本论文首先通过引入遗传算法对扩展Nelson-Siegel模型进行估计以改进其拟合精度,并基于上证所国债数据验证了其相对于基于三次样条插值的息票剥离法以及基于非线性回归的扩展Nelson-Siegel模型在收益率曲线拟合和构建方面的优越性,进而基于可违约债券和国债价格数据利用基于遗传算法的扩展Nelson-Siegel模型分别构建每个观测点上的可违约债券和国债的收益率曲线,从而得出信用利差期限结构,并构建了信用利差综合指数以及信用利差期限结构的水平因子、斜率因子和曲度因子三个形状因素指标。在此基础上,一方面,利用逐步回归方法对影响信用利差期限结构的宏观经济因素进行分析,从而得出对信用利差期限结构存在显著当期影响的宏观经济变量,进而利用脉冲响应和方差分析对这些宏观经济变量对于信用利差期限结构的动态滞后影响进行研究和分析；另一方面,在回归模型框架下利用广义矩估计方法对信用利差期限结构对于未来经济增长趋势的预测能力进行检验。对宏观经济变量对于信用利差综合指数的影响进行统计分析发现,信用利差综合指数的最大影响因索是收益率曲线斜率,其次是无风险利率,然后是股市市值因素和广义货币供应量。其中,收益率曲线斜率、广义货币供应量以及股市市值均对信用利差综合指数产生负向影响,而无风险利率对信用利差综合指数具有显著的正向影响,与理论解释恰恰相反。而进一步对宏观经济因素对于信用利差期限结构各形状因素的影响进行统计分析发现,信用利差水平因子指标的主要影响因素是收益率曲线斜率和无风险利率且前者的解释能力显著强于后者。信用利差斜率因子指标的主要影响因素是股市市值波动率和广义货币供应量,且前者的解释能力显著强于后者。而信用利差曲度因子指标的影响因素则主要是无风险利率。通过对信用利差综合水平对于未来经济增长的预测能力进行统计分析发现,信用利差综合指数对于未来不同预测期的经济增长趋势均具有显著的预测能力,但程度并不相同。信用利差综合指数对于中期经济增长的预测能力较强,而对于长期和短期经济增长的预测能力则稍弱。而进一步对信用利差期限结构的各形状因素对于未来经济增长的预测能力进行统计分析发现,水平因素对于未来中期和短期的经济增长趋势具有一定的预测能力,而对于未来长期的经济增长趋势则缺乏预测能力。相反的,斜率因素则对于未来长期经济增长趋势具有显著的预测能力,对于未来中期经济增长趋势的预测能力比较弱,对于未来短期经济增长趋势则不具有预测能力。而曲度因素除对未来第五个月的经济增长趋势具有显著预测能力外,对其他预测期的经济增长趋势均缺乏预测能力。