scale = Tの場合

主成分分析prcompの引数scaleをTRUEにすると、各列のデータが分散1となるようにスケールしてくれるらしい

R
> result  <- prcomp(swap, scale = T)
> result
Standard deviations:
[1] 2.38336807 0.44870618 0.33360252 0.06090642 0.04466024 0.03499461

Rotation:
           PC1         PC2         PC3        PC4         PC5         PC6
X2y  0.3944065  0.73027653  0.27008073 -0.4856403  0.02406269 -0.04207786
X3y  0.4136078  0.32720443 -0.19850391  0.7396029  0.36517548 -0.04578781
X4y  0.4152639 -0.02031179 -0.41385405  0.0495695 -0.79549497 -0.14352265
X5y  0.4124038 -0.26645040 -0.40798735 -0.3319752  0.30071768  0.62596724
X7y  0.4111544 -0.43751365  0.04357652 -0.2235952  0.31526598 -0.69874707
X10y 0.4022476 -0.31113805  0.74028699  0.2334129 -0.20840310  0.30895263
> summary(result)
Importance of components:
                          PC1     PC2     PC3     PC4     PC5     PC6
Standard deviation     2.3834 0.44871 0.33360 0.06091 0.04466 0.03499
Proportion of Variance 0.9467 0.03356 0.01855 0.00062 0.00033 0.00020
Cumulative Proportion  0.9467 0.98030 0.99885 0.99946 0.99980 1.00000

結果は第三主成分まででほぼ表せることは変わらず。累積寄与率少し落ちてるけど

第一主成分の各年限の値がほぼ一定になっている。まさにパラレルシフト。
どうやらスワップレートは幅変化でなく、率変化においてパラレルシフトをしているらしい。