中国的股票市场经过十多年的发展,己经取得了令人瞩目的成就。在市场参与者各方的共同努力之下,市场日渐走向成熟和完善,对中国股票市场的研究也日渐深入。股票价格行为的研究也日趋重要,对股价或收益率随机过程的充分认识是作出正确投资决定的基础,因为它提供了有关资产风险的基本信息,并在股票定价、相关衍生品定价、投资组合管理和风险管理方面起到关键作用。因此,本文从不同的方面对股票价格或收益序列的分布特征进行了研究。在1900年Bachelier将布朗运动引入了股价变动的分析后,布朗运动逐渐被用在一系列的经典模型中,如Black—Scholes模型和CAPM模型中,但人们开始发现其最关键的初始假设“(对数)收益率是独立同分布的正态变量”得不到满足,因为金融收益率普遍不服从正态分布,而呈现尖峰、厚尾、非对称分布及波动的长期记忆等特征,所以基于该假定的模型也是存在缺陷的。期权定价中的经典模型BS公式存在波动率微笑、隐含波动相关等问题。之后众多学者针对这些问题做出了修正。本文对其中关于股价过程修正的CEV模型最优参数进行研究,并考虑中国股市特殊性,确定各个时期最优参数,以利用今后期权定价、风险管理等方面的应用。研究表明,在国内外众多使用CEV模型对奇异期权(包括彩虹期权、两值期权、亚式期权等)定价的模型中,通常只给出数值解,或简单使用beta=1或beta=0.5作为CEV模型的参数,并没有特别针对中国市场选择合适的CEV模型参数,也没有考虑到中国股市的特殊性,这对出于转轨的中国股市并不恰当,中国股市发展中两个较大的政策事件对各个时期影响很大,在股市成立到涨跌幅限制出台前,CEV模型最优beta参数估计应该选择在0.7左右,与同期的美股相当,而在涨跌幅推出后,最优beta参数估计剧减,反映了政策对股市的强烈影响,在股权分置改革后,最优beta参数估计有所恢复,显示近期股市非理性导致了大波动的产生。因而应当根据政策取向在每一个时期采取合适的参数,使得之后股价的拟合和期权定价以及相关的风险管理更为准确。