以有效市场假说为前提国外学者们研究了资本资产定价的问题，他们依据各个投资组合对市场风险的敏感程度定义了投资组合的风险，从而提出了著名的资本资产定价模型(Capital Assets Pricing Model，CAPM)。传统资产定价模型认为，所有资产的期望收益与市场风险溢价线性相关，其它变量并不具有边际解释力度。然而，不少关于分析股票横截面收益的实证检验结果表明(如Friend&Blume (1970)，Black et.al (1972)，Fama&French (1992，2006))，传统的CAPM模型并不能很好地解释资产或资产组合期望收益率横截面的变化。随后，Grant(1977)，Lewellen&Nagel(2006)，Boguth et al.(2011)等指出传统资产定价模型之所以会失败，主要是因为传统的模型设定中并没有考虑时变投资机会集合对市场beta的影响，而条件CAPM模型正好可以填补无条件CAPM 模型的这一理论缺陷，进而能够更好地解释不同投资组合横截面收益的变动特征。那么，这对于中国市场来说是否受用呢？条件CAPM模型能否有效地解释中国市场中风险与收益的关系，从而为中国市场定价研究提供新的研究思路和方法呢？
　　由此，本文基于条件CAPM模型对中国股票市场2000年7月1日至2017年6月30日的所有A股收益率数据进行了系统地分析。在beta投资组合横截面收益的框架下，研究发现中国股市中的投资者在承担较大的风险时获得的回报反而更小，这与无条件CAPM模型的预测完全相反，因而中国股市的确存在横截面收益的异常现象。而后本文引入了条件资产定价模型对中国股市风险—收益关系进行了解释，研究表明不管是对于传统的CAPM模型还是经典的 Fama-French 三因子模型，考虑风险时变后定价模型对中国股票收益率的解释能力有了一定的提升。特别地，条件FF三因子模型加入的风险因子均吸收了投资组合收益的时序变动，从而更好地刻画了中国股市横截面收益的变化特征。为了进一步证明条件CAPM模型在中国股市的有效性，本文继续探讨了无条件和条件CAPM模型的定价差别，结果显示beta的确展现出了预期的时变性从而使得无条件CAPM出现定价偏差，进而导致了其对股票横截面收益现象解释的失败。而条件CAPM模型正是在考虑了时变投资机会集合后，通过及时、准确地捕捉市场的变化从而对股票的横截面收益做出了较好的解释。
　　最后，本文在之前研究的基础上进一步检验了公司层面变量对时变beta的刻画能力，包括与公司投资异质、公司杠杆异质、融资约束有关的因素，结果显示各个因素的影响能力有所差异，而随着这些影响因素的发现，条件CAPM对高beta投资组合收益的解释能力得到了有效的提升，但对于低beta投资组合收益的解释能力并不没有太大提升，这一实证结果表明尚有一些定价因素未被识别，仍需要未来进一步的研究。
　　本文的创新之处有三，第一是基于beta组合收益横截面的框架下更为全面地探究了条件CAPM模型对中国股票市场的解释能力，不仅比较无条件与条件CAPM模型刻画中国股票横截面收益的能力，还比较加入其他风险因子后两者的不同表现；第二，首次利用中国股票收益数据系统地分析无条件与条件模型定价偏差之间的关系，解释了条件资产定价模型表现更好的原因，对以往有关中国条件资产定价模型的相关理论研究做出了补充；第三，丰富了适合中国市场的条件资产定价模型中变量的选择，创新性地从三个维度去识别影响中国股票市场风险—收益关系的影响因素，包括已实现的滞后 beta值、宏观经济因素以及与公司层面相关的影响因素，这对于识别中国股市的变动特征并推动中国市场合理定价及良性发展无疑是有益的。值得注意的是，本文的研究主要基于beta投资组合收益横截面的分析框架，而对更为广泛的研究对象而言，条件CAPM模型在中国市场的表现又会如何，本文认为这仍有待于进一步研究分析。