我们研究了中国市场投资组合和根据公司行业、规模、面值市值比和股权集中度等划分的各种成分投资组合的股票收益的可预测性。选取各种经济变量作为预测变量，中国市场投资组合和各种成分投资组合都存在显著的样本内和样本外可预测性。不同成分投资组合的可预测性存在显著差异，其中金融与保险业、房地产业和制造业等行业投资组合的可预测性特别强，小市值、低面值市值比和低股权集中度的投资组合也非常容易预测。对于成分投资组合间的可预测性差异，我们给出了两个经济解释：（1）基于样本外可预测性分解，我们发现条件 CAPM 模型捕捉的时变系统性风险溢价可预测性可以解释成分投资组合的大部分样本外可预测性，高系统性风险暴露的投资组合有较高的样本外可预测性；（2）基于 Hong, Torous, and Valkanov（2007）的信息流动摩擦理论，我们发现行业集中度可以显著解释行业投资组合间的可预测性差异。

Adrian和Franzoni(2009)给出了学习拓展的条件CAPM模型，本文利用状态空间模型对规模、账面市值比划分的25类投资组合进行了估计，卡尔曼滤波的结果表明，时变Beta的估计结果能比OLS估计更好的拟合股票价格的波动，Beta因子存在学习过程，在我国股市中，账面市值比因子更加显著的进入到学习过程中，规模因子作用效果并不显著。