编者按：本文系创业邦专栏作者Alter聊科技原创作品，作者张贺飞，创业邦经授权发布。

进入到2021年的财报季，猪企们却集体遭遇了寒冬。

在已经披露年度业绩预报的猪企中，亏损已然成了一种新常态。温氏、新希望、天邦、正邦等企业均交出了亏损的答卷，甚至有猪企在过去一年里亏掉了十年的利润。即便是为数不多盈利的牧原股份，净利润也同比下降超过70%，第三季度出现三年内首次季度亏损，且第四季度的亏损有扩大趋势。

至于业绩下滑或亏损的原因，猪企普遍给出的解释是：由于报告期内的生猪出栏量较上年同期大幅增加，而随着国内生猪产能的逐渐回复，生猪价格较上年明显下降。不排除未来生猪市场价格出现大幅下滑，继续造成可能的业绩下滑。

这一轮寒冬的根源其实并不复杂，大多数猪企在2021年增加了产能，结果造成了供大于求的一幕，以至于生猪价格低于猪企的养殖成本，被业界讨论多年的“猪周期”现象再一次被市场应验。

01 大数据和猪周期

和许多农牧领域一样，生猪市场有着典型的周期属性：猪肉价格高的时候，大大小小的猪企开始增加产能，导致生猪的供应增加价格逐渐走低，然后普遍开始去产能，生猪的供应减少让肉价再度增高……

作为全球最大的猪肉消费国，中国的“猪周期”现象尤为明显，2000年以来已经连续上演了5轮猪周期：2002年到2006年、2006年到2009年、2009年到2014年、2014年到2018年，以及2018年至今的新一轮周期。正在按照三到四年的时间节点，一次次重复着涨跌的过程，甚至还将在接下来的一段时间里继续上演。

按照经济学原理的解释，“猪周期”的内在逻辑并不复杂，本质在于供需关系的错配，最终影响了价格的波动。由此出现了不少“熨平”猪周期的假设，核心观点主要集中在消除信息不对称，进而增加决策的科学性。

早在2014年的时候，就有声音讨论引入大数据治理猪周期，利用云计算、大数据等进行研究、分析、判断，建立起基于大数据的算法模型，帮助市场研判猪肉价格波动的规律，进而进行合理的调控。

2015年两会期间，新希望集团董事长刘永好在提案中呼吁运用大数据破解猪周期，在大量统计数据分析的基础上建立一个研究体系，为养殖业提供必要的决策信息，减少由于经济周期变化给养殖业带来的影响。

这些观点不乏一定的理论基础。比如国内已经出现了数轮“猪周期”，将历史统计数据归纳形成一个数据池，或可以为市场供给、价格调控等决策提供数据参考；再比如对市场上的养殖数据进行汇总后，可以对市场的演变趋势进行预警，帮助猪企适时调整生产预期，避免盲目跟从的现象。

对应到市场层面上，越来越多的互联网和科技企业“下场养猪”，一些生猪行业龙头企业也纷纷探索企业生产与经营管理的云平台。前者的典型代表就有阿里云和华为，在生猪价格上扬的2020年前后，阿里云的AI养猪屡屡被媒体捧上头条，华为的“南泥湾”也将“智能养猪”推向了风口；后者的例子包括新希望的云养殖和云平台、安佑集团的安佑云、金新农的互联网生猪养殖服务平台等等。

彼时的舆论不可谓不乐观，一些专家坦言随着生猪行业的产业升级和产业生态的完善，加上政府和资本市场的扶持，生猪的规模化生产和精细化养殖将是必然趋势，将不断增强生猪产业市场抗风险的能力，跳出“猪周期”的影响已经不再遥远。

有些遗憾的是，当生猪价格即将在2021年再次落入谷底时，头部猪企的行动大多是“扩大产能”，而非及时去产能降风险，大数据未像想象中那么切中市场要害，新一轮的“猪周期”如期而至，且愈演愈烈。

02 行业的“待解之谜”

大数据为何“赌”不对猪周期？业界并不缺少合理的说辞。国内农牧业的生产周期较长、统一化管理难度较高，即便提前洞察到了突发性事件，也无法大范围给出正确应对。特别是在生猪养殖市场，母猪存栏到生猪出栏往往需要12个月左右的时间，留给市场的调整时间并不充裕，何况国内生猪市场还有两个特殊国情。

一个是行业的高度分散，虽然国内的生猪产量占到全球的一半左右，但市场主体仍然以散养为主，规模化程度偏低。

可以参考2020年的一组数据，市场前五猪企的出栏量仅占市场的9.22%，近95%的养殖户养殖规模在50头以下。高度分散的市场结构不仅增加了数据统计的难度，还导致了信息获取的滞后效应，加剧了信息的不对称。再加上分散的养殖场习惯从主观意愿判断市场趋势，都希望在生猪价格的高点进场，无形中制造了“追涨杀跌”的行为。

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2022/0215/3300.html