长江专题：厄尔尼诺和油棕老化对马来油棕产量的影响对比

2023-03-07 产业服务总部 饲料养殖团队 长江专题： 厄尔尼诺和油棕老化对马来油棕产量的影响对比 核心观点 马来西亚油棕作物老化与该国油棕产量的下降有着显著的相关性。老化的油棕树不仅产量下降，而且结果后的收获难度和成本也更大。在1997/98年厄尔尼诺事件后，马来西亚油棕产量恢复到厄尔尼诺前的水平。然而，在最近的2015/16年厄尔尼诺事件之后，油棕产量未能恢复到事件前的水平。由于马来西亚油棕老化的面积不断累积，各种厄尔尼诺事件造成的经济损失正在增加。我们将马来西亚34年的油棕产量趋势与去 除了厄尔尼诺现象影响的产量数据进行了比较，发现在最近15年（2005 年至2019年）期间，无论有无厄尔尼诺现象的影响，马来西亚的油棕产 量都呈现下降趋势。从2000年到2019年期间，排除厄尔尼诺影响后的油棕产量表现与排除前相比没有显示出任何显著差异。本研究估计，截至2022年12月，老化的油棕将导致4.31亿美元的最小机会损失。如果没 有适当的重新种植计划，马来西亚在2009年至2022年因老化作物造成 的总损失估计为39.4亿美元，比同一时期的厄尔尼诺事件造成的损失更 为严重。这项研究还得出需要每年至少11.5公顷，持续7年的重新种植计划，才能扭转老化作物对马来西亚棕榈油产量造成的不利影响。 公司资质 长江期货股份有限公司投资咨询业务资格：鄂证监期货字[2014]1号 饲料养殖团队研究员 韦蕾 ：(027)65261505 从业证号：F0244258 投资咨询编号：Z0011781 联系人 叶天 ：(027)65261508 从业证号：F03089203 一、介绍 棕榈油在全球植物油行业中占领导地位，其总产量达全球植物油总产量的35%。这得益于它得天独厚的优势：油棕的单产是其他油料作物的五倍，使其是全球产量最高的油料作物。在过去的100年里，油棕已经从一种小农作物发展成为世界上最重要的油料作物。据估计，仅棕榈油自身就能够满足全球人口对植物油的巨大且持续增长的需求，这一需求预计在2050年将达到4.2亿吨。 作为世界第二大棕榈油生产国，马来西亚供应了全球棕榈油总产量的27%。棕榈油产业是马来西亚经济的主要组成部分。2010年，马来西亚政府将棕榈油产业列为有助于该国通过经济转型计划 （EconomicTransformationProgramme，ETP），成为高收入国家的潜在经济部门之一。2021，棕榈油行业的出口收入占马来西亚国内生产总值（GDP）的6.5%。此外棕榈油行业也是马来西亚创造就业机会和扶贫的主要行业之一。 但是在过去十年中，人们愈发担忧马来西亚的油棕产量增长已经陷入了停滞期。根据马来西亚45年来的鲜果串（FFB）年产量历史记录（图1），FFB产量在2008年之前一直在增长，但是从2009年起这一增长趋势中断了，并一直持续到今天。于是我们计算了FFB产量的五年均值并制作了趋势变化图（图2）。可以发现在过去10年中，马来西亚FFB产量明显下降，目前已经接近1975年至1979年的历史最低点。 图1：马来西亚1975至2019年的年度FFB产量及相对应的厄尔尼诺事件 备注：（VS）非常强厄尔尼诺、（S）强厄尔尼诺、（M）中等厄尔尼诺、（W）弱厄尔尼诺 图2：1975至2019年期间马来西亚FFB产量5年均值的变化 除了树龄老化以外，气候变化也是扰乱包括油棕在内的农业系统的一个重要因素。与厄尔尼诺事件相关的不利天气条件会导致油棕产量下降，因为该事件可能导致马来出现极端炎热的天气和降雨量减少，不利油棕的开花结果。除了气候因素，各种研究都怀疑油棕作物的老化是导致马来西亚过去十年产量表现低迷的主要威胁之一。然而，先前的研究都缺乏对老化作物对马来西亚棕榈油行业影响的量化分析。 本研究旨在确定导致马来西亚油棕产量下降的潜在因素。我们建立了油棕作物老化与停滞的全国FFB产量之间的相关性，并进行量化分析以估计油棕老化造成的损失。通过量化作物老化的影响，这项研究希望引导利益相关者朝着正确的方向前进，从而提高马来西亚棕榈油行业在全球范围内的竞争优势。 二、方法 2.1统计数据收集 马来西亚的月度棕榈油产量数据收集自马来西亚棕榈油局（MPOB）以及其前身机构：棕榈油注册和许可管理局（PORLA）。其中1975至1999年的产量数据来自PORLA，2000至2020年的数据来自MPOB。表1显示了本研究中收集和使用的数据汇总。 表1：本研究中收集和使用的马来西亚油棕统计数据汇总。 指标名称 单位 周期 持续时间 鲜果串（FFB）产量 吨/公顷 年度 1975–2021（47年） 油棕种植面积 公顷 年度 1975–2021（47年） 出油率（OER）） % 年度 1986–2021（47年） 毛棕榈油（CPO））价格 美元/吨 月度 1986年1月-2021年12月（432月） 2.2数据处理和可视化 统计分析被用于计算及描述本研究中使用的数据集（FFB产量，OER和CPO价格）的特征，诸如分布、平均值和中值。我们事先进行了正态性测试，以确定要使用的中心趋势（平均值或中值）。在这项研究中，使用了Kolmogorov–Smirnov（KS）和Shapiro–Wilk（SW）测试。如果p值大于0.05，则数据集被认为是正态分布的，因此，平均值用于测量数据集的中心趋势。另一方面，如果p值小于0.05，则数据集假设非正态分布，使用中值作为中心趋势的度量。表2显示了基于KS和SW正态性测试的本研究中使用的数据集的测试结果。 表2：本研究中使用的数据集的正态性测试结果 指标名称 KS测试p值 SW测试p值 正态性 FFB产量 0.2000（>0.05） 0.0880（>0.05） 正态分布 出油率 0.0321（<0.05） 0.0074（<0.05） 非正态分布 CPO价格 0.0000（<0.05） 0.0000（<0.05） 非正态分布 2.2.1马来西亚FFB年度产量趋势分析。 我们进行了趋势分析以提取马来西亚油棕产量的变化模式。首先我们按时间顺序绘制了1975年至2019年的FFB年产量趋势（图1）。然后我们使用BCa程序对FFB产量数据进行自助抽样（Bootstrap）。自助抽样后的BCa数据集的均值的99%置信区间（99%BCaMeanConfidenceIntervals）被用于趋势分析，以确定油棕产量表现不佳的年份（FFB产量低于该下限）。 此外在1975年至2019年期间受厄尔尼诺事件影响的年份也被纳入趋势分析，以调查影响马来西亚油棕产量的其他因素。、过去的研究表明厄尔尼诺是影响马来西亚油棕产量的一个主要因素，因为极端炎热的天气会给油棕树造成压力。厄尔尼诺事件根据其强度被分为四类，分别是弱（W）、中等（M）、强（S）和非常强（VS）厄尔尼诺。 为了进一步分析马来西亚棕榈油行业的趋势和表现，我们计算了马来西亚FFB产量的5年均值，即1975–1979年、1980–1984年、1985–1989年、1990–1994年、1995–1999年、2000–2004年、 2005–2009年、2010–2014年和2015–2019年（图2）。通过这样做，可以显示马来西亚油棕产量趋势的变化。因此可以确定FFB产量开始偏离总体趋势的时期。 2.2.2马来西亚无厄尔尼诺月度数据集的趋势分析 本研究通过从原始数据集中去除气候威胁因素（厄尔尼诺），进一步分析了马来西亚FFB产量的变化趋势。我们从实际记录的产量中删除了所有受厄尔尼诺事件影响的FFB产量（共110个月），从而创建了1986年1月至2019年12月（共298个月）的马来西亚无厄尔尼诺FFB产量数据集。在1986–1989年、1990–1994年、1995–1999年、2000–2004年、2005–2009年、2010–2014年和 2015–2019年的时间范围内，我们制作了有和没有厄尔尼诺事件的月度FFB产量趋势（因为是非正态数据，所以使用中值），以对比有和没有不同厄尔尼诺事件的马来西亚FFB产量表现的差异。 2.3油棕作物老化情况分析 本研究使用马来西亚总理部（MalaysianPrimeMinister’sDepartment）在2010年的PEMANDU报 告中发布的该国油棕树龄数据集。在这项研究中，超过25岁的油棕作物被视为老化。根据PEMANDU 报告中2009年油棕种植园的年龄模式，在本研究中我们跟踪了老化油棕种植区域的年度数据。 A区的数据点（从右到左）代表马来西亚在2009年后将进入老龄化阶段的油棕种植面积。在 2009年之后，这些地区的树龄将逐渐超过25年。另一方面，B区（从左到右）的数据点代表了截至 2009年时树龄已经超过25年的油棕种植面积。A区的即将老化面积将被逐渐添加到B区的已经老化面积中，以产生至少时间跨度26年的老化油棕种植面积（图3）。在本研究中，这些老化的种植区域被归类为马来西亚的低产区。 图3：马来西亚2009年油棕种植区的年龄分布（2010年之后，政府机构没有报告更新的年龄概况） 备注：（ZoneA）区域A、（ZoneB）区域B、截至2009年12月树龄超过25年的油棕种植面积为365414公顷 之后我们进行了广泛的文献综搜索以获得更新的的树龄分布相关数据。然而，官方数据库中没有2010年后的年龄概况。因此为了使树龄模型能够模拟最新的树龄分布，重新种植场景被纳入其中。 本研究仅能追踪2010年至2013年在全国范围内正式公布的重新种植数据。在上述四年中，报告的油棕重新种植面积分别为116840公顷、102969公顷、113328公顷和100852公顷。在这之后，全国范围内的重新种植数据不再被报道。因此为了评估重新种植计划的有效性，本研究纳入了多种重新种植方案，包括每年重新种植10万公顷、10.5万公顷、11万公顷、11.5万公顷、12万公顷、12.5万公顷、13万公顷、13.5公顷、14万公顷、14.5万公顷和15万公顷，以确定马来西亚每年所需的最低重新种植面积要求。重新种植场景模拟会优先替换最老的油棕树。 2.3.1马来西亚油棕作物老化造成的损失预估 油棕作物老化导致的年度FFB损失（annualFFBloss）可使用以下公式进行预估： FFB(L)=Σ[FFBn−FFB(a)]×A(a) 其中FFB(L)是油棕作物老化造成的最小年度FFB损失，FFBn是该年度的全国平均FFB产量，FFB(a)是该年龄段油棕的FFB产量，A(a)是老化油棕的种植面积。 油棕作物老化造成的最小年度机会损失（minimumannualopportunityloss）可以用以下公式计算： OL(a)=FFB(L)×OER×Price 其中OL(a)是因老化造成的最小年度机会损失，OER是产油率，Price是CPO价格。 1986年至2021，马来西亚的FFBn为18.46吨/公顷/年。马来西亚1986年至2021的平均OER为 19.89%。马来西亚1986年至2021的月平均CPO价格为352.38美元/吨（1美元=4.4496令吉）。各个年龄段对应的FFB(a)从马来西亚的油棕年龄-产量概况图中获得（图4）。 图4：马来西亚全国油棕年龄-产量概况 最小年度机会损失以假设的6%折扣率进行累积，以显示老化油棕作物的预期累计影响。本研究使用MicrosoftExcel软件中的未来价值（FV）函数进行计算。 2.3.2.马来西亚油棕作物老化面积与FFB年产量的相关性测试 我们使用相关性测试来测试了2009年至2019年马来西亚记录的老化油棕作物年面积（包含所有11种重新种植和不重新种植情况）与年度FFB产量之间的关系（图1）。我们事先进行了正态性测试，以确定是否应使用参数或非参数相关性测试。皮尔逊相关性（Pearsoncorrelation）是一种参数相关性检验，它测量两个正态分布变量之间的线性关系。斯皮尔曼相关性（Spearman’s