由于金融资产价格的波动历来是金融体系风险积累的重要来源，几乎所有的金融危机都与金融资产价格的过度波动(Excessive Volatility)相关，因而判断和解释金融资产的波动性，也称为易变性(Volatility)，一直都是金融风险研究中的一个中心问题。 在本文中，我们把非参数回归的方法运用到我国实际的金融时间序列数据之中，讨论了我国股价指数收益率序列的易变性。而在用非参数回归进行估计时，选择合适的窗宽有着重要的意义。这是因为在理论上，如果缩小窗宽，偏差平方将会减少，方差将会增加，但是如果增大窗宽，方差虽会减少，偏差平方却会增加，因而每一个选择的规则都面临着在估计的方差和偏差的平方之间做出权衡，合适的窗宽应使得均方误差达到最小；在实践中，如果窗宽太小，随机性影响的增加会使非参数曲线估计呈现不规则形状，如果窗宽太大，则估计的函数将会受到过度平均的影响，其较细微的特征不易表现，因而窗宽的选择需要结合理论与实践经验。 我们依据运用交叉核实函数获取非参数回归核估计窗宽的原理，结合迭代累计平方和(ICSS)法则，于定理3．7中给出了一个获取窗宽的改良方法，并且在混合样本的情况下，利用我国实际的金融时间序列数据，对我国股价指数收益率序列的易变性进行了非参数回归核估计的实证分析；同时，我们在运用交叉核实函数获取非参数局部多项式估计的渐进最优窗宽，以及利用迭代累计平方和(ICSS)法则确定了多项式的阶数以后，将局部多项式估计的方法对我国股价指数收益率序列的易变性进行了较为深入地研究和分析，并与非参数回归核估计的结果进行了比较。 四川大学硕士学位论文 文章是这样安排的:我们在第一章中引入了金融时间序列易变性的异方差模型;在第二章中介绍了非参数回归估计方法及一些预备知识;在第三章中讨论了资产价格易变性的非参数核估计方法;在第四章中讨论了资产价格易变性的局部多项式估计方法;在第五章中我们对中国股价指数收益率序列的易变性进行了非参数的估计，获得了一些有意义的结论。