01
《月度可套保敞口表》
未来 12 个月逐月列出预计出栏头数（P10／P50／P90）、折算吨数、对应合约月份、建议对冲区间（以 P10 为保守锚），并标注自养／代养／已保价的结构拆分。
Method
门槛不在金融端，在生物端
这一页从一次诚实的自我否定开始。如果我们的定位是「帮企业判断该不该做空生猪期货」，那这个项目没有未来。
01
先做一次诚实的自我否定
必须承认：单纯的「套保策略咨询」没有壁垒。理由有四条。
行情观点是免费商品
期货公司、券商、数据商每天免费产出大量观点，且质量不低于任何新入局者。
预测准确率不可持续
靠预测建立的口碑，会被一次错误彻底摧毁，且无法形成资产。
人天计费不可规模化
咨询顾问的收入上限等于人数乘以工时，没有复利。
没有交付物就没有续费
一份 PPT 方案不会产生第二年的付费理由。
所以问题必须重新提
在这条产业链上，什么东西是稀缺的、可积累的、并且我们比别人更有可能拿到的？
02
核心洞察：两条时间轴的同构
生猪养殖有一条不可压缩的生物学时间轴。它与生猪期货可交易的合约月份序列，天然同构。
推论一
敞口是可推算的，不是可预测的
出栏量不需要「预测」，它由已经发生的配种、分娩、存栏结构决定，只需在成活率、日增重、出栏节奏上给出区间。 这与预测猪价的性质完全不同 —— 前者是工程问题，后者是赌博。
推论二
成本也是可推算的
逐月完全成本由饲料配方、料肉比、原料采购与套保锁价、固定成本摊销决定，同样可以工程化推算， 从而得到逐月的盈亏平衡价格线 —— 这才是套保决策的真正触发条件。
推论三
需要两类专业能力同时在场
一类是养殖生产管理（批次、PSY／MSY、成活率、料肉比、成本核算），一类是衍生品工程（合约映射、基差、展期、套期会计）。 这正是行业里的无人区。
03
政策红利：数据基建已由监管完成
这套引擎最大的实施障碍本应是「企业的生产数据不规范、不结构化、不愿意给」。但 2026 年的政策变化直接改变了条件。
《生猪产能综合调控实施方案（2026 年修订）》要求能繁母猪 10 万头以上企业 年度生产备案，补栏、淘汰、出栏计划必须提前报备 —— 产能计划被强制书面化、结构化。
全国规模猪场纳入常态化监测，行业数据规范程度显著提升。
农业农村部推动农业生产、加工、贸易全链路数字化与风险管理工具普及。
企业为满足监管而必须生产的那份数据，恰好就是引擎所需的输入
我们把一项合规负担，转化为一份风险管理资产。 这是一个两年前不存在、并且会随时间加强的时间窗口。
04
H2C 敞口翻译引擎
Herd-to-Contract Engine —— 输入猪场生产数据与产能备案计划，输出可直接执行的月度套保敞口表。
| 输入 | 中间层 | 输出 |
|---|---|---|
| 能繁母猪存栏与胎次结构、配种／分娩记录、PSY、断奶成活率、育肥成活率、日增重曲线、出栏体重分布 | 生物学时间轴推演 + 蒙特卡洛区间 | 未来 12 个月逐月出栏头数分布（含 P10／P50／P90） |
| 饲料配方、料肉比、原料采购与已锁价比例、固定成本、财务费用 | 成本归集与摊销模型 | 逐月完全成本曲线与盈亏平衡价格线 |
| 自养／代养／保价合同结构、销售区域分布 | 合同穿透与区域权重 | 净敞口（区分自担风险与已转移风险） |
| 本地现货价格、交割基准地价格 | 区域基差模型 | 基差调整后的有效对冲比例与合约月份映射 |
注：引擎输出的是敞口与成本，不是价格预测；所有价格情景均以「若市场价格为 X，则组合损益为 Y」的形式呈现。
壁垒来源
这是一份跨界数据资产 + 跨界模型。期货公司拿不到生产数据也不懂生产管理； 农业 SaaS 有数据但不做衍生品映射；会计师事务所懂准则却不懂生猪敞口。 且数据越用越准，客户越多模型越好，具备复利效应。