というNBER論文が上がっている（ungated版へのリンクがある著者のページ）。原題は「High-Dimensional Factor Models and the Factor Zoo」で、著者はMartin Lettau（UCバークレー）。
以下はその要旨。
This paper proposes a new approach to the “factor zoo” conundrum. Instead of applying dimension-reduction methods to a large set of portfolios obtained from sorts on characteristics, I construct factors that summarize the information in characteristics across assets and then sort assets into portfolios according to these “characteristic factors”. I estimate the model on a data set of mutual fund characteristics. Since the data set is 3-dimensional (characteristics of funds over time), characteristic factors are based on a tensor factor model (TFM) that is a generalization of 2-dimensional PCA. I find that parsimonious TFM captures over 90% of the variation in the data set. Pricing factors derived from the TFM have high Sharpe ratios and capture the cross-section of fund returns better than standard benchmark models.
（拙訳）
本稿は「ファクター動物園*1」問題に新たなアプローチを提示する。特性による区分けで得られるポートフォリオの大きな集合に対して次元を削減する手法を適用する代わりに私は、各資産の特性の情報を要約するファクターを構築し、それからその「特性ファクター」によって資産をポートフォリオに区分けした。私はミューチュアルファンドの特性のデータセットでモデルを推計した。そのデータセットは3次元であったため（経時的なファンドの特性）、特性ファクターは、2次元主成分分析の一般化であるテンソルファクターモデル（TFM）に基づいている。パラメータ節約的なTFMはデータセットの変動の90%以上を捕捉することを私は見い出した。TFMから導出された価格付けファクターは高いシャープレシオを有し、標準的なベンチマークモデルよりもファンドのリターンのクロスセクションを上手く捕捉した。
*1:この用語はジョン・コクランが2011年の米ファイナンス学会の会長演説（cf. Discount rates — John H. Cochrane）でファクターが氾濫している状況を描写するのに初めて用いたとの由。
