声明：本文为华信物产投研总监张一帆先生在扑克投资策略论坛的分享

    很高兴今天来到扑克投资策论给大家分享。

    接下来我们聊一下下半年的农产品的一个事情，因为大家都是来自于各行各业，看的是不同的一个领域，有原油这么几个比较主流的，也有像农产品在大宗商品里面属于非主流的一个行业，所以整个我要讲的内容就不涉及到特别过细的具体的一些内容，整体来讲给大家一个大体的方向性的框架。

    我们先说一下大豆，我们主要说两个部分：

    一是对整个蛋白最有影响的以美国大豆为基础的大豆，即关于大豆和蛋白的内容。

    二是引领整个油脂行情的棕榈油。

    首先我们来看一下大豆。大家都知道其实在六七八月份的时候，市场从来的关注焦点就是美国大豆的种植天气究竟是好还是不好，基本上每天都能收到不断的报告，各个机构都有，包括今天说中西部降雨多的，明天又变成干旱。

    总体来讲我们衡量一个大豆单产方式是以下三点：

    第一、整个的天气模型；第二、优良率模型；第三、进入到8月份之后的实地调研。

    理论上来讲，在实地调研之前基本上所有的机构都是坐在办公室里做模型弥合，确定一个在历史上最佳的弥合状态从而得出的一个理论的值。实际上在8月份之后只要有第一次有人去调研，得出了一个单产的结论，以后这个市场基本上所有的理论模型都已经基本上失效的状态，因为事实是永远大过理论。

    从时间上来讲，大家交易的单产分两种：比如说在实地调研之前，大家交易的是一个理论模型的单产，基于这种认知进行一个交易；进入到8月之后，大家以实际调研的数据和历史的对比得出的一个最终的单产。

    一、天气模型

    我们先说一下天气模型这个单产，因为各机构对模型的看法和做法略有不同。我们自己现在的一个状态是一个接近USDA的预测方式。首先来讲我们是弥合的1988年之后到去年所有的单产的状态，在这里面一共是三个。

    第一、我们来看6月份的降水是不是真正的一个短缺？因为实际上来讲，6月份的一个天气状态究竟好还是不好对于单产的影响只有一种：如果6月份的降水量是历史我们看到的从1988年到现在所有的降雨量里面统计到的一个最差的10%，只有在这种状态下的情况下，6月份的天气的状况才计入单产的损失。如果6月份没有出现这么严重的一个降水量的短缺，他并不会对整个大豆的最终的单产产生负面的影响，今年6月份就是这样的一个情况。

    经过6月份之后，我们进入到七八月的天气，七八月的天气实际上每一个月的温度和降雨量这两个指标都会同时作用于最终的一个单产，影响在收获时期最终的单产数字。大豆和玉米不同的是在于他们的作物本质有一些区别。我们在做玉米预测模型的时候，我们可以在模型当中实际上囊括了种植的进度，种植进度的快、慢实际上是比较明显的影响最终玉米的单产。但是种植进度在大豆里面实际上影响其实并不显著，因为大豆实际上是一个无限花序的增长，当你出现严重干旱的时候，通常来讲只要出现一周到两周以上的降水，同样还可以继续开花、最终弥补单产的损失，这种事例过去我们经常会看到，这是这两个模型之中对于单产的一个最大的区别。

    我们看每天的天气预报，无论是对于已经实际发生的降雨量，还是对未来的预测，我们都可以用这种方法计算单产模型从而得到我们自己认为的一个最终的实际单产。我们在处理每天的市场信息的时候，一个单纯的好和坏其实对我们来讲没有特别大的意义，我们只是用这种方式去量化我们对于天气的一个理解。因为天气本来就是多变的，以现在的状态来讲，基本上一到七天的天气准确率还能达到比较高的一个状态，但是实际上从七到十四天的准确率应该是降的，超过14天天气预报的准确率基本上在30%以下，在30%以下来看基本上在气量学的角度来讲就是一个无效预报。

    二、优良率模型

    在市场，主流来讲，其实有两种不同的对于优良率模型的大的框架应用上的一个分歧。优良率是美国USDA不断扩大受访的样本，再让农民根据自己对于自家作物的一个好坏填出的一个问卷式的一个调查，这个调查是通过不断扩大样本来弥补局部统计上的误差，最终得出来的一个结果。当然优良率这个东西看你怎么看，有一部分人认为跨年度的优良率可比性是比较低的，因为可能更多的比较是在于年内之间的比较，因为农民其实很难得出一个今年的我的优良率是70%，但是去年可能是60%，10%之间的一个差可能更多的是来源于感受，跨年度的感受，对于数据模型理论基础来讲是相对薄弱的。

    三、实地调研

    这一块就不用多说了，市场基本上主要的粮商或者专业性的商业机构每年都会对产量进行一个GPS定点，然后会对比相同地区的产量的误差，最终得出一个单产的结果，这个也就是现在的一个焦点的问题，我们究竟如何去看待目前影响大豆单产最终的因素，以及我们如何去认知和使用。

    天气

    我们刚才说了十四天之后的预报概率是30%以下是一个无效预报，同时我们更关注一个比较长期的气侯模式。因为之前只是一个天气的状态，我们现在是进入一个比较长周期的期货模式的对接。

    我们看到IRI和CPC这是最新的对于整个未来的一个比较长时间的天气模式的预估，我们可以看到红色的比较粗的线是所有的动力模型得出来的结论，因为主流来讲我们可以看到右边列表上面，大多数用的一个动力模型，下面也有一部分机构是用的统计模型的一个结果，但是这两个东西实际上是源于不同的算法，通常来讲我会更关注动力模型的一个平均结果，也就是说这张图上的黄色比较粗的一条线。

    可以看到现在各家机构对于整个天气模式来讲都是在一个中性天气以上，如果我们看到回想起历史来看，我们可以看到几个月之前，这个市场大多数还是认为是一个厄尔尼诺的天气，这张图上会定义成如果超过海平面的温度，如果高于1的话，市场上会认为这是一个典型的厄尔尼诺的天气。目前来看，我们看到这条线在正负0.5之间。

    我们通常可以看到从4月份以来的三个比较主流的气象机构，第一个是澳大利亚气象局；第二是美国的NOAA，这两个基本上是半壁江山；还有一个是日本的JMA。

    这三个进入到6月底7月初的时候，大家基本上纷纷解除了厄尔尼诺的一个预期，现在基本上大家都会认为在这个秋季之前大概有80%左右的几率是维持一个中性的天气。那么这两个天气究竟是一个什么样的区别？对全球的农产品作物有什么样的影响呢？

    我们可以看到实际上厄尔尼诺对于夏季天气受到的厄尔尼诺影响的预期不复存在。是怎样的一个影响？在一个月之前，市场的预期仍然我们可以看到最中间的一块，我们看到东南亚是影响的一个干旱的状态，明显的如果我们结合上面来看，如果是从一个典型的厄尔尼诺天气变成一个中性的天气来讲，这张图所涉及到的地区他的作物的状况都会得到一个相应的改善。

    同时我们可以看到一个长期的表，我们可以看右边是6月份对于全球的一个季度性的天气的预报状况，左边是最近的一个预报，我们可以明显看到有两个最大的不同。第一、刚才我们说过的上面一张图，可以看到整个东南亚的降雨状况是在改善，明显在东南亚地区褐色的地区实际上颜色越深表示干旱的程度会越高，每天偏离的降雨毫米数，绿色是表示降雨的偏多的，我们可以看到东南亚明显的天气的干旱状况是比上一次预报明显有好转的，同时我们能看到美国的一个状态也是从相对深颜色的地方向浅颜色的地方发展。

    这两次的对于季度性的预报我们能看到东南亚的天气的干旱状况实际上比上一次不断改善的，而美国的一个降雨量也是比上次改善的，这个就是整个我们对于天气的一个短期和中长期以及气侯模式的一个认知，以及这两次气侯模式的一个改变的变化和相关的影响。

    我们再回过头来重点看一下美国的状态，我们刚刚已经介绍过了美国的6月份的降雨量实际上我们只关心他是不是历史最低的10%的区间，如果是，我们会记录到。我们看到6月份整个的天气状况来讲，我们看到最左边的这张图绿色的是我们把美国每一个州平均出来的一个降雨量，我们能看到低于蓝色柱状的历史的平均，6月份确实在6月份来讲是低于历史平均降雨的一个年份，主要的问题实际上是在最左边我们框出来的三个。

    内布拉斯加其实是在美国灌溉的比例最高的一个州，通常来讲如果内布拉斯加出现问题的情况下比同等其他的州来讲受到的影响相对会更低一些。右边是整个温度的一个状态，我们看到6月份的平均温度实际上也是略高于历史平均的。红色是去年的，如果大家还记得的话，去年市场也是这样去走的，在6月份的时候看到了整个美国中西部非常的干旱、高温这样的一个状态，今年来讲虽然比例平均也是降低的，但是这个状态大概只是减少历史平均降雨的20%到30%左右，这种状态是远远不够去记录历史最差的10%，所以6月份对于产量的影响几乎是没有太大的影响。

    下面两张图是每一年整个美国中西部带来的温度和降雨的统计数，我们也可以比较直观的看到今年是一个偏高温和降雨少的一个年份。

    6月份过了之后，我们进入到7月份的状态，这个图实际上是上周整个的中西部的降雨，我们能够看到降雨仍然还是偏少的，影响比较大的两个地区降水偏小，其实也是推动近期价格上升的比较重要的一个原因。

    我们再回顾去年的状态，去年上一张图6月份开始价格不断的上涨，就是因为这张图里面的降雨和温度的异常所导致的。

    去年在进入到7月份以来，我们可以看到红色的柱状图，从7月份开始他会有充足的降雨量，对于整个的中西部的大豆玉米进行一个补充，最终去年的一个单产是达到了52的历史最高的一个单产，并且也是高于大家算出来的一个趋势单产，大家偏离度几乎是历史最高的状态。

    截止到目前来看，截止到上周来，我们降雨量还是持续偏少，这周周中的时候，天气模型预报当中有所改变，曾经出现过一段时间的中西部的降雨预期的改善，这个也是后来盘面随之进行调整的一个基础。目前来看，过去五天的降水有所增加，无论是美国还是欧洲模型都有所改善，这种改善程度实际上我们可以看到是这样的，但是这两个的区别在于你是用单次的集合预报还是多次，这是这两个模型最大的区别。

    无论是用哪个模型或者你看哪一个高压脊在中西部来看，无论是你用哪一种角度去看，我们仍然能看到美国中西部高压脊存在，还是会继续的影响美国整个中西部在近期的天气的状况。比如说如果有高压脊的存在，你的降雨和温度可能还会继续持续在一个相对高温和相对少雨的状态。不同模型只是在不同的高压脊不同的位置。我们能看到某一种预测的角度来看，没有这种高压脊的存在，比如说现在目前来讲威胁还是并没有完全的解除，后面我们会不断的去捕捉模型当中的变化，或者我们看到认为可以实质性解决问题存在的时候，我们才能得出进一步的结论。

    优良率

    我们讲完天气的第一个模型之后，我们现在进入到优良率的状态。

    这是历史上所有的美国的加权出来的平均大豆的优良率，我们可以看到黑色的这条线就是今年的优良率。上周预报的时候，美国给出了62%左右的优良率的状态，从这张图上可以看到，当然除了2012年是非常严重的产量的损失，现在来讲相对量是一个相对近几年的比较靠下的一个区间，但是如果我们去看整个的统计资料，基本上62%，在这一周，在26周和27周种植的状况来看还是处于一个历史平均的状态。

    如果我们按照优良率的模型去计算单产，我们会得出来通常有几种算法。第一、我们假设62%优良率能持续到最后，这样我们应该得到什么样的单产？或者你做的更复杂一些，把未来的趋势也算在里面得出什么样的一个结论？我们可以看到如果我们假设还是维持62%的单产一直到种植期结束，他的一个所对的单产自己来看应该是47.5%左右，比48%的单产实际上略低的状态，但是我们要很清楚的知道首先模型的在不同时期的程度是不一样的。

    我们看左边这张图也是一样，越靠后的优良率和最终的单产所决定的优良率的关系会更大。刚才我们也说过玉米和大豆之间模型是由于作物本身他的不同本质所导致的计算当中计算参数的结果，这张图可以很好的佐证刚才的观点。我们看到其实玉米的优良率和最终的一个单产在前期明显的比大豆要高出很多。大豆刚才说了由于是无限花序的特点，决定了其实他永远一定是最早到8月初的时候，我们用优良率的模型来确定最后的单产的成功率会更高。玉米实际上我们能更早的用这几种方式得出这样的一个结果。

    这张图另外一个告诉大家，介于大豆的性质来讲，后面只要天气有一个比较明显的改善来讲，对于单产压力是要比玉米小很多。

    这张图有没有看到优良率在各州出现的问题，我们右边来看基本上我们看到优良率都是在67左右的状态，这种状态相对是比较低的。因为从之前的这张图来看，我们可以看到这两个地区的降水量实际上是明显低于历史的一个平均，在一个比较低的位置，也造成了这两周的单产比较差，同样的在东部indiana的降雨没那么差，最后的优良率也体现的不是特别的好。

    这张图是未来两周的天气预报，今天早上我们这张图的时候，我们可以看到之前还会有一些明显的降雨对比，上一次昨天我们再刷这张图的时候，降雨实际上有一些弱化。

    这张图告诉大家现在是高压脊的位置的变化，并不是能解决这样的问题。

    上面是我们把所有的指标，我们觉得相关的一个指标列入到整个的数据当中，我们可以看到7月份的预报降雨量比正常值减少30%。比如说我们认为这个东西持续到8月，同样这种指标是30%的话，我们可以依据不同的七八月的降雨天气温度得出一个单产的范围。

    黄色的地区就是我们认为截止到目前为止天气的状况可能会出现单产的范围。比如说在45到47.7之间，以目前我们所知道的所有的信息得出来的状态，实际上单产实际上略低于趋势单产的48的状态，当然后期如果天气有所改善，整个的框还会继续往右边走，得到他应该有的一个结果，我们需要提醒的是这种单产的预期还是存在一些数学上的风险，因为如果我们回想近几年的单产的状态，

    实际上单产的提升并不是一个线性，往往是一个阶梯性的，这为什么我们持续用1988年到现在的数据，我们希望用一个比较长时间的数据的模拟去剔除技术进步造成的结果。实际上技术的进步实际上是一个阶梯性的增长，如果我们回想80年代美国作物生长，同时我们更关心的是作物种植的密度。最开始作物产量的增长往往是靠密集种植而造成这样的一个结果。靠密集种植之后得出来的结果，进入到一个新的台阶，其实看到90年代、80年代之前大豆的单产实际上是两个阶梯性的。

    进入到90年代之后，实际上大家经常会说的基因技术的一个改变，抗旱的基因会更强，会导致再一次的增长。80年代之前，大家非常关心种植密度，会去看一下种植同样的面积里面植入数的大家做一个判断主要依据，现在来讲大家不去关心这个指标，关心更多的是一个结荚数和最终的单产形成正比的，但是近三年我们可以看到几乎都是结荚数很少的情况下市场预期比较差的一个单产，这是技术的进步对于单产进行一个阶梯式的影响。

    如果比如说我们考虑到这个因素来讲，不用那么长时间的模拟，我们用近期的数据进行模拟。样本量很少来讲呢？其实也并不能构成一个做数据的最基本的一个基础，但是如果我们去参考这样的一个想法去看，去年的52一个单产远远高于市场的一个趋势的单产，前年其实也是这样的一个状态。如果我们去考虑这样的一个因素，这样单产的压力实际上会比我们用市场上用的48单产实际上压力会更大。

    出口

    另外一个问题实际上是我们需要关注的是美国新作出口的一个销售，如果我们回想一个数据，截至上周五新作的出口实际上是350万吨，我们中国只买了116万，从2006年开始，同一时期的出口量其实从来没有这么低过，这个原因后面是有很大的潜在风险在里面的。因为我们可以回想一下，美国和阿根廷都丰产的情况下往往会出现一个出口销售的节奏的变化。

    这样的状况和15年的供需是非常像的。因为很简单，首先我们在这个作物之前，美国作物之前，首先是巴西、阿根廷是明显的一个丰产。再前一年，上一季的美国，导致了巨大的一个库存，这时候美国的供给也是非常充裕的。

    通常来讲和美国也很类似，当美国如果我们回到去年的11月，假设这个时间，我们看到美国的作物非常多，得到了后来的一个现象，美国的作物不断去挤占南美的出口，如果早一点的话，一二月，因为巴西整个的种植的经纬度非常的广，如果我们发散去说的话，这个也是为什么在美国会比巴西、南美相对来讲应用起来会更高。因为南美的模型我们不是这么去做的，因为美国中西部相对来讲经纬度是比较集中的，我们可以通过这样的观察和计算得出这样的结论，巴西因为经纬跨度非常的大，所以他往往需要分区去得出这样的一个地方。

    回到刚才所说的一个东西，当美国作物很多的时候，实际上我们市场本来预计的一二月会出现美国的出口对巴西出口的挤占。现在巴西的出口实际上会对美国新作的出口也会出现一个明显的挤占，因为这个在历史上出现过，15年就是这个状态。盘面最终产生大跌的两个原因，第一、我们刚才所说的单产比我们想象的更好。第二、因为这种南北半球同时的丰产造成的他跨地域性的时间的挤占，造成了出口节奏的一个错配，这两加到一起是导致了那一年价格大跌的原因，现在来看我们也能看到这样的一个迹象，因为截至到上周，美国的一个新作出口的状态已经呈现出历史最差的一个状态，这个东西发生的几率也是比较大的。

    我们如果看上一张图，USDA对于美国的出口的调整，黄色的那条线是2017、2018年对新作出口每个月的调整的一个曲线，现在本身的最开始已经放到一个很高的状态，我觉得这个状态可能会继续的下调，我们参考这个状态来讲都是2015年最近的状态，因为在历史之前还会有一些年有这样的状态，我们通常会参考一个基本面相同的一个最近的状态。如果我们参考2015年的状态，刚才所说的挤占很有可能会发生的话，我们自己测算下来的话，转移幅度大概是500万吨这样的状态。

    除了现在去谈论的天气，其实还有一个很重点需要去关注的，从8月份开始的USDA的报告会不会提前去下调美国的新作的出口，从而对平衡表产生更大的压力？其实观察的指标是我们去观察每一周他对于新作出口的状态，它的进度究竟是不是我们想象的这么慢？

    刚才说的单产和出口两个比较重点的问题，以现在的天气模型最终结果有可能怎么说都对，因为假设特别的多。我们来看一下以不同的假设可以看到对最终的平衡表会产生什么样的实质性的影响呢？

    左边是官方的USDA出来的一个平衡表的状态，右边是我们假设模拟各种情况，出现的状态。结合这张图，我们认为天气会出现延续现在的30%的降雨量和温度的偏离值的话，最差的情况。我们以把48的单产减两个蒲式耳的状态，48没有考虑到近期的，尤其是近三年的一个单产的累积，因为如果我们看到刚才我说的结荚数比值会很明显，这三年基本上是跳开往上的状态。

    假设我不考虑这些因素，我都按照一个很传统的思路去思考，我们看一下平衡表是什么样的状态？如果是最差的一个状态，46的一个单产我们可以看到最终的平衡表，美国的库存还是接近3亿蒲的状态，3亿蒲对美国来讲仍然是很宽松的，历史上来讲通常用两种方式去看，历史上我们通常以1.5亿蒲左右判断一个标准，因为库存基本上在1.5亿蒲左右来的话，这时候才能达到一个美国的供需平衡的状态。3亿蒲比1.5亿蒲明显还是宽松很多的，我们认为从这个基本面的角度来看，美国大豆的供需压力还是非常大的一个基本面方面的原因，如果我们看到往右看，平衡表基本上就没法看了，基本上是压力更大的一个状态。

    基金持仓

    另外一个因素，实际上是需要考虑的一个因素，而且比重会越来越大，因为每次我在说的时候其实都很强调这一点，因为市场机构和资金对于大宗商品的看法对于价格的影响的比重是越来越超过基本面的，因为对于资金来讲，其实他最核心的一个观点是我认为一个商品在整个一年的资产配置里面究竟是一个空头还是一个多头。以资产配置多空的角度实际上是在更大层面去理解一个商品的非常重要的一个途径，这个途径实际上是跟美国60年代之前和60年代之后有很大的一个区别，中国实际上现在也是在经历这样的一个阶段。

    我们可以看到从历史统计来讲，基本上4亿蒲左右就是基金对于大豆的评估来讲绝对空头的配置，即使目前来看到最差的情况下，到3亿蒲的时候，实际上并不是作为一个典型的多头配置的存在，实际上奠定了整个的某一种商品在整个的全年里面的基调，所以看近期的上涨实际上并不是说某一种短期的因素或者突发的原因造成的价格剧烈的波动，其实往往我们回归到资本的本身去理解来看，实际上是相对更合理的。

    我们看到拆解基金持仓的状况来看，我们可以看到右下角是整个的是很高的一个状态，如果我们分成一个时间段去看的话，大家可以看到整个今年的基金从2月的巴西产量确定之后，加空非常的坚决，且到7月初中间几乎没有平仓过。甚至在6月27当周持近3万手空单，为今年来单周最大增量，达到空单20万手，净空12.6万手，均为历史最大值。6.30号的报告实际上是略好于预期，这样的预期加上我们之前谈到的天气的一个状况，触发了一个空头的平仓。之前的速度还比较慢，美国国庆日假期后再跳空拉涨更明显。

    以上所说的，才是目前来讲对于这次价格上涨本质的解读，因为我们从目前来看，这样的一个状态实际上更多的仅仅是由于资金的空头过多平仓导致的，如果我们按照这样的一个速度和持仓的状态来看，如果没有确定天气状况能对大豆的产量产生巨大的单产损失，美豆的价格基本上靠空头平仓而不是新建多头去增加的导致的一个价格的上涨的话，我们自己来算，大概的一个价格最多也就是到1050左右这样的一个位置。

    实际上这几个角度才是对于大豆的评估，我们自己认为是一个最本质的一个理解。

    油脂

    下面来说一下整个的油脂，先给大家一些比较大的概况。

    我们可以看到整个的中国的人均消费实际上已经接近了全球的平均，但是因为每个国家地区消费的习惯不一样，有一些地区食用油消费会有一些平均，有的会贫穷的地区会有区域性的差距。

    上面这张图中国基本上赶上了历史的平均，里面唯一一个比较突兀的地方是绿色的代表欧盟，但是实际上这个里面是囊括了所有的油脂消费，但是欧盟里面基本上有一半左右的都是用植物油作为生物柴油的消费，如果我们进一步拆解，把它作为一个纯粹的消费，欧盟基本上也是在全球平均左右的状态，这张图能告诉我们什么呢？未来对于油脂的增长点，尤其在中国实际上更多的只能来自于生物柴油方面的开发，因为整个中国目前来讲对于生物柴油的使用还是刚刚初级的一个状态，大概一年也就一两百万吨这样的状态。如果没有这方面的增长点，基本上中国的油脂的使用消费基本上达到一个比较大的瓶颈。

    反观过来，什么样的状况能导致生产的产业的发展？大部分都是由于国家政策去导致的，政府的一个补贴和强制性的搀兑标准，目前是生物产油在全球能够进行下去的最主要的原因。刨除这种因素来看，历史上只有食用油的价格和能源的价格产生较大的差距的时候，才能促使商业掺混的一个开发。回想起这两年原油的一个状态，原油高价时期产能扩张过快，目前产能非常过剩，这也是生柴产业贸易保护主义盛行的原因。

    回想起来这两年原油的状态，我们华信自己也是做原油的，从去年7月份开始限定减产，之前经过了一段时间的上涨，由于近期我们仍然能看到本身出口量并没有恢复，你的限产和限制出口实际上对于这个世界是完全两个不同的理解。如果你仅仅是限产，并没有限制你的出口，实际上对于你的全球的供应仍然并不能立刻像几年前的OPEC当时那个世界原油的供给的影响，并且加上近期我们看到在美国的数据，美国的汽油数据等都是在历史比较高的位置，无论是在伊朗还是公海上所有的数量的挤压造成了原油价格继续下跌，恢复到了OPEC减产之前的价格。

    我们在这样的大背景下来看，一个低的能源价格实际上对于生物柴油商用搀兑几乎是起不到任何积极的作用。如果我们计算全球的生物柴油的使用量来看，我们按照每个国家对于生物柴油的强制的标准来看，我们基本上每年是稳定在2500万吨左右的消费量，如果说我们遇到了在历史上的有机会进行商业搀兑用量来讲，实际上对于植物油的大概一年会增加200到300万吨之间，但是目前原油低区间，实际上窗口是打不开的，我们至少在今年这么长时间的预期，我们也不预期这个窗口在这段时间是可以打开的。

    进入到产量的环节，大部分的农产品很注重产量的形成。我们看一下棕油和大豆是完全不同的状态，对于单产的预期我们的方法是完全不一样的。简单介绍一下，棕榈树从新叶发芽到果实成熟共需要40个月，成熟前30个月主要决定花芽发育成雌花还是雄花，如果雌花较多的话，意味着后面的果串多少，成熟前5到15月是花絮发芽和授粉的阶段，在10个月左右的时候特别容易败絮，影响果实的数量。最后5个月的时候是果实的发育期，这个时间主要是影响果实自身的果重。

    减产分为两类，第一种是由于降雨过多影响的。第二、降雨过少。降雨过多会导致棕榈树开花不结果。果实数量减少。光照不足，干物质积累不够，果实重量减少，2009年的减产以上是第一种方式造成的减产。

    第二、降雨偏少，降雨偏少主要是干旱。主要是在成熟前12月到30个月左右的时候，如果发生干旱会影响雌雄花的比例，最终会使整个的结果的数量造成一个削减，这个是降雨偏少造成的这样的状态。最近一次在2015年的干旱，最终会导致2016年上半年开始出现的减产，刚才主持人说的为什么去年开始出现连续性的油脂上涨的一个原因，但是这两种虽然都是影响单产，但是他无论从时间周期还是作物本质上都是作用在作物的不同阶段，因此对于后期的预期，无论是时间上还是幅度上我们都会对他区别对待，所以这种状况来讲，基本上并不是一个一元一次方程的状态，如果你是仅仅用一元一次方程解决他的局限性不是非常强的，有一点类似于二次函数的关系。

    接下来说一下与之前我们看到的大豆和玉米不一样的地方，是在于大豆、玉米我们刚才说的为什么从1988年开始出现了一个明显的上涨，我们还在担心他的单产究竟是不是好还是坏？主要的原因是因为我们能看到大豆和玉米实际上明显有一个单产的趋势，但是整个的FFB没有一个单产。

    几乎是一条横线，所以他的增长大部分是来自于下面的一个面积的贡献，面积的贡献是他总体产量增加的一个最主要的方面。这点的不同实际上在于我们认定他周围的看法和禾本植物最大的不同。我们会看到一个明显的定性的关系，无论是降雨多还是少，在后期的5到15个月我们都可以得到一个反向的回馈。

    结合现在来看，我们最先一次，最右边的黄色的圈降雨过少，导致了从2016年开始这样的一个状态。截至目前为止，单产的恢复程度还是在整个FFB历史是零以下，整个的正常的周期实际上是要经历一个正弦函数，整个的周期才会去恢复，目前虽然我们能看到持续的单产恢复，但是目前为止还没有到达历史的趋势，原因就是因为FFB单产是没有趋势的，所以我们才可以得出这样的结论，否则这个结论就不存在了。

    基于这一点，我们会认为虽然连续已经出现了持续的增长，并且上一个月增产的幅度还会有一些减缓，我们仍然认为单产的恢复是没有结束的，在产量的恢复还需要5个月的情况下，实际上对于整个的无论是价格还是价格结构的压力都是非常大的。这是我们对于产量的预期和目前FFB单产以及整个的五次滑动得出来的结论，我就不再多说。

    目前来看东南亚的降雨量还都是不错的，从2007年开始，整个都是在100%这样的一个降水量的恢复，这种状态也不会对产量有负面的影响。整体来讲对于整个油脂和尤其是东南亚的棕榈油供需状态大体方向就是这些。

（华信物产投研总监 张一帆 扑克投资家）