决于与上一年度 或历史同期能繁母猪的变化情况。根据这两者我们大致可以判断出猪周期运行的趋势。 一些例外的年份。从历史上看，4 月前后为年内低点，三季度前后为高点，这一规 律在大部分年份成立，不成立的年份包括 2008、2011、2016、2019、2021。其中 2019 和 2021 年是受到非洲猪瘟的严重冲击，19 年猪价快速上涨，21 年快速下跌。2008、 2011 和 2016 年则都是处在历年猪周期的高点附近。我们对 2016 年再进行深入分析。
2016 年是最不符合这一规律的年份。2016 年猪价走势与历史平均值走势几乎相反， 2016 年 1 月至 5 月，猪价从 16.8 元/kg 左右持续上涨至最高 21.2 元/kg，6 月开始持续 下跌，至 10 月中下旬跌至 16.0 元/kg 的低点，此后再度进入上涨通道，17 年初涨至 18.1 元/kg 的高点，并在此后持续下跌。全年均价 18.61 元/kg，是 2019 年之前最高的一年。 从能繁数据来看，全年各月份对应的 10 个月前能繁母猪数量整体呈现下降趋势，但幅 度并不大，比如 26 年 4-9 月都在 3800-3900 万头之间，根据我们上文对生产规律的分 析，猪价应该呈现出 4-8 月上涨的趋势，实际走势却基本相反。 规律失灵或与能繁母猪数据本身有关。1、从能繁母猪数据来看，2009-2014 年间 能繁母猪存栏均值为 4833 万头，最低也在 4289 万头，但 2015-2018 年间，自 15 年 4 月之后始终在 4000 万头以下，平均仅为 3614 万头，较 09-14 年间下降了 25%，但同 期的猪价中枢并未出现显著抬升，猪价在 18 年 4 月跌至 10.4 元/kg，与此前周期的低 点也相差无几。2、在 2016 年全年处于历史高位的盈利水平之下，年末的能繁母猪存 栏反而比 15 年末少了 3.5%。3、数据规律的问题或许与当时的行业结构变化有关。这 其中或与当时的养殖结构变化有关，2016 年的行业背景是环保引发的养殖结构变化， 这一年农业部制定发布了《全国生猪生产发展规划（2016-2020 年）》和《关于促进南 方水网地区生猪养殖布局调整优化的指导意见》等文件，禁养区内的养殖场需搬迁或关 停，严格的环保要求一定程度上加速了行业集中度的提升。
2.3 猪周期为什么变快了？
从 22 年的与众不同说起。要回答当前猪周期和之前猪周期的区别，22 年的猪价走 势及其成因或许就是答案。22 年的猪价走势有着非常多的与众不同：1、22 年猪价高点 超出除 19-21 年非瘟周期之外的任一轮周期高点。2、22 年全年出栏量达到 7.0 亿头， 为历史相对高位，但猪价和养殖利润尚可。3、22 年各月份所对应的 10 个月前能繁母猪 最低也有 4227 万头，平均为 4374 万头，显著偏高。
从实际出栏量上看，22 年上半年过剩而下半年紧缺。22 年上半年供给压力较大， Q1 和 Q2 的出栏量分别是 1.96 亿头和 1.70 亿头，分别同比+14.1%和 2.5%，绝对量也 处于历史高位，季度平均养殖盈利为-404 和-269 元/头，亏损幅度同样处于历史高位。 Q3 和 Q4 的出栏量分别是 1.54 亿头和 1.80 亿头，两者均处于历史低位，季度平均养殖 利润分别是 577 元/头和 661 元/头，两者也均是历史相对高位。从月度屠宰量上也能看 出，22 年上半年过剩而下半年紧缺。值得注意的是，从出栏量上来看 22 年 Q4 压栏至 23Q1 的量并不大，不论是当季出栏量/当季平均 10 个月前能繁母猪存栏量相对平稳， 以及出栏体重在 23Q2 即降至正常水平均能够证明。
这种节奏在非瘟之后的几乎每一年都有体现，且与非瘟前完全不同。从季度出栏量 上来看，12-18 年间，每年的年内出栏量的低点都是出现在 Q2，Q2/Q3 平均出栏量分 别为 1.34/1.61 亿头，Q2 较 Q3 低了 16%。但 19-23 年间，每年的年内低点都变成了 Q3，Q2 和 Q3 的出栏量分别是 1.51/1.36 亿头，Q3 比 Q2 低了 11%。
非瘟或许是这种变化的核心原因。如我们在上文的分析中提及，这种年内供给的规 律性变化，更多来自于生产规律的变化，可能来自于主动的配种率的调整，也可能来自 于冬季生产效率的下降。但是以 19 年为界，前后发生的变化，最有可能来自于非瘟。 一方面，冬季非瘟的影响近年来仍然存在，从上市企业的数据来看，牧原股份在 23 年 7 和 12 月份完全成本为 14.3/15.3 元/kg，24 年 1-2 月上升至 15.8 元/kg 左右，4 月降至 14.8 元/kg，成本的变化背后就是冬季疫病的影响。温氏股份、新希望等公司近几年的成 本也大致呈现出 Q4/Q1 上升，Q2/Q3 下降的规律。且温氏和新希望当前 PSY 虽然持续 改善，但仍低于非洲猪瘟之前的水平。另外一方面，19 年之前冬季仔猪是最脆弱的群体， 仔猪腹泻也是重点防范疾病，但 19 年之后非瘟的影响加大，而且非瘟对于母猪同样有 着重大的影响，因此冬季对于生产效率的影响范围变广，时间也拉长。 上市企业出栏节奏也出现类似变化。从牧原股份的数据来看，18 年 Q3 的出栏量较 Q2 高出了 14.7%，而 16 和 17 年这一数据都在 30%以上，但在 22 年全年出栏增长 52% 的背景之下，Q3 出栏较 Q2 下降了 20%。天邦食品在非瘟前的 16-18 年，每年 Q3 出 栏量相比于 Q2 高出 13%以上，但 22 年和 23 年在全年出栏量有所增长的背景下，Q3 较 Q2 分别-5.8%和-11.8%。这种变化一方面是可能存在的冬季非瘟损失，另外一方面 也是为了减少非瘟风险而主动做的生产调整。
该如何理解当前的猪周期？行文至此，我们大致就能够回答为什么现在的猪周期变 化这么快。非瘟前的猪周期中，年内生产规律的变化会对猪价产生显著的影响，但是年 度之间产能的增加和减少也会推动猪价的年度中枢发生变化，疫病、环保等等因素又会 进一步加大这种趋势。但非瘟之后，年内的生产规律和效率的季节性波动显著放大，冬 季非瘟的影响导致三季度成为供给的低点，但三季度却非消费低点，供需的错配导致三 季度猪价走强，而一季度出栏生猪由于受到非瘟和冬季疫病的影响较小，且当前基础能 繁母猪数量偏高，导致一季度特别是春节后的供给压力往往较大，猪价则多处在低点。 从而导致年内的猪价波动幅度放大。 二育是 22 年上涨的主要动力吗？对于 22 年的行情分析中，普遍认为二育扮演着重 要角色，但我们认为 22 年的猪价上涨并非是二育推动，但二育确实加大了波动。一方 面，我们在上文 1.3 节中论述了压栏的影响，压栏对于供给的影响主要在两个阶段，压 栏的初期会减少供给，压栏的末期会增加供给。但这中间，只要二育行为是相对缓和的， 由于同时存在二育导致当期出栏减少，和前期二育逐渐出栏导致的供给增加，实际的供 给量的变化反而并不大。22 年出栏体重逐步的增加说明二育行为并非集中的爆发式的， 二育和出栏同时存在。因此，我们认为，22 年猪价的走势核心仍是来自于供给的变化， 二育在阶段性加快了上涨，又加快了下跌，却并非是猪价的核心决定因素。 什么样水平的能繁母猪才是合适的？随着行业规模化的持续提升，生产效率的改 善，在稳定的需求量之下，能繁母猪的需求确实应逐渐减少。但是，从 20-23 年间，每 年 Q3 出栏量都比 Q2 下降 7%-9%来看，非瘟的影响仍然十分显著，能繁母猪的生产性 能无法完全发挥。因此，合理的能繁母猪水平也应考虑当前非瘟的影响。
3. 该如何预测生猪供给和猪价？
3.1 我们该如何预测生猪供给？
结合能繁母猪和生产效率我们可以大致估算生猪供给量。整体而言，根据我们上文 的分析，生产规律、能繁母猪、出栏节奏共同决定了生猪供给和猪价。我们可以根据能 繁母猪存栏和生产效率进行生猪供给的测算。由于出栏节奏变化的影响， 实际的屠宰量的波动大于预测的供给量，但两者中枢和趋势基本一致。但是也存在系统 性的偏差，16 年之前估算值显著高于实际值。16-20 年的估算值小于实际值。22 年至今， 估算值略大于实际值。更进一步，如果以实际屠宰量/能繁母猪来刻画生产效率，则生产 效率的走势与我们的预测偏误趋势相近，15/16 年前后有明显的中枢抬升，而 22 年之后 的中枢又有明显的下降。
产生这种误差的原因有两个。一是，能繁母猪存栏数据的瑕疵。由于生猪养殖行业 的高度分散，能繁母猪的统计是没有办法做到完全精准。而从能繁母猪数据来看，2015 年数据中枢显著下移，15 年 4 月至 18 年末能繁母猪存栏量一直在 4000 万头以下，而 09-13 年能繁母猪存栏多在 4900 万头上下波动，最低也在 4500 万头以上。但这两个阶 段的猪价波动区间并无明显区别。21 年-24 年 2 月，能繁母猪又一直保持在 4000 万头 以上。二是，生产效率数据的瑕疵。生产效率数据的统计或同样存在着误差，且受到数 据的限制，对于 20 年前的预测采用 21-23 年的均值，特别是在冬季疫病高发期间的统 计误差可能更大。 但预测值的同比增速与屠宰量的增速显著相关。首先，我们可以根据预测值和全年 实际出栏量对当年的预测结果进行修正。从修正后的预测出栏量数据同比增速和实际屠 宰量的同比增速之间存在着显著的相关关系。且 21 年的相关度更高。
3.2 猪价与生猪供给的弹性
猪肉消费具有刚性。一般情况下，猪肉的消费具有刚性，猪价一定幅度的上涨并不 会减少猪肉的消费量，猪价一定幅度的下跌也不会增加猪肉的消费量。这种特性导致了 供给收缩时，猪价上涨的传导路径是通畅的。 季度维度，供给同比增加 4%左右，猪价同比下跌 20%左右；供给减少 6%左右， 猪价涨幅将接近 50%。如果以季度生猪出栏量同比变化衡量，其增减幅度大多在 5%以 内。5%的增减幅度都会对猪价产生重要影响，比如 14 年，供给增加 4%左右，猪价同 比下跌接近 20%；2018 年初生猪出栏最大增幅在 4%以上，猪价同比下跌 20%以上。 2016Q1 生猪出栏减少 6%左右，猪价同比上涨 46%。从养殖利润的视角来看，2018 年 初，出栏量同比增加 4%左右，养殖利润同比下降 450-500 元/头，猪价的同比降幅大概 在 25%左右。2016Q1 供给下降 6%，养殖利润同比增加接近 700 元/头。 月度维度，供给同比减少 10%，猪价涨幅将超过 50%。从月度的维度，月度的生 猪屠宰量同比波动大多也在 10%以内（因为春节的因素，1/2 月前后的同比数据波动较 大，因此数据做平滑处理）。17 年前后月度供给增加 10%以上，猪价的最大下跌在 30% 左右；23 年末供给增加接近 10%，猪价同比最大下跌达到 40%以上。2016 年生猪供给 最大减少了不足 10%，猪价上涨幅度超过 50%；22 年下半年供给最大下降 10%左右， 猪价同比最大涨幅达到 100%，中枢水平在 50%左右。从养殖利润来看，在 17 年供给 增加 10%左右，生猪养殖利润同比下降 500 元/头左右，而 16 年供给减少 10%左右，养殖利润同比增加最大超过了 600 元/头。 值得注意的是，我们此处的讨论均为同比。而非从周期的低点至周期的高点。如我 们上文所述，历史月度平均价格，年内高点比低点也要高出 16%以上，而且过往猪周期 的上涨时长超过 1 年。因此，这与我们上文对于历史猪周期的复盘中最大涨幅大多在 100%以上并不冲突。
3.3 我们该如何预测猪价？
预测的趋势比绝对量更重要。我们在上文讨论了如何预测生猪供给，因此理论上我 们可以根据生猪供给量来对猪价有较为准确的判断。但是，不论是能繁母猪数据的误差， 还是生产效率的误差都会对这一预测产生不小的挑战。特别是生产效率，其在疫病高发 期间的偏误可能更大，且难以准确修正，因此生猪供给的绝对量的参考性是相对偏弱的。 能繁母猪也存在着类似的问题。但是，同比的变化是可以重点参考的指标，不论是供给 量和能繁母猪的同比变化与猪价之间都有着不错的相关性，其背后的原因可能是数据统 计中年度之间的误差更小，且误差方向可能一致，同比可以一定程度上消减这种误差。 我们可以通过能繁母猪同比、预测供给同比判断猪价趋势。一方面，能繁母猪同比 增速或者预测供给量的同比增速与猪价的同比增速之间有着很强的相关性，我们可以据 此判断猪价趋势。另外一方面，经过我们上文分析，当前年内的猪价波动中冬季疫病的 影响变大，成为近年来猪价波动的重要因素，因此可以跟踪当年冬季疫病情况来对年内 猪价走势进行判断。最后，二育、冻品库存也会对阶段性猪价产生影响。
4. 如何看待今年的猪价及股价？
4.1 如何看待今年猪价节奏
年初至今供给收缩，价格快速上涨。猪价在春节后开始快速上涨，周度均价从 2 月 底的 13.8 元/kg 快速上涨至 5 月底的 17.4 元/kg。5 月的月度均价达到 15.9 元/kg，同比 +10.2%。24Q1 共出栏生猪 1.95 亿头，同比-2.2%。从屠宰数据看，1 月份估算的全国 屠宰量达到了 8654 万头，同比+17.5%，为 2009 年以来的历史 1 月最高，1-2 月合计 屠宰 1.35 亿头，同比+3.3%，同样处于历史偏高水平。但是 3 月和 4 月的屠宰量仅为 5913 万头和 5041 万头，分别同比-12.9%/-17.0%。 年初至今猪价上涨的动力是什么？供给的快速收缩是核心原因。从月度屠宰量看， 1 月屠宰量历史最高，而 3 月和 4 月的屠宰量快速下降，同比增速也快速下降，这或许 是猪价上涨最核心的原因。春节后的高标肥价差带来的套利空间一定程度上拉动了二次 育肥的热情，但是在 5 月的上半月出栏体重下降，说明二育有一定程度的集中出栏，但 猪价仍然保持相对稳定，这也说明二育或许并不是今年猪价上涨的核心推动力。而且， 从我们以上对于猪价的预测方式，今年猪价的同比走势与能繁母猪的同比走势及拐点位 臵也基本对应。 如何看待今年的猪价空间？从能繁母猪角度考虑。从趋势上看，今年各月份所对应的 10 个月前能繁母猪绝对量逐月下降，同比降幅逐月加大，5 月份转为同比负增长，并 在 9 月份的降幅超过 5%，11 月和 12 月的同比降幅将达到 7%左右。如果假定各月份在 今年和去年的生产效率一致，则意味着生猪供给的降幅节奏和能繁母猪一样。如我们前 文所述，季度维度供给同比减少 5%以上时，猪价的同比涨幅将达到 50%左右。
存栏量的历史低位也预示着后续猪价将继续走强。从存栏数据上看，截至 24Q1， 生猪存栏 4.1 亿头，存栏量处于历史低位，2012 年至今仅高于 19 和 20 年。存栏同比 -5.2%，同期下降幅度也仅次于 16/19/20。存栏量的低位也预示着未来生猪供给的减少。 如何看待今年猪价的节奏？我们认为未来猪价整体将呈现出不断上涨的趋势，特别 是三季度猪价有望涨至新的高点。根据生产效率变化的规律，四季度的供给将有所恢复， 但是考虑到今年四季度所对应的 10 个月前能繁母猪数量处于低位，同比有显著的降幅， 因此，我们认为四季度的猪价仍然将处于高位。其他影响因素中，1、需要关注二育的 影响，当前出栏体重偏高，且猪价上涨中二育也有望更加积极的参与市场，年末二育的 出栏节奏需要关注。2、冬季疫病，若冬季疫病超出往年，或者对于肥猪的影响较大， 导致出现提前出栏的情况，可能会对价格形成冲击。但整体而言，今年猪价持续性及节奏或好于 2022 年，一是今年整体的消费环境更好，二是二育的影响或弱于 22 年。
如何看待今年的生产效率。毫无疑问，当前养殖行业仍面临防疫的压力，其对于生 产效率的影响也仍然存在。但是，对于非洲猪瘟的影响有多大，持续时间有多长无法定 量跟踪，但是我们大致可以通过小体重猪出栏的占比和仔猪价格进行定性的跟踪。由于 在发生非瘟时，若对肥猪也产生影响则必然会带来部分小体重猪进入屠宰市场；同时， 为了及时补充受损产能，外采仔猪的需求也会增加。从数据上看，历年冬季却有这种变 化，相较于 23 年初，去年底至今年初的疫病开始时间更早，持续时间更长。
4.2 如何看待股价走势
猪价上涨仍在途中，当前建议重点配臵生猪养殖板块。从历史上看，股价表现比较 好的阶段有两个，一是在猪价上涨前夕，这一阶段也往往对应着产能去化最快的阶段， 二是在猪价上涨之后。从持续的时长和空间来看，猪价上涨之后的股价表现往往是最好 的。 今年会与 2022 年有所不同。22 年虽然猪价有非常显著的上涨，最高点猪价也处于 历史高位，但是股价的表现却差强人意，自猪价从 22 年 4 月份开始上涨之后，股价先 跌后涨，累计最大涨幅仅为 28%。但我们认为今年与 22 年不同，一方面，22 年猪价的 上涨是 19/20 年超级猪周期之后的第一轮猪周期，且当时能繁母猪存栏水平非常高，市 场把当时猪价上涨部分归因于二育，对于猪价的持续性抱有怀疑的态度；另外一方面， 22 年市场整体环境不佳，7 月之后大盘也有显著的下跌。但对于今年而言，一方面，我 们认为本轮猪价处于高位的时间会比 22 年长；另外一方面，在经过近几年的发展，猪 周期运行的规律也愈发清晰，市场对于猪周期的理解也更为深刻。 建议重点配臵生猪养殖板块。猪价上涨过程中，行业几乎所有公司都会受益，我们 估计整个板块股价也将有较强的表现。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）