证券研究报告 | 金融工程 2026 年 7 月 13 日 化繁为简，大宗商品的"逆向工程" ——基于 PCA 的大宗商品追踪框架 1. 本文框架 专题报告 1）针对代表全球宏观总量共振与需求 Beta 的第一主成分（方差解释率 66.9%），我们选用美元 5Y-5Y 通胀掉期远期同比与美债高收益信用利差（OAS） 同比线性加权，构建了全球流动性因子。在 Granger 因果检验下表现出对大宗商 品周期强烈的领先预测价值，并且在对 CRB 工业品的择时中有较好的表现。 敬请阅读末页的重要说明 2）针对代表中国实物工业需求的第二主成分（方差解释率 12.0%），我们筛选出 30 大中城市商品房成交面积、铁矿石日均疏港量、中国 M1 同比三大中高频微观 实物指标，采用领先相关性衰减法进行动态加权，构筑了国内需求因子，刻画中 国本土实物需求周期。该因子在滞后 3 期下，对南华黑色指数的择时表现显著好 于基准，有效规避了经济转型期的长期阴跌，因此从历史上来看，该因子在控制 中长期的最大回撤上有着较好的表现。 3）针对代表供给冲击的第三主成分（方差解释率 7.3%），我们选取原油运输指 数（BDTI）和美湾 3-2-1 ...