本报告利用主成分分析（Principal Component Analysis：PCA）方法对收益率曲线的风险来源进行降维分解，证实前三大正交因子（主成分）累计解释了99.92%的曲线波动，并通过关联PCA因子与外部变量以阶段性刻画市场核心交易主线与行情预期，并为后续相对价值策略、动态对冲、敏感性分析、策略业绩归因提供策略基础。
　　主成分分析（PCA）为何适用于收益率曲线分析？
　　传统利率曲线分析模型（如Nelson-Siegel模型）往往先验地假设因子（市场主线）载荷的形态，其缺陷在于若真实市场运行机制不遵循其预设形态，所产生的偏差就会被强行归入残差项而遭到忽略。而PCA方法则通过让市场行情自身揭示其内在不相关线性因子来构建动态模型，从而能够精准捕捉到债券市场真实的斜率与曲率变动机制和核心驱动因素。
　　中国债市前三大PCA因子的经济含义
　　数理坐标与基本面映射确认了三大因子的明确含义。PC1（利率水平）在所有期限载荷均为正值且数值均匀接近，几乎对应利率水平（Level）整体变化走势；PC2（利差因子）短端为负、长端为正，呈现典型对称“跷跷板”结构，较强地刻画了斜率（Slope）与期限利差变化；PC3（曲率）呈现非线性“蝶式”凸起形态，对应曲线的曲率（Curvature）变化。
　　数据构建与特征值降维结果
　　本研究基于Wind终端2018至2026年国债五个关键期限的周度数据进行特征值分解。结果显示PC1的方差解释比例高达98.29%，反映了中国债市收益率曲线变化以平行移动为主的特征。PC2和PC3虽然方差贡献率相对较小（分别为1.36%和0.27%），分别捕捉了曲线斜率和曲率的变化，对于相对价值交易具有重要意义。前三个主成分累计解释率达到99.92%，表明三维因子空间几乎完整刻画了收益率曲线的动态变化。
　　主成分时间序列特征分析
　　时间序列统计显示，PC1呈现鲜明的长期趋势特征，从2018年初的2.8单边单调下降至2026年初的-2.3，整体波动范围超过5个标准差，与我国债市长达八年的牛市周期高度一致且不具均值回归特征，更适合用于趋势跟踪策略与组合的方向性利率风险管理。
　　与PC1形成鲜明对比的是，PC2和PC3表现出显著的均值回归属性。PC2频繁围绕零值高频波动，半衰期通常仅为数周，精准捕捉了由短期资金面或市场情绪带来的利差波动；PC3波动幅度最小且高度集中在零轴附近，其异常波动偏离通常预示着机构期限偏好调整等市场微观结构的重大调整。
　　经济含义验证：收益率水平-斜率-曲率（Level-Slope-Curvature）映射通过对三大因子与经典曲线代理变量进行领先相关性回归，热力图证实PC1与平均收益率水平（Level_Avg）的相关系数高达1.00，且与期限利差弱相关，为纯粹的利率水平因子。PC2与30Y-2Y利差的相关系数高达0.909（与10Y-2Y利差为0.821），与利率水平均值几乎不相关（-0.006），确认为独立的斜率因子（利差因子）。回归进一步验证了PC3与7Y曲率代理变量（Curvature_7Y）的相关系数高达0.919。这证实了因子与外部变量相关性具有层级递减的规律，即因子编号越高其统计属性占比越大，受宏观事件冲击的风险越小，因而高编号因子作为纯粹相对价值交易工具的适用性越强。
　　稳定性检验验证PCA框架的稳健性
　　季度滚动结果显示，前三个主成分在不同阶段均能解释绝大部分收益率曲线波动，说明利率-利差-曲率（Level–Slope–Curvature）三因子框架具有较强稳定性。其中PC1始终表现为全期限同向变化，是最稳定的利率水平因子；PC2保持长短端反向变化的斜率结构；PC3则对样本区间更敏感，反映曲率因子的阶段性变化。
　　季度滚动归因识别不同阶段的曲线驱动结构
　　924行情以来，PC1（利率水平）仍是收益率曲线的第一驱动因素，但其贡献率在不同窗口中明显波动。2025年上半年整体表现为PC1高度主导，而2025Q3和2026年以来PC2（利差因子）贡献显著上升，说明市场从单纯的整体利率方向变化逐步转向PC1与PC2共同驱动，长短端分化成为近期债市的重要特征。
　　外部变量关联分析刻画阶段性宏观驱动
　　通过滚动领先相关性分析，本文进一步识别不同季度与PC1、PC2、PC3联系最紧密的外部变量。结果显示，PMI、LPR、能源价格、外汇储备和资金利率在不同阶段分别与收益率曲线的水平、斜率和曲率变化相关，说明债市核心驱动力并非固定不变，而会随政策预期、经济景气、通胀预期和风险偏好切换。
　　外部变量冲击与收益率曲线形态的敏感性分析
　　本研究构建了一个将外部变量变化转化为收益率曲线形态判断的分析框架。核心步骤为：先估计外部变量变化对PCA三个主成分（水平、斜率、曲率）的影响，再通过载荷矩阵重构2Y至30Y各期限收益率的变化。最终依据平均收益率变动（牛/熊）和30Y-2Y斜率变动（平/陡）来判定曲线形态属于牛平、牛陡、熊平或熊陡。该方法旨在将宏观变量转化为投资者可操作的曲线判断。
　　以2026Q1为例，敏感性结果显示：PMI类景气指标是主要敏感性来源。综合PMI同比上升1个单位，平均收益率上行