中信建投期货田亚雄

到底什么组成了研究之框架？

---完备数据的获得渠道，让数据的收集和整理足够之便捷，每个期货品种都有近100个细分的数据要点，把他形成图表，保持更新的频率

---识别盘面主流的预期差，进而快速生成一些待证明或证伪的命题，善于通过多维度共振验证

---深刻复盘获得长期规律的肌肉记忆，知道不同的时期有哪些驱动容易出现，但同时保持警惕和诚实以迎接新的范式

我国每年消费豆粕7000多万吨，菜粕消费450万吨，植物油消费3000万吨，菜油消费350万吨菜籽在全球油籽供应中占比约12%，。因为可以出现大量的替代，这个占比让菜系的自主定价权很低。因此在很多时候替代品基本面的影响甚至高过菜籽本身。

在单边上，菜系市场主要矛盾多发生于海外的供应端，近几年集中于加拿大产量和贸易到港。

这是我们的数据库构成，我们很难预判驱动从哪个数据因子中来，因此只能全面覆盖，菜系数据获得难度的层次：(从难到易)

1、国内买船数据，生产计划，成交情况，基差变动；国储购销计划

2、阿尔伯特，萨斯喀彻温，蒙尼托巴三省的气象数据监测

3、国产菜籽产量跟踪，入大榨数量和进度

4、欧盟，加拿大，印度，澳大利亚，乌克兰，俄罗斯的产量

对于数据的挖掘和信息渠道的维护是我理解的研究员可以长期沉淀的宝贵职业资源，农产品市场挣信息差的钱的例子已经数不胜数，数据层面就是“人无我有，人有我精”

行业集中度提升带来信息壁垒提高

结合我们此前的全国调研，我国菜籽日压榨产能3-4万吨，年产能超过1000万吨，但实际国内菜籽进口200-500万吨，2022年1-10月进口仅94万吨，产能过剩严重，产业清退的过程也进一步提升了产能集中度，益海、枫叶、澳加/澳斯卡是主要的进口商。

行业集中度提升的过程也是重要的高维信息集中的过程，这是菜系国内数据分析的难点。

前瞻数据获取的困境：国内数据质量不高，严重滞后

我们参与农产品国内数据的解读，但市场公布的进出口和压榨数据大多存在着诸多的滞后。

因为运输运距导致买船的订单多领先于到港1个月，领先到港数据的公布1个半月以上，以至于国内数据的公布和市场行情的联动性并不高，这暗示国内的农产品数据在全球定价的商品系统中意义小，质量差。

国内公开的农业数据的滞后性也侧面反映了产业寡头持有信息的领先优势，在这个语境下，他们是信息的生成者，也应当是行情的领跑者。

我们团队花了很大努力在持续收集加拿大菜籽的船期情况，对于基差和月间价差就是金矿。

在数据源上有很多海外的数据需要长期跟踪下来，并且做数据的预处理，包括单位换算，空值处理等等。总而言之，需要一个网站的收藏夹，这是我们油脂油料数据收藏夹的一部分。

花生产业数据获得难度的层次：(从难到易)

1、国内花生进口买船数据

2、非洲种植潜力和成本的黑箱

3、头部压榨企业的库存水平，收购节奏

4、国内及海外主产地的产量

在过了数据关之后，我理解研究的进阶就来自于一些长期市场发展规律的总结，我不否认这些体认中有很多带着主观的视角，甚至我不否定这些偏见，因为如果没有偏见，我们也就失去了接受反馈并调整认知的机会。

我初步整理了5个对于当前市场的投研体悟，我理解我们很多重要的判断都是潜意识里下的，而构成这部分潜意识的是经过总结的研究体认，以至于成为个人的肌肉记忆。

1:油脂油料需求的弹性和历史天花板

我们长期把收入作为需求的变量，但罗伯特戈登曾在《美国增长的起落》中深度刻画过人类的热量摄入并不会随着收入增长而持续增加，过去100年美国人均摄入的卡路里甚至出现过大幅下降，因此收入增加带来的变化不再饮食的总量意义上，而在结构上。1800-1940年间，美国人的动物蛋白从牛羊肉上大幅减少变成了奶类蛋白。

经过多年的经济发展，我国人均蛋白消费量已经超过了日韩，尤其是蛋类蛋白。动物蛋白方面，国内人均每日动物蛋白消费量增至饮食习惯相近的日韩水平的50克左右，考虑养殖效率提高带来的豆粕添加比例下调，国内饲用豆粕需求平台或落在8000万吨/年左右，对应年度大豆压榨需求将落在1亿吨左右，

对比养殖技术更成熟，动物蛋白需求更平稳的美国，美国近20年来饲用豆粕需求整体停滞不前，预计未来国内豆粕需求也将随人均蛋白需求增速放缓而逐步迈入平台期，豆粕需求对大豆压榨的带动作用有望相应减弱，我国生产动物蛋白所需的植物蛋白进口已经到了天花板。

随生猪养殖利润改善，国内豆粕添加比例提高，USDA预计2022/23年度国内大豆压榨预估将升至9500万吨。预计未来几年大豆压榨量或很快达到1亿吨/年左右的瓶颈，将对当前过剩的压榨产能形成挑战。

研究体认2:油籽的增产速率大幅降低

怪相：种植利润达峰与种植意愿走软的错配

2018-2022这5年间，农产品价格大幅上行，但我们监测的玉米，棉花，大豆和小麦这四大主要农产品作物收获面积竟然多数没有突破2018-2021年的面积高点，之于此我们理解在农产品价格--种植利润--次年种植面积--次年收获面积之间存在非表象的传导机制。

集约化的农业生产已经非常接近天花板，供应弹性显著低于需求弹性，而更为反直觉的是，2021-2022年农产品的种植利润创下近年最高水平，但全球农业的种植意愿却没有出现趋势性增长，甚至没有集体创出耕地面积的新高。

受利润驱动，供应获得快速恢复，引致价格向下倾覆的逻辑基本证伪，这在2021和2022年度3月底的美国种植意向公布时都给了市场非常深刻的印象，远低于预期的种植意向数据都给当年的市场定下了北美种植季时段做天气升水的条件铺垫。

棕榈油作为过去植物油产量扩张的引领者，增产周期或已近尾声，面积扩张受限及树龄逐渐老化将极大抑制全球植物油产量增速。

1960年以来的石油农业正面临，土壤侵蚀、养分耗竭、盐碱度上升等土地退化的约束，FAO数据显示34%(16.6亿公顷)的农地已经面临人为造成的退化。

全球农业用地面积约为50亿公顷，占全球陆地面积的38%。其中约三分之一用作耕地，其余三分之二为草地和牧场，用于放牧牲畜。随着农业逐步集约化，各种实证同时反映出土地退化的规模和严重程度，具体表现为土壤侵蚀、养分耗竭、盐碱度上升。34%(16.6亿公顷)的农地已经面临人为造成的退化。其中8.5亿公顷农地重度退化。而土地退化伴随的碳、养分、土壤生物多样性的流失会导致我们难以进一步扩大耕地面积。

研究体认3:美国的生物柴油存在路径转折

美国可再生燃料掺混义务草案提议将2023至2025年可再生燃料掺混义务量分别设定为208.2亿加仑、218.7亿加仑、226.8亿加仑，虽逐年呈现增长态势，但2023年增幅不及此前预期，2024年后RFS将纳入电力将挤占生物质柴油掺混需求。

长链脂肪酸酯组成的植物油和动物油经过脂质与醇化学反应通过酯交换过程，产生甲基、乙酯或丙酯，最后获得生物柴油。生物质燃料的有两个重要的瓶颈：

1、在商业掺混上很难较传统燃料有成本优势，即生物质燃料和传统燃料间存在生产效率、能源热值和生产成本的弱势。目前的发展全依赖于政策补贴，这并非清洁能源发展方向的主流。核聚变技术取得“历史性突破”随时颠覆这个鸡肋产业。

2、生物燃料发展与环境保护的南辕北辙。

研究体认4:全球花生的供应弹性在非洲

过去10年全球花生产量从3861万吨增长到5000万吨，其中2010和2016是两个关键的年份。两次产量的大幅变动都与尼日利亚有关，种植弹性决定了定价权。

花生需求变化更多是被动的，难以出现跃迁。可替代性抹杀了独立行情出现的概率。

研究体认5:我国的花生油溢价面临冲击

过去几年花生压榨产能不断增加，2020年行业调研初步统计已经到了日压榨3万吨，即年1100万吨左右，按年入榨600万吨计算，产能利用率已经低于60%。此外我们关注到花生油的消费增速正被“价格就是品质的直觉逻辑”下的新型油品山茶油，椰子油等品类加速替代，国内植物油小包装将迎来快速的集中，低端产品或将长期以负毛利的方式内卷。

国产油菜籽行业是个重要的前车之鉴，行业掺混乱象不断冲击着其溢价，同时也伴随进口菜籽，进口大豆的加速增加，着最后国产菜籽加工业和种植业形成负反馈，产业一度陷入凋敝，直到2022年，国产油菜籽种植面积才有明显的恢复。

当下花生压榨产业的高利润实际倚仗花生油独特风味带来的品质溢价，过去5年花生油较豆油平均升水6400元每吨，但过剩的产业资本在过去20年不断新增产能，在长期上势必挑战这一价差水平。

以上就是我可以给大家分享的经验部分。

后面是我们一些不成熟的思考和总结：

我理解投研进阶主要有几个层次：

1、数据的收集，整理，结构的能力。强调数据完备，获取便捷，整理出领先--同步--滞后的数据链条。

2、识别主要矛盾和驱动，并基于矛盾本身，设置出待证实或证伪的命题，为研究标明路牌。

3、基于驱动，预判行情的级别，结合盈亏比，制定交易策略。

4、多策略并行，控制回撤，平滑净值曲线

我们研究员主要的工作是第二点，但最能带来收益的是第三点，大家对于此的讨论是相对较少的，今天我主要就在哪里获得预期差进行讨论：

预期差的来源1：减产引致的库存下行

从长期走势上看，菜油与ICE菜籽同步，ICE菜籽和美豆同步，USDA供需平衡表是全球农产品定价的基石，期末库存的交易对农产品的定价影响立竿见影。从朴素逻辑上看，3亿蒲的库存的跌破是触发美豆行情突破的重要导火索，这相当于0.8个月的消费量。大致的结论是期末库存如果不能满足1个月的使用冗余，那么有望出现激烈的价格上行趋势。

那么怎么做单产交易？

美国农业部WAOB委员会：5、6、7三个月份大豆单产数据是在趋势单产的基础上，根据当年天气情况和播种情况进行调整，是根据模型推算的结果。

美国国家农业统计局（NASS）：8月到11月份的单产预估由在通过大量调查的基础上完成。每年8月到11月期间，NASS会同时展开两类独立的大豆单产调查，调查结果反应的是截止每月1日的结果。一类是基于种植者对单产预期的统计，另一类是实地田间统计。

8、9、10、11四个月份USDA的单产数据是基于实实在在的调查。其中8月份首次公布调查数据，关注度较高。如果8、9月的天气较为温和，11月份前单产的变化幅度一般不大。

在12月份，USDA会对最终产量进行确认，并在1月份公布年度报告。价格的波动也以单产预期的调整为主要驱动，以美豆为例，价格的波动主要集中在北半球生长期，7-8月。

通常我们以跟踪种植进度，优良率，降雨和温度的方法预测单产，或者预测实际单产和趋势单产的偏移，经验数据上看57%的大豆优良率是个关键的分水岭。

长周期上我们发现美国中西部降雨偏离跟太阳黑子周期有莫大的关系。一般来说，太阳黑子活跃期间，黑子群增多会使得X射线和紫外线等辐射增加，从而导致地球大气温度升高，到了一定程度，将形成诸多高压区域抑制云层形成和阻碍降雨。大体上降雨周期与11年的黑子周期呈现相关关系，大级别的气象周期成为农产品高级别行情的底层驱动。2003，2012，2021这几年见间上演全球农产品牛市行情都能在太阳活动上找到潜在的动因。

预期差的来源2：统计区间的失效与回归

均值很难作为强势有效的坐标，面对全新的统计套利情景，我们直觉性的行动是在既有的历史和记忆之中，在农业历史和价格复盘去寻找可供参考的样本，试图通过这样的比对和附会去理解和把握我们置身其间的世界现实并期望去对于预判有所指引，但事后发现这很徒劳。主要战场是：替代关系的价差和生产利润。

在突破均值的初期，大概率有牢固而长期的基本面驱动，顺势介入的参与虽然直觉上反盈亏比逻辑，但胜率更高。主要挑战的行情的想象力。

多利润：我国油脂油料有较多来自于海外，因此主产国的可出口量的多寡直接影响我国的供应和国内商品价格。主产国的可出口量取决于当季产量和新增需求，

2022年最大变化是加拿大的菜籽减产和美国豆油需求旺盛。

主产国的可出口量急剧下降时大概率是把榨利留在本国，出口报价急剧上升。对于进口国势必面临背对背进口利润深度恶化，从而远月买船不足，这通常是做多压榨利润的黄金窗口。本质上是进口国渠道库存骤降和压榨企业的定价权提升的过程。

空利润：是孤勇者的暗巷，也是英雄的起源。

例如种植成本3000林吉特每吨的棕榈油上行至7000以上，过剩的国内大豆压榨行业能享有超400元每吨的背对背进口榨利。每一轮利润高点也是市场非理性的巅峰，市场已经过度渲染了低位做多的优势，但周期下行同样是适合博取的机会，且天然附带赚贝塔钱的加持。

预期差的来源3：供应交易的终点

高流动性环境下的博弈特征——市场对这类共识性利多的定价是一蹴而就的，但也基本标志着价格高点的临近和阶段性拐点的来临。

俄乌冲突于2月24日发生，美麦在3月7日见顶；4月28日印尼禁止马来西亚棕榈油出口后，马棕榈油于4月29日见顶。一方面，突出事件的出现即价格巅峰，市场对信息的消化非常快；另一方面这些巅峰极有可能是该品种非常长期的历史峰值。

农畜产品价格的高点多产业有了减产预期的共识，而下游丧失议价权被迫接受定价的时刻。交易现实的时刻，价格往往越过高峰。

花生的经典案例：PK301-304价差

季产年销型商品怎么看待减产与价格上行后需求拖累的关系持续成为花生，苹果，红枣的减产年份的分歧。直觉逻辑是深度Contango结构，但近年来该逻辑面临的挑战正日益增加。考虑刻画需求并跟踪边际变量

Clues：定价逻辑从花生20%--30%减产切换到需求

1、花生食用需求同比降20%-30%。

2、花生油粕在2023年Q1面临跟随豆系油粕下行25%以上，油用花生以榨利定价，在豆系油粕油粕基差坍塌下，远月花生承压。

预期差的来源4：季节性共识的证伪

基于关键时间节点的交易策略研究由于花生本身的生产贸易特性其期现价格的波动具有明显的节奏性

不同时间节点具有不同的矛盾，研究过程中抓住主要矛盾判断矛盾的持续时间和爆发力。比如把11月作为当季产量定价的结束，5-6月作为进口压力计价结束的窗口。

预期差的来源5：基差回归的路径

翻牌交易是最近我们创造的名词——当逼近交割月，未来原料到港量逐步明晰后，前期受需求抑制的近月合约以飙涨的方式向上修复基差，其要点在于农产品供应难以调节的背景下的高确定性，同时，此前需求的向下交易将多头介入的安全边际给的相当充分，这逐步成为油脂油料基本面交易的主流演武场。

进一步深挖高基差形成的原因，我们理解基差本质是油厂对盘面榨利亏损的弥补性要价,当榨利弥补不足而国内外维持深度倒挂，那么定价的天平则倾向卖方，并在交割月前夕集中兑现溢价权力。

2022年11月正值进口大豆大量到港的初期，正当大豆周度压榨量上行至200万吨以上时，而豆粕现货开启1000元下跌时，盘面M01迎来了上行之驱动，其本质原因是前期01多头过于克制，只等压力宣泄后的爆发。宜以正套的方式只争朝夕般的计价。

预期差的来源6：质疑权威，挑战数据黑箱

农产品研究的悬案:

1、国储大豆&玉米&菜油：收储政策（量+价），种植激励计划

2、棕榈油：印尼的库存

3、生猪：能繁母猪--生猪出栏的滞后时间

4、油脂油料：USDA的平衡表的异常调整

5、花生：非洲进口潜力

6、白糖：印度出口政策

数据的黑箱是研究的难点，当讲道理的是市场上所有人都弄不清楚，但往往有触发大级别行情的机会。处理路径：1、代理变量的新设（挖掘有领先意义的中介指标）；2、深刻复盘与常识；3、数理统计；4、政策执行者的立场挖掘。

写在最后的一些建议：

最后我们也清醒的意识到，以上内容仍旧是在时间尺度上以上帝视角后视镜式归纳这些市场特征，对逻辑的抽丝剥茧，去粗取精在这样的语境下与其说是某种经验型能力，不如归纳为后视镜下刻意美化，而一旦经验出错的案例往往被避而不谈，以实现其营造的客观表述之合法性。毕竟历史是胜利者的书写。商品期货投资的逻辑范式恐怕尚未有经得起推敲的系统性回答。

我们很可能需要承认自己长期处在困惑的状态，并且并不羞于去承认无知，反而是去直面深渊，甚至去尽可能地解释深渊。

长期看，阅读和学习的目的是减少偏见，迭代认知，并通过“辩论，争锋，退却和进步”的过程去形成一套高度认可的研究评价标准，而且这套标准也并非僵化，而是可以迎接崭新的声音。

研究生涯需要警惕的是把自己通过行业积累成为了一个熟练的流水线工人，这时候就需要换一个领域继续研究，去接收新领域的信息和内容，再带着新品种的研究方法重新回过头来看以往的研究成果，这是我们找逻辑共振，投资信仰的捷径。