在资本市场的理论与实践中,对投资风险的度量一直是理论界与实务界关注的焦点,其中β系数就是一种广泛采用的风险度量指标。随着全球金融一体化的逐步深入,中国股票市场也逐步融入全球金融体系当中,影响中国股票市场波动的因素将更加复杂化,投资者所面临的系统性风险也会更大,而且,中国股票市场是一个新兴的、不成熟的市场,具有其自身的特点,因此,研究中国股票市场的系统性风险及其变动特征特别是对风险的预测,对于投资者和监管者实施风险的防范和控制具有重要的意义。首先,本文从β系数的理论定义出发,采用动态分析方法-DCC-MVGARCH模型分析个股和市场指数收益率的条件方差和它们之间的动态相关系数,从而估计出较为准确的时变β系数。研究发现β系数极不稳定,波动幅度较大,上海股票市场所选样本系统性风险水平偏高,而且股本规模较大的上市公司的系统性风险水平要小于股本规模较小的上市公司。其次,本文采用了分形市场理论的研究方法一经典R/S分析法探讨时变β系数序列的长期变动特征,研究发现β系数序列具有长记忆特征。最后,在R/S分析的基础上,对样本股票时变β系数序列分别建立ARIMA和ARFIMA预测模型,结果表明描述长记忆的ARFIMA模型能够更好的描述β系数序列的长期变动特征并更为精确地预测β系数。而且对流通股本较大的公司的β系数预测效果要比流通股本小的公司好。