【摘要】本文基于收益率分解方法,将收益率表示成符号部分和绝对值部分的乘积形式,通过对符号部分、绝对值部分以及这两部分间的相关性分别进行时变性设定,构建了动态收益率分解(DRD)模型来刻画收益率的高阶矩动态特征。该模型能灵活地设置条件偏度和条件峰度的时变演化方式,还能通过对符号部分和绝对值部分间相关性的时变Copula设定来刻画收益率变动的非线性特征,因而使得该模型对收益率的预测具有优势。本文还利用上证综合指数和深证成份指数的收益率数据对DRD模型进行了实证研究,结果表明:两种股指收益率序列均表现出了显著的高阶矩动态特征,条件偏度和条件峰度存在一定程度的波动聚集特征。相较于其他时变高阶矩模型,DRD模型不仅具有更好的样本内模型拟合效果,而且在样本外的风险价值预测和经济价值评价等方面均表现出一定的优越性。