というNBER論文が上がっている（ungated版）。原題は「Characteristics Are Covariances: A Unified Model of Risk and Return」で、著者はBryan Kelly（イェール大）、Seth Pruitt（アリゾナ州立大）、Yinan Su（シカゴ大）。
以下はその要旨。
We propose a new modeling approach for the cross section of returns. Our method, Instrumented Principal Components Analysis (IPCA), allows for latent factors and time-varying loadings by introducing observable characteristics that instrument for the unobservable dynamic loadings. If the characteristics/expected return relationship is driven by compensation for exposure to latent risk factors, IPCA will identify the corresponding latent factors. If no such factors exist, IPCA infers that the characteristic effect is compensation without risk and allocates it to an "anomaly" intercept. Studying returns and characteristics at the stock-level, we find that four IPCA factors explain the cross section of average returns significantly more accurately than existing factor models and produce characteristic-associated anomaly intercepts that are small and statistically insignificant. Furthermore, among a large collection of characteristics explored in the literature, only eight are statistically significant in the IPCA specification and are responsible for nearly 100% of the model's accuracy.
（拙訳）
我々は、リターンのクロスセクションについて新たなモデル手法を提示する。我々の手法、操作主成分分析（IPCA）は、観測できない動学的な負荷量の操作変数となる観測可能な特性を導入することにより、潜在ファクターと時変的な負荷量を取り込む。特性と期待リターンの関係が、潜在的なリスクファクターへのエクスポージャーに対する代償によってもたらされているならば、IPCAはその潜在ファクターを識別する。もしそのようなファクターが存在しなければ、IPCAは、特性効果はリスク無き代償だと推論し、それを「アノマリー」切片に割り当てる。株式レベルでリターンと特性を調べた結果、4つのIPCA因子が平均リターンのクロスセクションを既存のファクターモデルに比べて有意により正確に説明し、特性と関連付けられたアノマリー切片は小さく統計的に非有意となることを我々は見い出した。また、この分野の研究で探究された数多の特性の中で、IPCAの定式化で統計的に有意だったのは8つのみであり、それらがモデルの正確性のほぼ100%を担っていた。
ungated版によれば、8つの特性とは、1%水準で有意だった市場ベータ、短期リバーサル、規模、モメンタム（12か月前〜2か月前版）、後方52週高値と、5%水準で有意だった長期リバーサル、モメンタム（12か月前〜7か月前版）、総資産、とのことで、うち規模とモメンタム（12か月前〜2か月前版）は特にモデルへの寄与度が高かった（それぞれ制約モデルの決定係数の約2%を説明した）との由。
