波动性是股票市场固有的基本属性,成熟金融体系中股票价格的适度波动有助于稳定国民经济,但剧烈而频繁的波动则会使投资者难以做出准确的投资决策,同时也会影响国民经济的健康发展,甚至诱发经济衰退。因此对股票市场上收益率波动的特征及对波动行为进行刻画、模拟和预测则显得尤为重要。目前,用于刻画和描述股市波动的单一模型主要有三类,即指数平滑类模型、GARCH (generalized autoregressive conditional heteroskedasticity model, GARCH)类模型和SV(stochastic volatility, SV)类模型。但是,各单一波动模型都只是针对股市波动特性的某一个方面进行刻画与描述,因此,运用单一模型对股市波动进行刻画存在一定的局限性。比如,指数平滑类模型假设收益率的波动为常数波动,按照遍历性用收益率序列的历史波动作为未来时点上的收益波动的无偏估计,然而,现实中收益率序列的波动为时变波动,此时收益率序列在各个时点上的分布是不一样的,即分布的标准差会随着时间变化而变化。GARCH类模型将条件方差定义为前期残差的平方项和前期条件方差的确定性函数,条件方差的估计与过去观测值直接相关,虽然解决了波动的时变性,但当收益序列出现异常观测值时,会使得条件方差的估计突然变动。SV类模型中条件方差不再是一个确定性的函数,而是加入了随机项,以反映随机因素对波动性的影响。在运用以上三类模型对波动进行刻画、模拟和预测的过程中,并没有哪一类模型的预测效果绝对优于其他模型。由于建模机制、假设前提和信息来源不同,任何单一波动模型都仅能包含和体现波动的局部信息,采用组合预测就有可能比较合理的描述和刻画波动的特性。在波动预测领域,通常采用线性回归组合模型对波动进行预测,但该模型存在权系数是固定不变的缺陷,因此,在不同时期、不同状态下使用固定权重的线性回归组合模型来刻画波动不够科学。而切换回归组合模型通过引入一个状态变量,实现不同经济时期所处不同状态下模型参数和权系数的时变切换,克服了线性回归组合模型权重固定不变的缺陷,能更准确地刻画波动的时变特性。现有切换回归模型在应用当中仍然存在一些明显的不足和值得进一步深入研究的方向：(1)大多数研究者都是对基于一个状态变量的切换回归组合模型进行实证研究,还很少涉及到模型中引入多个状态变量的情形；(2)虽然有少数学者提出了考虑多个状态变量的扩展切换回归模型,却大多没有涉及对状态变量的时变特性进行研究。本文首先对股市波动基本概念与我国股市波动的具体特性进行全面的回顾,并详细阐述了已有单一股市波动模型在股市波动预测领域的应用,并对各单一波动预测模型的优势和不足进行比较分析；其次,在对国内外最新的股市波动组合预测方法进行总结与评价的基础上,对传统线性回归组合模型和切换回归组合模型的优势和不足进行比较分析,发现考虑多个状态变量且假设状态变量具有时变特性的切换回归模型更能准确描述波动的特性；最后,提出一种新的时变扩展切换回归组合预测方法,该方法是在切换回归模型的基础上,考虑多个状态变量及状态变量的概率分布随时间可变特性的组合预测方法。采用我国上证综指2000年1月4日至2008年12月31日的日收盘价数据对新的时变扩展切换回归组合模型进行实证研究来检验模型的有效性,运用滚动的一步向前预测法进行样本外预测,并对各模型的预测结果进行比较分析,结果表明时变扩展切换回归组合模型比单—模型和线性回归组合模型的预测效果更优。