从国内外学者的相关文献了解到,关于股市收益率影响因素的研究可以从两个方面考虑：宏观经济因素和微观经济因素。但是影响宏观经济和微观经济的因素又有很多,在实际的回归分析中我们希望找到那些对收益率有重要影响的因素。因此,股市收益率的变量选择问题成为研究中一个热点问题。在影响收益率因素的研究中,我们发现大多数学者是将宏观经济因素与微观经济因素分别与股票收益率做的相关性分析。经过思考,我产生了一个想法：将宏观经济因素和微观经济因素一起放入到模型中综合起来考虑与股票收益率的关系。然而,对于两种不同类型、性质的变量要怎么才能融合到一个模型中考虑呢?本文主要是从股票收益率的非对称现象的研究来入手的。从股票非对称性现象我们了解到：(1)不同的市场消息(好消息/坏消息)对股票收益率存在着一种非对称反应的现象,也就是在受到不同市场消息(好消息/坏消息)的影响下,股票收益率的变化是不同的,当接受到好消息的时候,股票收益率的曲线会呈上升的趋势；当接受到坏消息的时候,股票收益率曲线会呈下降的趋势。(2)另外,在不同的时间阶段,股票收益率的表现也是不同的,也就是说在某一个时间段内股市可能会出现熊市和牛市,那么股票收益率曲线,应该有一段是上升,有一段是下降的。所以,由于股票收益率存在着这种非对称性的现象,我们要准确的去刻画股票收益率在不同市场信息(好消息/坏消息)的不同反应的程度的这种非对称特征,就可以采用一个非线性的模型来刻画。在刻画非线性特征的模型中,分段线性的这种形式是比较能抓住这类特征的,且能将不同市场信息对股票收益率的影响也同时刻画进模型中。基于此,本文采用门槛回归模型对上海股市收益率的数据进行了实证分析。在模型中我们用多个宏观变量的线性组合作为门槛变量,用门槛变量来反映综合后的宏观信息。同时,运用了收缩的变量选择技术来选取对股市收益率有重要影响的宏观经济因素和微观经济因素。这样做的好处是在门槛回归模型中同时运用微观变量和宏观变量所提供的信息,增加了模型可用的信息量。另外,在实证研究中本文采用了由蒋亮(2012)等人提出的基于SCAD判罚的光滑最小二乘的估计方法来对参数进行估计。采用此方法的优点是,系数估计和门槛值的估计同时完成,同时模型中那些对收益率影响不显著的自变量的系数也会被同时估计为零。因此大大降低了计算量。在我们的实证结果中显示,不论是在门槛变量只有一个还是门槛变量由一个综合变量组合而成的模型中,β1,β2,β3仍然自动判断为零了,也就是个股交易数、和个股交易金额还有个股流通市值对个股的收益率没有影响。在房地产行业的实证中,β1,β2,β3也被自动判断为了零。通过三个实际数据的分析,我们可以看出模型对于自变量的识别效果还是挺好的。