我国股票市场在发展初期主要受政府宏观调控影响,学者们难以通过对市场的研究找到股价波动的规律,而如今我国已逐渐发展成为仅次于美国的全球第二大股票市场。股票市场上机构投资人不断增加,股票投资已经成为人们资产管理的重要手段之一,因此股票市场收益能否被有效预测是当前金融研究的热点问题之一。随着我国股票市场资本化进程的不断加快以及“有效性”的不断加强,我国宏观经济与股票市场的关联愈加紧密,国内外学者对股票收益存在显著的可预测性已达成共识。然而近年来,学者们意识到虽然股票收益存在可预测性,但在不同时期股票收益与其影响因素的关系存在结构变动。本文旨在利用近因子模型侦测股票收益与影响因子关系发生变动的时刻,对股票收益建立基于结构变化情况下的预测模型。本文首先对国内外股票收益预测的研究现状进行梳理,其次从模型理论以及经济含义两方面说明运用近因子模型刻画股票收益的合理性,接着通过我国股票市场背景说明对近因子模型引入变点的合理性。考虑到股票收益存在行业因素,本文根据证券市场行业分类,对不同行业分别侦测股票收益与其影响因素关系发生变动的时刻。实证结果表明,对各个行业股票收益使用近因子模型时的最佳因子个数大都为3,个别行业的最佳因子个数为2或4。各个行业被侦测出的变点位置均在2006年股份改革制度完成、2007-2008年金融危机、2010年通货膨胀时期、2015年爆发全面股灾附近,其中由国家公共财政部门参与的行业股票在2006年股权分置改革完成以及2010年通货膨胀影响股市这两次事件中对市场的灵敏度最高,金融类股票在2007年次贷危机和2015年全面股灾中对市场的灵敏度最高。最后本文根据侦测出的变点时刻对股票收益序列进行划分,并结合神经网络模型对最后一段没有变点的公共因子序列进行一期预测,利用公共因子预测值估计下一期的股票收益,通过比较序列划分前后股票收益的预测效果证实了考虑股票收益结构变动情况下,股票收益预测模型的精度更高,同时对考虑结构变化的因子模型预测效果与目前流行的神经网络模型预测效果进行比较,发现考虑结构变化的因子模型仍表现了良好的预测能力。