股票市场状态是一项综合经济指标,准确的识别和预测股市状态对金融决策和经济分析都起着很重要的作用。为对中国股票市场牛熊市状态进行识别和预测,本文采用以规则为基础的方法,即先采用Pagan和Sossounov(2003)的算法对上证指数进行识别,然后建立马尔可夫logit模型并预测牛市状态发生的概率。在识别部分,根据Pagan和Sossounov(2003)算法中设定的规则对上证指数进行固定窗口识别,并统计识别出的牛市和熊市阶段的数量、持续时间特征、收益均值和标准差。在预测部分,建立马尔可夫logit模型,将识别出的牛熊市状态序列与一系列预测变量代入模型得到系数估计值,并估算下一时点牛市状态发生的概率,每过1周扩大一次数据,以预测2010至2018年各时点牛市状态发生的概率。为评估预测变量在预测股市状态上所起的作用,本文分别讨论不带和带有预测变量两种情形下的预测结果。为评估以规则为基础的方法的预测效果,本文将预测结果与固定窗口下的识别结果进行比较,通过计算牛市正确、熊市正确等指标来衡量预测精确度。研究结果表明,以规则为基础的方法在识别股市牛熊市状态上表现良好,在预测上存在滞后。进一步通过模型拟合度测试及稳健性检验分析,研究发现,识别结果稳健而预测结果对规则参数相对敏感,采用的识别规则捕捉市场转换的速度越快,以规则为基础的方法在股市状态的预测上表现越好。