金融变量具有非对称性,时变性的特征,无论是新兴金融市场、还是成熟金融市场中,交易的金融工具以及不同金融市场之间具有互补性和替代性,因此,宏观经济变量对金融市场收益的影响具有不对称性。本文首先运用MS-VECM模型分析中国宏观经济变量对股票市场收益的影响,并运用Bootstrap仿真检验对估计参数进行检验。实证发现可将状态分为：我国金融市场发展早期的状态1、我国金融市场受政策干扰而变化频繁的状态3、以及经济健康发展且稳定的状态2。结果表明宏观经济变量对我国股票市场收益在不同状态下影响不同,具有不稳定性,但在状态内具有一定持续性。Fisher假说在我国股票市场发展较成熟时成立；汇率上升对股票市场收益具有正的影响；货币供给量M1对股市收益影响则随着状态不同而变化；在早期对我国股票市场,相关的替代性资产或者金融市场(如无风险利率、标准普尔指数收益)对股市收益具有反向影响,我国金融市场发展到一定阶段时具有正向影响。然后,以现值模型为基础,用每股盈余取代每股股利,运用状态空间模型和卡尔曼滤波方法对我国上证指数、沪深300指数和中小板指数进行分析不可观察的投机泡沫变量,检验我国股市是否因为存在泡沫而导致股指偏离其市场基本价值,并对泡沫的大小、形成速度等特征和存在期间进行分析,实证结果发现我国股指较难用市场基本价值解释,股指较长时间存在正泡沫,泡沫累积过程较长,但泡沫破灭速度较快,且导致较短时间内存在负泡沫。中小板指数显然比上证指数和沪深300指数投机泡沫成分大,上证指数和沪深300指数泡沫特征类似。估计贴现因子系数表明泡沫累积难以持续,终会破灭。随后,考虑到CAPM的动态特征以及时变性,用贝叶斯动态线性模型分析CAPM参数的时变性,本文用面板贝叶斯动态线性模型分析CAPM,面板贝叶斯动态线性测度方程方差、状态方程方差矩阵均为未知,因此,本研究先以Gibbs抽样技术以及马尔可夫链蒙特卡罗方法(MCMC)运用动态线性模型滤波方法估计出测度方程、状态方程的方差矩阵,然后运用此方差矩阵,利用所有信息集,用平滑滤波估计出时变β。本文发现商业银行的CAPM中风险溢价因子β波动幅度显然比非商业银行金融机构低。在牛市时,CAPM中风险溢价因子β较长时间为正,而在熊市,CAPM中风险溢价因子β较长时间为负。从投资角度来看,长时期内β均值为零。最后,本文用面板分位数回归方法分析不同分位点时CAPM中β的特征,面板分位数回归同样对于传统的检验并不有效,因此本文运用Bootstrap仿真方法来检验参数估计的有效性。并和面板固定效应估计的值进行比较,发现固定效应面板CAPM估计的β值高于0.6分位点β值,说明我国投资者对于不同风险偏好不同。在不同的分位点下,β值为正值,并Bootstrap仿真检验β值统计上显著。而且随着分位点从低到高,β值逐渐增加,但在0.3-0.6分位点间较为平稳。均值面板回归估计的β值显著地大于中值处的估计的β值,说明股票市场收益分布并不是对称的。单个股票超额收益与市场组合报酬显著地正相关。本文的主要贡献在于：首先,本文探讨了股票市场收益受通货膨胀、外围股市以及其他宏观经济因素的影响,证实我国股票市场收益受通货膨胀的影响较大,并且在不同状态下,通货膨胀和股票市场收益不同。其次,对我国股票市场泡沫进行了测度。第三,运用面板贝叶斯动态线性模型分析CAPM时变参数的非对称性特征。最后,探讨CAPM中不同分位数的β的特征。