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。

过去文献中，将泡沫(bubbles)定义为资产价格偏离市场基本面的部份。本文以Flood and Hodrick(1990)的泡沫理论模型及Meese(1986)的货币模型为基础，设定了包含泡沫项的汇率决定方程式，并采用状态空间模型，运用卡尔曼滤波以最大似然法进行递推估计。研究对象为中国自2005年7月汇改政策以来至2010年11月的人民币/美元，及1990年1月至2010年11月的日圆/美元的汇率泡沫现象。本文估计结果显示，中国及日本所估计的汇率泡沫项皆存在且泡沫参数皆显著。分析泡沫项的走势及泡沫参数的梯度，都能符合样本期间汇率的变动行为，合理解释了汇率偏离市场基本面的情形。

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。