混沌被誉为20世纪自然科学中的“三大革命之一”,它是一种由确定性方程产生的貌似随机的非线性动力学系统。混沌既具有对初始条件敏感依赖性的“蝴蝶效应”特征,又具有在时间标度上的自相似性。混沌理论突破了传统金融理论的研究范式,产生了一种从理性到有限理性,从线性到非线性,从外在机制到内在机制全新的分析方法,将深刻改变金融理论的发展。由于金融时间序列的数据比较容易得到,并且样本大小可以满足混沌分析的需要,因此在金融时间序列中寻找混沌证据成为混沌理论应用之一,本文就是在中国证券市场上寻找混沌证据方面进行了较为深入的实证研究。国内学者在我国证券市场上识别混沌时,主要是直接把物理和生物科学中发展起来的混沌识别工具直接应用于金融市场中。然而,经济学系统中存在随机扰动并且只能在有限时间范围内进行观测,不同于物理实验能够容易在设定约束条件下得到大量的观测值,直接用难免会有误差。为克服上述问题,本文主要从两方面进行改进:1.引入近年来国外发展起来的一种能从含有噪音的随机系统中识别混沌的新方法——Nychka法;2.用融合了体现混沌动力学行为的Mackey-Glass方程和金融中广泛适用的条件异方差GARCH效应于一体的新模型——GMG-GARCH模型,对混沌动力学行为进行模型检验。本文由五章组成。第一章介绍了选题意义、本文的研究方法及创新之处;第二章评介了混沌理论的定义、运动特征及混沌的识别,对混沌理论在金融领域应用进行了综述;第三章介绍了本文用于判定我国证券市场中混沌动力学行为的方法;第四章是对我国证券市场收益率进行实证分析;第五章对全文作出总结,并对未来进一步的研究做了展望。本文从不同角度进行了实证分析,表明我国证券市场存在混沌动力学行为。将混沌动力学行为和条件异方差两种不同类型的非线性融合在一起,共同描述金融证券市场的波动性,这种波动性是由金融证券市场中的内在的、非线性的原因产生的。