中信建投期貨田亞雄
到底什么組成了研究之框架?
---完備數據的獲得渠道,讓數據的收集和整理足夠之便捷,每個期貨品種都有近100個細分的數據要點,把他形成圖表,保持更新的頻率
---識別盤面主流的預期差,進而快速生成一些待證明或證偽的命題,善于通過多維度共振驗證
---深刻復盤獲得長期規律的肌肉記憶,知道不同的時期有哪些驅動容易出現,但同時保持警惕和誠實以迎接新的范式
我國每年消費豆粕7000多萬噸,菜粕消費450萬噸,植物油消費3000萬噸,菜油消費350萬噸菜籽在全球油籽供應中占比約12%,。因為可以出現大量的替代,這個占比讓菜系的自主定價權很低。因此在很多時候替代品基本面的影響甚至高過菜籽本身。
在單邊上,菜系市場主要矛盾多發生于海外的供應端,近幾年集中于加拿大產量和貿易到港。
這是我們的數據庫構成,我們很難預判驅動從哪個數據因子中來,因此只能全面覆蓋,菜系數據獲得難度的層次:(從難到易)
1、國內買船數據,生產計劃,成交情況,基差變動;國儲購銷計劃
2、阿爾伯特,薩斯喀徹溫,蒙尼托巴三省的氣象數據監測
3、國產菜籽產量跟蹤,入大榨數量和進度
4、歐盟,加拿大,印度,澳大利亞,烏克蘭,俄羅斯的產量
對于數據的挖掘和信息渠道的維護是我理解的研究員可以長期沉淀的寶貴職業資源,農產品市場掙信息差的錢的例子已經數不勝數,數據層面就是“人無我有,人有我精”
行業集中度提升帶來信息壁壘提高
結合我們此前的全國調研,我國菜籽日壓榨產能3-4萬噸,年產能超過1000萬噸,但實際國內菜籽進口200-500萬噸,2022年1-10月進口僅94萬噸,產能過剩嚴重,產業清退的過程也進一步提升了產能集中度,益海、楓葉、澳加/澳斯卡是主要的進口商。
行業集中度提升的過程也是重要的高維信息集中的過程,這是菜系國內數據分析的難點。
前瞻數據獲取的困境:國內數據質量不高,嚴重滯后
我們參與農產品國內數據的解讀,但市場公布的進出口和壓榨數據大多存在著諸多的滯后。
因為運輸運距導致買船的訂單多領先于到港1個月,領先到港數據的公布1個半月以上,以至于國內數據的公布和市場行情的聯動性并不高,這暗示國內的農產品數據在全球定價的商品系統中意義小,質量差。
國內公開的農業數據的滯后性也側面反映了產業寡頭持有信息的領先優勢,在這個語境下,他們是信息的生成者,也應當是行情的領跑者。
我們團隊花了很大努力在持續收集加拿大菜籽的船期情況,對于基差和月間價差就是金礦。
在數據源上有很多海外的數據需要長期跟蹤下來,并且做數據的預處理,包括單位換算,空值處理等等。總而言之,需要一個網站的收藏夾,這是我們油脂油料數據收藏夾的一部分。
花生產業數據獲得難度的層次:(從難到易)
1、國內花生進口買船數據
2、非洲種植潛力和成本的黑箱
3、頭部壓榨企業的庫存水平,收購節奏
4、國內及海外主產地的產量
在過了數據關之后,我理解研究的進階就來自于一些長期市場發展規律的總結,我不否認這些體認中有很多帶著主觀的視角,甚至我不否定這些偏見,因為如果沒有偏見,我們也就失去了接受反饋并調整認知的機會。
我初步整理了5個對于當前市場的投研體悟,我理解我們很多重要的判斷都是潛意識里下的,而構成這部分潛意識的是經過總結的研究體認,以至于成為個人的肌肉記憶。
1:油脂油料需求的彈性和歷史天花板
我們長期把收入作為需求的變量,但羅伯特戈登曾在《美國增長的起落》中深度刻畫過人類的熱量攝入并不會隨著收入增長而持續增加,過去100年美國人均攝入的卡路里甚至出現過大幅下降,因此收入增加帶來的變化不再飲食的總量意義上,而在結構上。1800-1940年間,美國人的動物蛋白從牛羊肉上大幅減少變成了奶類蛋白。
經過多年的經濟發展,我國人均蛋白消費量已經超過了日韓,尤其是蛋類蛋白。動物蛋白方面,國內人均每日動物蛋白消費量增至飲食習慣相近的日韓水平的50克左右,考慮養殖效率提高帶來的豆粕添加比例下調,國內飼用豆粕需求平臺或落在8000萬噸/年左右,對應年度大豆壓榨需求將落在1億噸左右,
對比養殖技術更成熟,動物蛋白需求更平穩的美國,美國近20年來飼用豆粕需求整體停滯不前,預計未來國內豆粕需求也將隨人均蛋白需求增速放緩而逐步邁入平臺期,豆粕需求對大豆壓榨的帶動作用有望相應減弱,我國生產動物蛋白所需的植物蛋白進口已經到了天花板。
隨生豬養殖利潤改善,國內豆粕添加比例提高,USDA預計2022/23年度國內大豆壓榨預估將升至9500萬噸。預計未來幾年大豆壓榨量或很快達到1億噸/年左右的瓶頸,將對當前過剩的壓榨產能形成挑戰。
研究體認2:油籽的增產速率大幅降低
怪相:種植利潤達峰與種植意愿走軟的錯配
2018-2022這5年間,農產品價格大幅上行,但我們監測的玉米,棉花,大豆和小麥這四大主要農產品作物收獲面積竟然多數沒有突破2018-2021年的面積高點,之于此我們理解在農產品價格--種植利潤--次年種植面積--次年收獲面積之間存在非表象的傳導機制。
集約化的農業生產已經非常接近天花板,供應彈性顯著低于需求彈性,而更為反直覺的是,2021-2022年農產品的種植利潤創下近年最高水平,但全球農業的種植意愿卻沒有出現趨勢性增長,甚至沒有集體創出耕地面積的新高。
受利潤驅動,供應獲得快速恢復,引致價格向下傾覆的邏輯基本證偽,這在2021和2022年度3月底的美國種植意向公布時都給了市場非常深刻的印象,遠低于預期的種植意向數據都給當年的市場定下了北美種植季時段做天氣升水的條件鋪墊。
棕櫚油作為過去植物油產量擴張的引領者,增產周期或已近尾聲,面積擴張受限及樹齡逐漸老化將極大抑制全球植物油產量增速。
1960年以來的石油農業正面臨,土壤侵蝕、養分耗竭、鹽堿度上升等土地退化的約束,FAO數據顯示34%(16.6億公頃)的農地已經面臨人為造成的退化。
全球農業用地面積約為50億公頃,占全球陸地面積的38%。其中約三分之一用作耕地,其余三分之二為草地和牧場,用于放牧牲畜。隨著農業逐步集約化,各種實證同時反映出土地退化的規模和嚴重程度,具體表現為土壤侵蝕、養分耗竭、鹽堿度上升。34%(16.6億公頃)的農地已經面臨人為造成的退化。其中8.5億公頃農地重度退化。而土地退化伴隨的碳、養分、土壤生物多樣性的流失會導致我們難以進一步擴大耕地面積。
研究體認3:美國的生物柴油存在路徑轉折
美國可再生燃料摻混義務草案提議將2023至2025年可再生燃料摻混義務量分別設定為208.2億加侖、218.7億加侖、226.8億加侖,雖逐年呈現增長態勢,但2023年增幅不及此前預期,2024年后RFS將納入電力將擠占生物質柴油摻混需求。
長鏈脂肪酸酯組成的植物油和動物油經過脂質與醇化學反應通過酯交換過程,產生甲基、乙酯或丙酯,最后獲得生物柴油。生物質燃料的有兩個重要的瓶頸:
1、在商業摻混上很難較傳統燃料有成本優勢,即生物質燃料和傳統燃料間存在生產效率、能源熱值和生產成本的弱勢。目前的發展全依賴于政策補貼,這并非清潔能源發展方向的主流。核聚變技術取得“歷史性突破”隨時顛覆這個雞肋產業。
2、生物燃料發展與環境保護的南轅北轍。
研究體認4:全球花生的供應彈性在非洲
過去10年全球花生產量從3861萬噸增長到5000萬噸,其中2010和2016是兩個關鍵的年份。兩次產量的大幅變動都與尼日利亞有關,種植彈性決定了定價權。
花生需求變化更多是被動的,難以出現躍遷。可替代性抹殺了獨立行情出現的概率。
研究體認5:我國的花生油溢價面臨沖擊
過去幾年花生壓榨產能不斷增加,2020年行業調研初步統計已經到了日壓榨3萬噸,即年1100萬噸左右,按年入榨600萬噸計算,產能利用率已經低于60%。此外我們關注到花生油的消費增速正被“價格就是品質的直覺邏輯”下的新型油品山茶油,椰子油等品類加速替代,國內植物油小包裝將迎來快速的集中,低端產品或將長期以負毛利的方式內卷。
國產油菜籽行業是個重要的前車之鑒,行業摻混亂象不斷沖擊著其溢價,同時也伴隨進口菜籽,進口大豆的加速增加,著最后國產菜籽加工業和種植業形成負反饋,產業一度陷入凋敝,直到2022年,國產油菜籽種植面積才有明顯的恢復。
當下花生壓榨產業的高利潤實際倚仗花生油獨特風味帶來的品質溢價,過去5年花生油較豆油平均升水6400元每噸,但過剩的產業資本在過去20年不斷新增產能,在長期上勢必挑戰這一價差水平。
以上就是我可以給大家分享的經驗部分。
后面是我們一些不成熟的思考和總結:
我理解投研進階主要有幾個層次:
1、數據的收集,整理,結構的能力。強調數據完備,獲取便捷,整理出領先--同步--滯后的數據鏈條。
2、識別主要矛盾和驅動,并基于矛盾本身,設置出待證實或證偽的命題,為研究標明路牌。
3、基于驅動,預判行情的級別,結合盈虧比,制定交易策略。
4、多策略并行,控制回撤,平滑凈值曲線
我們研究員主要的工作是第二點,但最能帶來收益的是第三點,大家對于此的討論是相對較少的,今天我主要就在哪里獲得預期差進行討論:
預期差的來源1:減產引致的庫存下行
從長期走勢上看,菜油與ICE菜籽同步,ICE菜籽和美豆同步,USDA供需平衡表是全球農產品定價的基石,期末庫存的交易對農產品的定價影響立竿見影。從樸素邏輯上看,3億蒲的庫存的跌破是觸發美豆行情突破的重要導火索,這相當于0.8個月的消費量。大致的結論是期末庫存如果不能滿足1個月的使用冗余,那么有望出現激烈的價格上行趨勢。
那么怎么做單產交易?
美國農業部WAOB委員會:5、6、7三個月份大豆單產數據是在趨勢單產的基礎上,根據當年天氣情況和播種情況進行調整,是根據模型推算的結果。
美國國家農業統計局(NASS):8月到11月份的單產預估由在通過大量調查的基礎上完成。每年8月到11月期間,NASS會同時展開兩類獨立的大豆單產調查,調查結果反應的是截止每月1日的結果。一類是基于種植者對單產預期的統計,另一類是實地田間統計。
8、9、10、11四個月份USDA的單產數據是基于實實在在的調查。其中8月份首次公布調查數據,關注度較高。如果8、9月的天氣較為溫和,11月份前單產的變化幅度一般不大。
在12月份,USDA會對最終產量進行確認,并在1月份公布年度報告。價格的波動也以單產預期的調整為主要驅動,以美豆為例,價格的波動主要集中在北半球生長期,7-8月。
通常我們以跟蹤種植進度,優良率,降雨和溫度的方法預測單產,或者預測實際單產和趨勢單產的偏移,經驗數據上看57%的大豆優良率是個關鍵的分水嶺。
長周期上我們發現美國中西部降雨偏離跟太陽黑子周期有莫大的關系。一般來說,太陽黑子活躍期間,黑子群增多會使得X射線和紫外線等輻射增加,從而導致地球大氣溫度升高,到了一定程度,將形成諸多高壓區域抑制云層形成和阻礙降雨。大體上降雨周期與11年的黑子周期呈現相關關系,大級別的氣象周期成為農產品高級別行情的底層驅動。2003,2012,2021這幾年見間上演全球農產品牛市行情都能在太陽活動上找到潛在的動因。
預期差的來源2:統計區間的失效與回歸
均值很難作為強勢有效的坐標,面對全新的統計套利情景,我們直覺性的行動是在既有的歷史和記憶之中,在農業歷史和價格復盤去尋找可供參考的樣本,試圖通過這樣的比對和附會去理解和把握我們置身其間的世界現實并期望去對于預判有所指引,但事后發現這很徒勞。主要戰場是:替代關系的價差和生產利潤。
在突破均值的初期,大概率有牢固而長期的基本面驅動,順勢介入的參與雖然直覺上反盈虧比邏輯,但勝率更高。主要挑戰的行情的想象力。
多利潤:我國油脂油料有較多來自于海外,因此主產國的可出口量的多寡直接影響我國的供應和國內商品價格。主產國的可出口量取決于當季產量和新增需求,
2022年最大變化是加拿大的菜籽減產和美國豆油需求旺盛。
主產國的可出口量急劇下降時大概率是把榨利留在本國,出口報價急劇上升。對于進口國勢必面臨背對背進口利潤深度惡化,從而遠月買船不足,這通常是做多壓榨利潤的黃金窗口。本質上是進口國渠道庫存驟降和壓榨企業的定價權提升的過程。
空利潤:是孤勇者的暗巷,也是英雄的起源。
例如種植成本3000林吉特每噸的棕櫚油上行至7000以上,過剩的國內大豆壓榨行業能享有超400元每噸的背對背進口榨利。每一輪利潤高點也是市場非理性的巔峰,市場已經過度渲染了低位做多的優勢,但周期下行同樣是適合博取的機會,且天然附帶賺貝塔錢的加持。
預期差的來源3:供應交易的終點
高流動性環境下的博弈特征——市場對這類共識性利多的定價是一蹴而就的,但也基本標志著價格高點的臨近和階段性拐點的來臨。
俄烏沖突于2月24日發生,美麥在3月7日見頂;4月28日印尼禁止馬來西亞棕櫚油出口后,馬棕櫚油于4月29日見頂。一方面,突出事件的出現即價格巔峰,市場對信息的消化非常快;另一方面這些巔峰極有可能是該品種非常長期的歷史峰值。
農畜產品價格的高點多產業有了減產預期的共識,而下游喪失議價權被迫接受定價的時刻。交易現實的時刻,價格往往越過高峰。
花生的經典案例:PK301-304價差
季產年銷型商品怎么看待減產與價格上行后需求拖累的關系持續成為花生,蘋果,紅棗的減產年份的分歧。直覺邏輯是深度Contango結構,但近年來該邏輯面臨的挑戰正日益增加。考慮刻畫需求并跟蹤邊際變量
Clues:定價邏輯從花生20%--30%減產切換到需求
1、花生食用需求同比降20%-30%。
2、花生油粕在2023年Q1面臨跟隨豆系油粕下行25%以上,油用花生以榨利定價,在豆系油粕油粕基差坍塌下,遠月花生承壓。
預期差的來源4:季節性共識的證偽
基于關鍵時間節點的交易策略研究由于花生本身的生產貿易特性其期現價格的波動具有明顯的節奏性
不同時間節點具有不同的矛盾,研究過程中抓住主要矛盾判斷矛盾的持續時間和爆發力。比如把11月作為當季產量定價的結束,5-6月作為進口壓力計價結束的窗口。
預期差的來源5:基差回歸的路徑
翻牌交易是最近我們創造的名詞——當逼近交割月,未來原料到港量逐步明晰后,前期受需求抑制的近月合約以飆漲的方式向上修復基差,其要點在于農產品供應難以調節的背景下的高確定性,同時,此前需求的向下交易將多頭介入的安全邊際給的相當充分,這逐步成為油脂油料基本面交易的主流演武場。
進一步深挖高基差形成的原因,我們理解基差本質是油廠對盤面榨利虧損的彌補性要價,當榨利彌補不足而國內外維持深度倒掛,那么定價的天平則傾向賣方,并在交割月前夕集中兌現溢價權力。
2022年11月正值進口大豆大量到港的初期,正當大豆周度壓榨量上行至200萬噸以上時,而豆粕現貨開啟1000元下跌時,盤面M01迎來了上行之驅動,其本質原因是前期01多頭過于克制,只等壓力宣泄后的爆發。宜以正套的方式只爭朝夕般的計價。
預期差的來源6:質疑權威,挑戰數據黑箱
農產品研究的懸案:
1、國儲大豆&玉米&菜油:收儲政策(量+價),種植激勵計劃
2、棕櫚油:印尼的庫存
3、生豬:能繁母豬--生豬出欄的滯后時間
4、油脂油料:USDA的平衡表的異常調整
5、花生:非洲進口潛力
6、白糖:印度出口政策
數據的黑箱是研究的難點,當講道理的是市場上所有人都弄不清楚,但往往有觸發大級別行情的機會。處理路徑:1、代理變量的新設(挖掘有領先意義的中介指標);2、深刻復盤與常識;3、數理統計;4、政策執行者的立場挖掘。
寫在最后的一些建議:
最后我們也清醒的意識到,以上內容仍舊是在時間尺度上以上帝視角后視鏡式歸納這些市場特征,對邏輯的抽絲剝繭,去粗取精在這樣的語境下與其說是某種經驗型能力,不如歸納為后視鏡下刻意美化,而一旦經驗出錯的案例往往被避而不談,以實現其營造的客觀表述之合法性。畢竟歷史是勝利者的書寫。商品期貨投資的邏輯范式恐怕尚未有經得起推敲的系統性回答。
我們很可能需要承認自己長期處在困惑的狀態,并且并不羞于去承認無知,反而是去直面深淵,甚至去盡可能地解釋深淵。
長期看,閱讀和學習的目的是減少偏見,迭代認知,并通過“辯論,爭鋒,退卻和進步”的過程去形成一套高度認可的研究評價標準,而且這套標準也并非僵化,而是可以迎接嶄新的聲音。
研究生涯需要警惕的是把自己通過行業積累成為了一個熟練的流水線工人,這時候就需要換一個領域繼續研究,去接收新領域的信息和內容,再帶著新品種的研究方法重新回過頭來看以往的研究成果,這是我們找邏輯共振,投資信仰的捷徑。