行业成长价值与市值风格演变 [page::1][page::2]

• 农林牧渔行业逐步从“平衡-价值-平衡”风格趋向“成长-平衡”，市值风格由小盘转向中大盘，反映畜牧业生产规模化和集中化趋势。

- 二级行业中畜牧业市值占比超90%，为主要关注对象。

产业链结构与主要成本分析 [page::3]

• 畜牧业涵盖养殖、屠宰、销售环节，成本结构中饲料占比超过50%，利润受产量和批发价格双重影响。

生猪供需与价格时序特征 [page::3][page::4]

• 生猪出栏量全年呈“头高、中低、头高”分布，猪肉产量相对稳定。

- 生猪存栏与价格存在明显反向关系，特殊时期出栏系数因产业技术和管理提升略有调整。

产能周期与能繁母猪存栏预测模型 [page::5]

• 能繁母猪存栏动态以及对应出栏系数决定6个月后生猪供给能力，促进对中期供给紧张的精准判断。

- 出栏系数稳定且体现季节性，随着养殖管理技术提升，产能效率逐步提高。

关键价格与成本指标选择 [page::6]

• 价格综合指标以生猪价格（70%权重）和白羽鸡价格（30%权重）构建，反映产业价格波动。

- 成本指标主要采用育肥猪配合饲料价格，反映养殖成本变化趋势。

产能释放与销量预测优化 [page::7]

• 通过产能释放调整机制结合6个月前养殖利润，模拟养殖企业是否释放固定资产新增产能，提升销量因子准确性。

带约束回归模型拟合效果 [page::8][page::9]

• 模型拟合表现优异，单季度利润同比预测R2达到0.7。

- 价格因子、销量因子及成本因子权重合理，回归系数与经济逻辑相符。

猪周期中期供给紧张信号与策略应用 [page::9][page::10][page::11]

• 建立6个月期的能繁母猪存栏动态乘以同期出栏系数模型预测潜在产能，并以当年同期出栏量预测需求。

- 当预测供给缺口超过1000万头，行业利润、肉价及股价通常进入上升周期。

• 2022年4月数据明确呈现供给紧张信号，验证模型实际跟踪能力。

近期景气度跟踪 [page::10]

• 模型实时应用于2022年4-5月数据，预测景气度与实际利润动态高度吻合。

- 存栏压力短期存在出清，但中期仍看好价格和行业表现。

光大金工畜牧业景气度研究报告详尽分析

---

一、元数据与报告概览

报告标题：《畜牧业景气度研究：猪周期下看起伏 行业轮动系列报告之二》
作者及机构：光大证券金融工程研究团队，分析师祁嫣然（执业证书编号S0930521070001）、宋朝攀（执业证书编号S0930522030002）
发布时间：2022年6月13日
研究主题：探讨农林牧渔行业中畜牧业的景气度构建方法，聚焦猪周期波动，旨在为畜牧业投资者和市场参与者提供科学的景气度信号分析与预测框架。

核心论点总结：
报告基于先前光大证券研究团队建立的业绩驱动因素模型框架，针对畜牧业特别是生猪养殖行业，通过销量、价格、成本等关键变量，以及能繁母猪存栏存量的周期性变化，建立带约束回归模型预测畜牧业业绩景气度。提出了根据能繁母猪存栏动态预测6个月后生猪产能缺口的模型，辅助判断猪周期中短期至中长期的景气度起伏，为投资策略提供数据支持。报告确认通过该模型可以较好拟合利润增速，模型的拟合R²达到0.7，景气信号与猪肉价格以及行业股价表现联动明显。[page::0,1,9,11]

---

二、逐节深度解读

1.1 摘要与行业风格画像分析

报告承袭之前对煤炭行业景气度模型的框架构建，提出以产业链结构和行业特色经营指标结合经济传导逻辑进行业绩预测，适用于轮动研判。农林牧渔行业近20年来总体呈现从“平衡-价值-平衡”风格转到“成长-平衡”风格，且市值风格由小盘演变到中大盘，这反映畜牧业生产规模化、集中度提升及龙头企业市值快速增长的趋势[page::0,1,2]。

从图1（成长价值风格画像）看，2005年至2022年间，农林牧渔行业的风格以成长属性占优，间或存在价值和均衡期，明显对应行业周期与结构调整。图2（市值风格画像）揭示投资市场逐渐认可大型畜牧企业，反映产业龙头效应明显。二级行业市值分布中（图3），畜牧业占到绝对主导位置（超过60%-70%），标志着生猪和生鸡上市公司对整体行业影响力最大，且畜牧业公司数量也稳步增长（图4）。[page::1,2]

1.2 产业链结构与成本构成

通过图5，畜牧业主要环节包括养殖—屠宰—销售，饲料成本在养殖成本中占比极大（猪55%，鸡65%），人工和厂房折旧也是关键成本组成。行业内部存在向上下游一体化的趋势，养殖企业借助成本优势逐步切入屠宰及深加工环节，但营业收入主要受养殖产量和批发价波动影响。由此，报告采用“平均成本可变模型”作为畜牧业利润景气度预测理论基础。[page::3]

1.3 业绩指标与猪周期分析

报告分析了年内生猪出栏量呈“头高中低”的季节性波动，猪肉产量整体保持稳定（图6、图7），短期供给由存栏量控制。对价格和存栏的动态对比（图8），两波主要猪肉价格上涨周期（2014-2016，2018-2019）均伴随存栏下降，说明存栏是价格上涨的重要先导变量。

养殖技术提升如仔猪死亡率下降导致2016-2017年间存栏持续下降但价格无明显上涨（技术因素冲淡供给紧张）。图9准确描述了生猪养殖周期约10个月（从仔猪到出栏）流程，妊娠+育肥约6个月，反映了供给的时间滞后特性。

合理存栏量的中位数统计（表1）以及短期存栏可视为价格变动的动力，2022年实际存栏远超合理区间，说明短期出清压力犹存。

从供给周期视角，报告将生猪供给的刚性约束周期定在6个月（已妊娠母猪决定），10个月为柔性周期（新增能繁母猪影响），18个月代表长期产能扩展。该视角为判断中短期供给紧张提供理论支撑。[page::3,4,5]

1.4 因子设计与回归模型构建

报告利用产能、价格和成本指标构造回归模型：

• 销量因子不仅用生猪出栏，同比还引入上市公司固定资产增速作为产能扩张代理（图14），适应公司规模扩张与传统行业出栏变动差异；

- 定价因子综合生猪（权重0.7）与白羽鸡价格（权重0.3），反映国内肉类消费结构；

• 成本用育肥猪配合饲料价格代替，滞后2个月计算，同比反映生猪养殖成本动态（图12、13）；

- 利润弹性指标包括业绩弹性与成本弹性，通过行业毛利率与期间费用率计算得出。

模型约束回归避免过拟合，并取得良好拟合效果（利润增速R²达0.7，营收增速R²约0.45）（图15、16，表3）。

模型对产能释放进行了创新调整：考虑6个月前养殖利润的正负对固定资产产能释放的影响，构建动态产能释放调整项，提升模型预测准确度[page::5,6,7,8,9]。

1.5 猪周期策略信号与景气区间判断

以实际能繁母猪存栏乘以同期（滞后6个月）出栏系数预测未来6个月潜在产能，与同期生猪出栏量对比，计算产能缺口，缺口超过1000万头即为中期供给紧张信号（表5，图17，图18）。

历史验证显示，供给缺口信号与猪肉价格上涨、行业利润和股价上涨周期高度相关，表现为明显的景气区间划分效果。2022年3-4月数据标志市场进入中期供给紧张区间，预计中期肉价和行业表现看涨。

报告还实时跟踪2022年4-5月畜牧业营收和利润景气度（图19、20），显示景气度指标能够动态反映行业状态。

---

三、图表深度解读

• 图1、图2（成长价值和市值风格画像）：直观反映2005年以来农林牧渔行业行业由价值向成长风格转换、由小盘股向中大盘股转变，说明产业头部化、资本集中趋势，支撑畜牧业现代化发展假设。[page::1,2]
• 图3、图4（二级行业市值与公司数量）：畜牧业在行业市值占比长期高于其他子行业，且公司数量稳步上升，体现畜牧业核心地位和扩张特征。2021年农产品加工市值占比陡增系大龙头金龙鱼纳入指数影响而非行业整体变化。[page::2]
• 图5（畜牧业产业链与成本占比）：展示饲料成本超半数占比（猪55%，鸡65%）、人工及厂房折旧构成，强调对饲料成本预判的关键意义，支持采用平均成本模型的合理性。[page::3]
• 图6（生猪出栏与价格季节性波动）：生猪出栏呈现年中低谷、年初和年末高峰的周期，猪价与之呈明显季节反转，体现需求与供给的动态博弈关系。[page::3]
• 图8（生猪存栏与价格反向变化）：存栏下降时肉价通常上涨，但2016-17年因技术提升，肉价未随存栏下降上涨，说明技术进步改变存栏-价格关系的复杂性。[page::4]
• 图9（能繁母猪到出栏流程）：明确养殖周期时间节点，确定6个月的刚性供应约束周期，建立预测模型的基础。[page::4]
• 图10、图11（出栏与能繁母猪存栏及出栏系数）：滞后6个月的能繁母猪存栏与生猪出栏周期高度一致，出栏系数随管理技术进步呈上升趋势，验证出栏系数在模型中稳健性。[page::5]
• 图12、图13（生猪与鸡肉价格及育肥饲料价格行情）：鸡肉价格波动周期短于猪肉，但饲料价格两者高度相关，合理选择育肥猪饲料价格作为成本代理。[page::6]
• 图14（上市公司固定资产同比与生猪出栏同比）：固定资产持续扩张反映行业集中度提升，与生猪出栏同比波动不完全匹配，促使对产能释放进行利润调整，实现更精准预测。[page::7]
• 图15、图16（营收和利润景气度预测效果）：预测曲线与实际数据高度吻合，利润预测R²达0.7，证明模型实力强，适合实操应用。[page::8]
• 图17、图18（供给紧张信号与猪价、行业股价表现对应关系）：供给缺口信号能够准确划分猪肉价格和行业指数的景气区间，说明模型具备市场前瞻性和投资价值。[page::10]
• 图19、图20（2022年4-5月景气度实时跟踪）：模型成功捕捉当前景气度动态，反映报告预测框架对现阶段可用数据的适配性。[page::10]

---

四、估值分析

报告未直接涉及估值层面的讨论，主要聚焦在行业景气度模型构建及景气信号的应用，估值隐含于需求供给及利润预测模型中。报告深度分析了业绩弹性和成本弹性两大弹性指标，通过限制回归系数在合理区间，以保证模型稳定与经济意义，提供了利润对价格和成本变化敏感度具体量化（价格上涨1%，利润约增1.6%；成本上涨1%，利润约降0.8%），为后续估值及投资风险评估提供数据基础[page::8,9]。

---

五、风险因素评估

报告明确风险警示指出所采用的模型和结论均基于历史数据，且存在历史数据不可重复验证的潜在风险，暗示模型基于过去周期规律可能面对未来结构性变化的应变限制。此外，养殖技术进步对模型参数产生长期影响，市场价格和供应链对突发事件（如疫情、政策变化等）敏感，也可能打破历史规律。因此模型持续适应与验证更新非常必要[page::1,9,11]。

---

六、批判性视角与细微差别

• 模型优势：细致结合产业链结构和财务弹性指标，回归模型约束优化，产能调整充分考虑利润导向较为创新。周期区分清晰，捕捉短期、中期、长期供给约束机制，支撑合理的周期性价格预测。
• 潜在偏弱处：

- 输入数据滞后性问题虽采取调整，但真实经济运行更复杂，模型可能忽视突发需求变化或养殖行为微观调整。
- 技术进步等长周期因素对出栏系数改变较快，模型对新变化的适应需要持续校准。
- 市场博弈和投资者预期对猪肉价格波动影响复杂，模型主要依赖基本面变量，短期波动预测能力有限。
- 对成本因素仅考虑饲料价格波动，未涵盖人工及其他成本变动对利润弹性的影响。
- 报告中某些图表注释字迹不清，例如猪肉产量图页码及部分单位符号模糊，需要谨慎解读。

整体来看，报告注重基于数据和经济逻辑，避免主观过度推断，保持了较强的专业性与客观性。

---

七、结论性综合

本报告通过系统构建以销量/产能、价格和成本因子为核心的畜牧业业绩景气度预测模型，基于光大证券既有行业景气度框架，结合畜牧业独特的养殖周期和产业链结构，成功捕捉猪周期的阶段性供需失衡，尤其强调能繁母猪存栏对中期供给紧张的决定性影响。模型拟合优良，利润增速拟合R²达0.7，景气度信号与猪肉价格及行业股价表现高度吻合，验证了模型的经济有效性。

关键表格与图表（如图1-20，表1-5）全面支撑与印证结论，揭示农林牧渔行业成长风格转换、畜牧业资本集中和生产规模化趋势。利润弹性和成本弹性定量化解释利润对市场价格和饲料成本的敏感度，增强预测的解释力和实用性。

展望未来，报告指出市场上仍存在短期存栏去化压力，但中期来看，基于当前能繁母猪存栏量，畜牧业景气度有望实现反弹，这一结论对投资策略具有指导意义。研究同时提醒历史数据的局限和未来技术及市场变化带来的不确定风险，需持续动态调整模型。

总体而言，报告对畜牧业特别是猪周期的景气度分析结构严谨，内涵丰富，兼顾中长期趋势与短期波动，具有较高的实务指导价值和学术参考价值。[page::0-11]

---

总结

光大金工团队通过严密的理论逻辑、丰富的实证分析和数据驱动方法，成功搭建了针对畜牧业景气度的预测模型，并充分验证了以能繁母猪存栏量和猪肉供需指标为核心的猪周期动态预测体系。其模型与信号为行业投资者提供了切实可行的景气度判断工具，帮助把握肉价周期性波动与行业盈利趋势，是对农林牧渔行业特别是畜牧业研究的有益补充和创新贡献。

---

溯源标注说明： 文中所有分析结论均严格依据报告原文内容，并以该报告页码进行标注，确保观点的准确、可追溯性。[page::0,1,2,3,4,5,6,7,8,9,10,11]

报告