本文首先通过经济理论分析然后利用1996年1月到2010年4月的数据，运用MSIH(2) -VAR(4)模型和基于区制的脉冲响应分析不同区制下货币政策对于股票价格的影响。发现利用非线性模型是合理的，在不同区制下货币政策工具对于股票价格的影响效果在时间、方向和程度上表现不同，并且对于上证A股和深证A股影响也是不同的。对于货币供应量，在股市低迷期，它的变化会立即正向影响到股票价格，但在股市膨胀期，则滞后1个月后才会正向影响股票价格；对于银行信贷，在股市低迷期，它的提高会降低股票价格，而在股市膨胀期，它的提高才会提高股票价格；对于利率，在两个区制下，它的提高都会使股价下跌，并且在滞后1个月才会表现出来，但是相比较而言，利率对股票市场的影响在股市膨胀期下效果更明显。

股市的价格或收益虽然不可预测，但收益的波动性却在一定程度上具有可预测性。波动性预测并不能像收益预测那样带来直接的盈利机会，但它对投资者判断市场风险状况从而更有效的进行资产定价、制定交易策略、构建投资组合和风险控制具有重要意义。国内关于沪深股市的波动率预测方面的研究主要采用的是基于日数据的GARCH类模型、随机波动率(SV)模型等，而较少采用基于高频数据的预测模型，尤其是基于高频数据的神经网络等非线性波动率预测方面的研究更为少见。为此，本文试图进行这方面的尝试。通过沪深300指数高频数据的实证分析，我们发现：我国股市的波动率具有可预测性，我们模型的预测都能超越随机游走的结果；采用高频数据能显著提高模型的预测能力，采用高频数据的模型明显优于采用日数据的模型，而且如人工神经网络等非线性模型的预测优于传统经典的线性模型。

与之前使用线性模型来研究流动性与资产定价的文献不同，本文使用非线性的STR模型研究了上海A股市场收益与代表流动性的换手率指标之间的关系。结论发现换手率对上海A股市场收益的影响有较强的非对称性，在股市处于调整或平稳发展时，线性性明显，具有较弱的流动性溢价现象；但在股指上升阶段，非线性部分显著，流动性溢价不成立，而且由模型转换函数可知线性与非线性之间的转换速度很快。

本文采用了MSIH-VECM模型分析了1981-2006年间我国官方外汇市场与外汇黑市的区制依赖性的结构特征。实证结果表明，所使用的非线性模型要优于传统的线性VECM模型，并能有效地捕捉到结构上的突变。本文的研究还发现，我国的官方外汇市场和外汇黑市存在长期的稳定关系。最后，通过区制状态的划分，对政府在各区制下应采取何种政策提出建议。

对于像中国这样的新兴证券市场是否存在长期记忆性，本文使用非线性模型进行了探索和尝试。为了验证有效市场假说是否适用于中国股票市场,本文对中国沪深两市的股票收益率进行了正态检验。最后，使用方差比检验和R/S方法分析了中国股票市场的周收益率。