线性模型解决现实问题存在较大的局限性,所以非线性模型在各个领域中的应用越来越广泛,最常用的状态转换非线性模型主要包括TAR模型、STAR模型以及MSR模型,对于STAR模型,常见的平滑函数包括logistic函数和指数函数,随着非参数平滑技术的逐渐成熟,该技术在各个领域的应用越来越广泛,所以本文选择将STAR模型与非参数平滑方法相结合,即选择高斯核函数来作为平滑函数建立STAR模型,并且对该模型进行了模拟研究,模拟结果显示该模型效果比LSTAR模型以及ESTAR模型效果更好,这就是本文的研究意义以及创新之处。在实证研究方面,本文选择了三支股票价格指数数据,包括上证综合指数、沪深300指数以及中证100指数数据,用以上三个价格指数序列为代表对上述模型进行实证研究。通过实证分析中对模型有效性的诊断结果表明,该模型的残差序列既能通过自相关性检验同时也能通过异方差性检验,也就是说基于非参数方法建立的STAR模型是非常有效的,能很好的刻画出股票市场的非线性特征。另一方面,模型的误差均方根(RMSE)值越小,说明模型的预测效果越好,即模型越有效,根据实证分析的结果,基于非参数平滑的STAR模型的RMSE值比较小,也就是说该模型的预测效果也很显著,所以说该模型在整体上是非常有效的,并且用该模型对股票市场的非线性特性进行研究分析也非常适用,即该模型具有现实意义。