超级厄尔尼诺今夏见?收藏这本交易手册

华尔街见闻
May 16

今年夏天,市场要交易的可能不只是“天气变热”,而是一次厄尔尼诺如何重新分配全球降雨、压缩农产品供应、扰动矿山生产、抬高电力与化肥成本。最值得盯的不是平均气温,而是尾部情景:如果强度接近2015-16年,冲击会从农田一路传到食品配料、铜矿、云南电解铝、亚洲煤电和印度通胀。

据追风交易台消息,巴克莱5月15日跨资产研究中,Craig Rye等给出的核心判断是:“气候预测越来越指向2026年仲夏前后出现一次显著厄尔尼诺;基准情形仍是中等至强事件,大致可与2023-24年相比,但尾部情景相当突出,部分路径暗示可能出现一次可与2015-16年相提并论的‘超级’事件。”

这套框架里,最直接的压力点包括可可、棕榈油、糖、鱼粉鱼油、铜、铝和亚洲电力。中东冲突带来的能源与化肥波动,是另一个放大器:天气本身已经会影响作物和水电,如果尿素、氨、LNG和航运同时不稳,农民利润率、食品企业营运资本、矿山成本都会被重新定价。

路径假设也很关键:厄尔尼诺条件可能在2026年晚春出现,夏季增强,年底前后达到峰值;全球平均气温通常在厄尔尼诺强度见顶后约四个月达到高点。这意味着,2026-27年冬季可能偏暖,而2027年存在刷新全球温度纪录的风险。真正会动价格的,是哪些地区该下雨时不下、哪里不该下时暴雨,以及供应链有没有库存缓冲。

“超级”不是形容词,而是供应冲击的分水岭

厄尔尼诺的定义来自热带太平洋海表温度异常。高于正常水平0.5°C以上,就进入厄尔尼诺条件;+1.0°C至+2.0°C通常对应中等至强事件;+2.2°C以上常被称为“超级”厄尔尼诺。

过去几次强事件给了市场参照:2023-24年约在+2.0°C至+2.1°C附近见顶,2015-16年接近+2.8°C,1997-98年约+2.4°C,1982-83年约+2.2°C。当前预测分布很宽,基准并不是“必然超级”,但尾部结果足够极端,甚至部分模型路径超过过去至少80年已观测到的厄尔尼诺强度。

2015-16年是最接近的压力测试。那次事件发生在已经变暖的气候背景下,影响从粮食安全扩散到大宗商品和工业供应链。IMF相关分析估计,2015-16年极端厄尔尼诺在随后五年拖累全球经济产出约3.9万亿美元。联合国粮农组织曾形容那是过去一个世纪最强、影响最广的事件之一,约6000万人口的农业、粮食安全和营养受到损害。

商品层面,当年可可、棕榈油、糖、鱼粉都出现扰动;智利北部洪水还短暂停摆多个铜矿,影响约9万吨铜供应,约占全球供应0.5%。如果2026-27年重演类似强度,问题在于这一次不少市场本来就不宽松。

农产品不是简单减产,而是雨带重新洗牌

厄尔尼诺对农业的影响并不等于全球同步歉收。历史研究显示,厄尔尼诺会压低约22%-24%收获面积的产量,同时又会改善另外30%-36%地区的收成。全球层面,大豆产量往往改善2.1%-5.4%;玉米、稻米和小麦的结果更分散,区间大致在-4.3%至+0.8%,取决于种植地区和作物日历。

拉美的关键不是“干”或“湿”,而是哪里干、哪里湿。阿根廷和巴西南部通常更容易获得更多降雨,对玉米和大豆可能有利;巴西北部和中部则面临偏干风险,播种窗口、土壤墒情和高温压力更敏感。

2024年南里奥格兰德州洪灾已经展示了另一面:厄尔尼诺不只制造干旱,也会放大过度降雨。相关归因工作显示,这类事件在中性气候背景下相比变得更可能发生,概率提高2倍至5倍,强度增加3%至10%。

糖也不只是产量问题。巴西中南部甘蔗在厄尔尼诺年份往往面对更高降雨和温度,TRS表现持续偏弱;吨数影响会因地区和收割时点变化,但糖分质量本身就足以影响企业利润。

可可最敏感:价格刚从高位回落,又遇到天气风险

可可是最典型的厄尔尼诺敏感农产品之一。西非约占全球可可供应的60%-75%,2023-24年天气扰动改变了当地降雨节奏,先是过量降雨,随后又出现干旱,科特迪瓦和加纳产量受损、病害增加,全球可可供应快速收紧。

价格反应非常剧烈:2024年可可价格一度升至每吨1万美元以上。随后,需求端被高价压垮,缩量、配方调整和“缩水式通胀”同时出现;2025年供应改善后,价格到2026年3月回落至约每吨3000美元附近。

现在风险重新出现。近期可可价格已经开始上行,如果2026年作物受损,真正更大的价格反应可能出现在2027年。对Barry Callebaut高盛来说,可可约占原材料篮子的50%,成本传导机制能保护结构性利润率,但高价下销量弹性已经被验证。该公司FY26销量指引曾在二季度上调至-1%至-3%,隐含下半年增长约1%-5%;若可可再涨,这个修复路径会变窄。

AAK公司的风险更间接。其巧克力与糖果相关业务约占C&CF销售的30%,2025年该部门已经因终端疲软出现销量下滑。如果巧克力消费继续被高可可价格压制,复苏会被推迟。

棕榈油、糖、鱼油:食品配料链条的第二波通胀

棕榈油的逻辑有两条线。第一条是天气:亚洲棕榈油产区在厄尔尼诺下更容易遭遇高温、干燥、森林火灾和雾霾,降雨减少会压低鲜果串产量。第二条是能源:原油上涨改善生物柴油经济性,印尼计划自7月起把生物柴油掺混比例提高,马来西亚、泰国和美国也有类似扩张,更多棕榈油被导向燃料用途,出口供应被挤压。

AAK在这里暴露更大,棕榈油约占其投入成本篮子的50%。公司给出的经验值是,原材料篮子每波动约10%,对应约7.5亿瑞典克朗营运资本变化。天气扰动若叠加价格上涨,可能逆转此前营运资本顺风,也会压到那些价格传导不够动态的业务,比如中国婴幼儿配方油脂。

糖的关键变量在印度。厄尔尼诺可能带来类似干旱的条件,削弱产量,并在作物表现不佳时触发出口限制。政府可以减少用于乙醇的糖分流,但这只能部分缓冲供应影响。公司层面,较高糖价通常有利于Südzucker,也对Tate & Lyle的替代甜味剂定位有一定支撑;Corbion则相反,糖约占其原材料篮子的25%,也是乳酸和藻油发酵的主要原料,不过其糖敞口已对冲约两年。

鱼粉和鱼油是更直接的传导链。2023年厄尔尼诺期间,秘鲁附近太平洋暖流扰乱鳀鱼资源,第一捕季被取消。秘鲁是全球最大鱼粉和鱼油出口国,结果是鱼油价格快速上冲,水产养殖饲料成本明显上升。

2026年的起点并不宽松。秘鲁第一鳀鱼捕季配额为191万吨,同比下降36%,减少超过100万吨。野生鱼粉和鱼油约占三文鱼饲料成本的30%,而饲料约占养殖总成本40%-45%。这会直接压到Mowi、SalMar、Lerøy等三文鱼养殖企业利润率。另一边,DSM-Firmenich和Corbion的藻基Omega-3替代品,在鱼油价格偏高时竞争力会改善。

铜的风险在智利北部:同样9万吨,今天比2015年更敏感

铜市场最需要盯智利北部。2015年3月,阿塔卡马极端洪水短暂停摆Centinela、Antucoya、Michilla、Candelaria、Salvador等铜矿,估算影响约9万吨铜供应。那一次冲击占全球供应约0.5%。

智利的风险高于秘鲁,原因是矿山集中在阿塔卡马、安托法加斯塔和塔拉帕卡,正是2015年洪水影响区域。三地2027年铜产量估算约420万吨,占全球供应17%;如果停产一周,影响约8万吨。秘鲁铜带主要在南部安第斯地区,与2017年沿海厄尔尼诺洪灾更严重的北部海岸地带并不重合,扰动风险相对低。

若2026-27年超级厄尔尼诺在2026年10月至11月见顶,阿塔卡马高风险降雨窗口会移到2027年2月至4月。2015年损失本身不算巨大,但当时铜市场处于过剩;这一次,2026年和2027年全球铜市场每年都可能有约30万至40万吨缺口。供应小扰动对价格的弹性会更大。

公司暴露也比较清楚:Antofagasta北智利相关铜产量约32.3万吨,对应集团EBITDA约41%;BHP通过Escondida暴露,Escondida按100%口径产量约102.8万吨铜,对集团合并EBITDA约34%;Rio Tinto的Escondida敞口约占集团EBITDA 9%。但铜价上涨可能部分抵消产量中断的负面影响。

云南铝的核心变量是水电,不是铝厂本身

云南运行中的原铝产能约660万吨/年,占全球原铝产量约9%;当地电力高度依赖水电,水电约占全省发电量60%-70%。厄尔尼诺会削弱孟加拉湾夏季风,云南湿季如果来水不足,水库低水位会把问题带入旱季。

历史上已有对应样本。2015-16年干旱导致约30万吨产能削减,约占当时产能20%;2023-24年干旱下,被要求削减的产能达到115万吨,也约为当时产能20%;2024年旱季,到2月时运行产能较正常低约40万吨,云南宣布遭遇60年来最严重干旱。

在2026-27年超级厄尔尼诺情景下,2026年5月至10月湿季可能表现不足,水库带着低水位进入旱季,2026年四季度至2027年一季度成为最高风险窗口。如果重复20%的限产幅度,约130万吨铝产量面临风险,占全球供应约1.7%。

中东冲突已经让铝市场更紧。因原材料氧化铝、天然气不足或设施受损,全球已有约250万吨产量削减,约占全球原铝供应3.2%。若经霍尔木兹海峡运输的氧化铝受限,短期还可能出现更多削减;中东约550万吨/年铝产能依赖经霍尔木兹海峡的海运氧化铝或铝土矿,占全球产量约7.2%。自愿减产的冶炼厂重新爬坡可能需要6至12个月,受损设施甚至可能需要两年。

价格弹性集中在铝生产商。Norsk Hydro对LME铝价敏感度最高,LME铝价每上涨10%,2026年预期EBITDA增加约17%;已实现升水每上涨10%,EBITDA增加约3%。South32对应约15%,Rio Tinto约4%。

亚洲煤炭短线受益,冬季逻辑会变

厄尔尼诺发展阶段如果落在北半球夏季,会推高亚洲制冷需求,也可能压低水电出力,这对动力煤需求有利。但到2026-27年冬季,偏暖天气又会削弱取暖需求,逻辑并不是全年单边利多。

印度是最直接的例子。2023-24年厄尔尼诺期间,印度2024年上半年水电发电量同比下降8%,同期煤电发电量增长10%。这一次,如果季风偏弱,水库蓄水减少,煤电替代会更明显。

中东冲突已提前改变亚洲燃料相对价格。5月13日,按煤当量计算的亚洲LNG价格约为258美元/吨,而纽卡斯尔煤价约为140美元/吨,价格敏感型市场更容易发生“气转煤”。韩国已推迟约1.5GW煤电产能的2026年退役,日本临时放松低效煤电运行限制至2027年3月,菲律宾和孟加拉国也在提高煤电发电。

在覆盖公司里,Glencore对动力煤价格敏感:动力煤价格每上涨10%,EBITDA增加约3.2%,EPS增加约8%。

印度是宏观层面的硬约束:季风、食品通胀、化肥

印度的厄尔尼诺风险不是抽象的。季风雨季6月至9月贡献印度全年降雨约75%,直接影响农业产出和食品通胀。2023-24年强厄尔尼诺期间,印度季风降雨较正常低5.5%;2015-16年“超级”厄尔尼诺期间,降雨缺口达到13.8%。

产出和通胀的传导也有历史样本。2015-16年,印度kharif季粮食产量同比下降2.3%,9月至次年3月剔除蔬菜后的食品通胀平均为6.2%。2023-24年,kharif播种同比仅增长0.2%,粮食产量同比增长0.1%,同期食品通胀平均为5.9%。

这一次还叠加了化肥变量。印度对中东化肥进口依赖较高,冲突暴露了这一脆弱性。政府倾向于通过更高化肥补贴吸收价格冲击,测算中的超支约为5000亿卢比,而预算规模为1.7万亿卢比,且存在上行风险。

截至2026年5月中旬,印度化肥总库存同比增加12%,当前库存可满足kharif季总需求的51%,通常水平约33%。因此,kharif播种季的主要问题未必是“买不到”,而是价格更高、由政府承担更多成本。如果冲突持续到rabi播种季,12月至次年3/4月的供应担忧才可能重新升温。

拉美不是一个天气交易,而是一张湿干分布图

拉美的厄尔尼诺效应更像风险再分配。南锥体——阿根廷、乌拉圭、巴西南部——以及秘鲁、厄瓜多尔太平洋沿岸,降雨通常偏多;巴西中部和北部、哥伦比亚、中美洲以及墨西哥部分地区,则更容易变热、变干。

偏湿地区对作物产量未必是坏事。阿根廷和巴西南部降雨改善通常利好作物和出口链条,但过量水分会影响品质、推迟收割,并扰乱港口运营。巴西巴拉那流域及周边水库水位上升,则有助于缓解电力约束;只是强事件下,洪水、电网压力和航道中断又会成为尾部风险。

偏干地区的问题更直接。巴西中西部大豆和二季玉米若在播种或授粉窗口遇到干旱,粮食和乙醇业务成本会上升,巴西蛋白加工企业也会面临饲料成本传导。北部和Cerrado地区纸浆林地还会面临火灾和产量风险。公用事业层面,水库入流下降会压低水电出力,迫使系统转向更高成本的火电。

旅游和交通也不是免疫资产。墨西哥海滩目的地如果遇到恶劣天气,客流会在航空公司已经因燃油成本削减运力的背景下继续承压。Cancún对ASUR尤其重要,GAP也有Puerto Vallarta和Los Cabos等休闲目的地敞口。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10