自1990年我国股票市场建立以来,我国证券市场在发展中先后经历了发行制度、交易制度、会计制度、公司治理等方面的重大改革,市场规模从小到大,市场体制从不完善到完善.尤其是最近不到两年的时间里,中国股票市场发展更加迅速.中国股市上涨了约300％,成交量的增长更加惊人.2007年5月9日(周三)那天,中国股市成交总额,几乎是日本股市当日成交额的两倍,首次超过了亚洲其他国家(包括日本和澳大利亚)成交额的总和.当天,上海证交所成交金额为319亿美元,深圳证券交易所的成交额为152亿美元,而在不久之前的3月30日,中国这两家股票市场的总成交金额还只有164亿美元,而在6个月前的去年11月初,这一数字仅为50亿美元.成交额的增长如此巨大,成交额的巨幅增长,主要源自于散户投资者的兴趣复苏,银行里几乎每天都挤满了排队认购股票的股民,甚至有部分股民把所有资产投入股市.虽然目前我国股市的发展势头良好,但是我国特有的市场环境、市场结构、市场参与者和公司特征使得证券市场风险的形成更加复杂,监测更加困难.股市中存在的风险也更大. 源于资本资产定价模型的β系数是证券市场系统性风险的度量指标,它反映了某种资产价格变动受市场上资产价格平均变动的影响程度,在投资理论与实践中都占有非常重要的地位. 自Blume在1971年发表了第一篇关于β系数稳定性的研究论文以来,随后有许多学者关注这一问题,采用了各自的数据处理与分析方法来考察β系数的稳定性及其不稳定的特征表现,研究的广度和深度不断扩展,并产生了大量丰富的研究成果和论文,学者们的研究主要集中在系统性风险系数的稳定性,趋一性,差异性,系统性风险的估计预测,研究结果甚多,但学者们得出的结论并没有达到同一.在系统性风险系数的研究方面还是存在着很大的空间. 本文主要是从系统性风险预测这一角度来进行研究.在系统性风险预测方面,以前学者的研究主要集中在对经典β系数值的改进与修正.近几年,随着时间序列技术的发展,尤其是时间序列方法在金融领域的广泛应用,学者们开始尝试建立时间序列模型来估计系统性风险,但是国内真正用时间序列来预测系统性风险系数的很少,国内学者的相关研究有两种:一种是建立时间序列模型估计系统性风险,提出理论上预测系统性风险的方法,但是往往对这部分不进行实证分析；另一种则是在估计时变系统性风险系数后,直接对股票的收益率进行预测,而不是对系统性风险系数进行预测.本文把最优估计理论中的状态一空间模型的方法引入系统性风险系数的预测,考虑系统性风险系数存在随机波动,系统性风险系数满足一阶自回归两种状态一空间模型进行系统性风险系数预测,并与经典预测模型历史β系数法,Blume修正法的预测结果进行比较,提出更适合中国市场的系统性风险预测模型.本文的研究显示,自回归状态一空间模型的预测效果要优于其他模型,Blume修正法的预测效果次之.如果考虑简单易操作的话,Blume修正法会更加实用.