通过从我国22种商品期货提取隐含的便利收益率时间序列，我们发现，期货市场的便利收益率的前两个主成分可以在样本内和样本外显著预测未来通货膨胀率。在控制了利率、M2货币增速等因素的影响后，这一结果仍然成立。我们也用南华商品期货综合指数、南华商品期货各品种指数、南华商品期货大类指数，以及美国商品研究局商品期货指数对我国通货膨胀率进行了样本外预测，结果表明这些指数对于预测我国通货膨胀率同样效果显著。基于商品期货价格的预测模型都明显优于本文的基准模型和朗润预测指数。这表明我国商品期货市场包含了与通货膨胀率相关的重要信息，可以作为未来宏观形势走向和政策实施的重要参考。

股价的崩盘风险具有重要的研究价值与意义。着眼于由错误定价引发的崩盘风险，本文通过机器学习模型为每个股票-月份样本计算得到样本外崩盘风险信息，逐年样本外预测精确性的均值为89.06%，在一定程度上保证了崩盘风险信息的有效性。本文对崩盘风险信息的进一步研究发现：（1）崩盘风险的截面收益具有较高的统计与经济显著性，且具有边际的定价能力；（2）当在投资策略中加入崩盘风险的截面信息执行因子择时策略时，样本外夏普比率约为未加入的2.05倍，显示出崩盘风险的截面信息对于因子择时的突出贡献。本文的研究结果具有较强的现实意义，表现为基于崩盘风险信息，能够充分发挥资本市场中市场与非市场的力量，从而有效地降低系统性风险发生的可能性，为金融体系的健康发展保驾护航。

基于上交所国债数据，沿袭Bliss（1997）的研究方法，并加以改进和扩展，本文考察了五种静态利率期限结构模型在样本内拟合和样本外预测上的表现，与Bliss（1997）的结果不同，我们发现三次平滑样条方法更适合用来估计中国上交所国债的利率期限结构。在此基础上，通过对各模型的拟合误差和预测误差的分析，我们发现，利率期限结构并不是决定国债定价的唯一系统性因素，上交所国债的定价还需考虑国债的其他特征因素，投资者在交易国债时会将息票金额的大小和债券价格的溢价程度考虑到定价中来,这一点与Bliss（1997）的结论相同。作为本文结论的一个应用以及对Bliss（1997）方法的扩展，我们发现息票金额低的投资组合和溢价因子高的投资组合分别高于息票金额高的投资组合和溢价因子低的投资组合，本文的结论对国债投资有一定的指导意义。

本文从含有时变高阶矩的条件资本资产定价模型（CAPM）出发，基于我国上证 50ETF期权数据，检验了期权隐含的风险中性各阶矩的期限结构中是否包含有助于预测市场收益率和波动率的有效信息。采用偏最小二乘回归（PLS）的数据降维方法，我们发现：在 2015 到 2020年样本期内，从 50ETF 期权的隐含方差和高阶矩的期限结构中所提取的因子能显著地样本外预测未来 2 至 8 周的市场收益，且该预测能力在控制了常见的经济预测变量后仍十分显著。并且，从期权隐含方差的期限结构中所提取的因子能样本外预测市场波动。基于上述市场收益率和波动率预测的择时策略可以给投资者带来显著的经济价值。我们的实证分析表明：有别于已有文献中的经济预测变量，50ETF 期权市场可为投资者提供关于市场收益与风险之间短期权衡关系的特有信息。

股指期货在资本市场价格发现和风险防范过程中扮演重要角色，科学准确的预测其 收益波动率对充分实现股指期货避险功能具有重要的理论和现实价值。以线性非负模型为 基础，通过幂转换以及不设定扰动项的具体相关结构和分布形式，构建了一个半参数预测 模型来预测高频环境下股指期货市场波动率。模型采用基于极值估计量的两阶段估计法进 行估计，Monte Carlo模拟实验表明该估计方法的渐进性质表现良好。此外，以沪深300 股指期货的5分钟高频交易数据为例，运用滚动时间窗的样本外预测和最新发展起来的具 有Bootstrap特性的MCS检验，在多种稳健损失函数下，实证评价和比较了新构建的半参数 预测模型与其他7类波动率预测模型对高频环境下沪深300股指期货波动率的预测能力。实 证结果表明：在多种稳健损失函数的评价标准下，新构建的股指期货波动率的半参数预测 模型是预测预测能力最好的模型。

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。

本文将状态空间马尔科夫区制转换模型，与向量自回归--对数线性资产定价模型相结合，用于中美股市泡沫区制转换特征的识别和预测。我们发现这一新的计量模型可以成功识别中美股市泡沫的稳定增长和爆炸性膨胀两个区制，估计不同区制之间的转换概率。在此基础上，分析了中国和美国泡沫特征的共性和差异性。我们还做了样本内和样本外预测以进一步验证我们的结论。