随着β系数的不稳定性被越来越多的研究学者所认同，自20世纪80年代起，国内外学者对β 系数的研究主要集中于β的时变性研究，但局限于对β系数进行单一尺度下的时变分析，而缺少多尺度下的时变特性研究。然而，大量事实及实证研究表明：金融市场存在混沌、分形等特性，是一个十分复杂的非线性系统。因此,β系数的多尺度时变性研究，对于金融市场的风险管理和市场理论的不断丰富，具有十分重要的实践意义和理论价值。　　为研究复杂金融市场下的β系数多尺度时变特性，本文将采用复杂性研究中的小波多分辨分析方法对β系数进行多尺度分解，再联合Kalman滤波模型对β系数的时变性进行捕捉，通过构造一个基于 Kalman 滤波算法的“状态空间估计模型”对β系数进行多尺度的时变性与差异性研究。　　选取上海证券交易所中2006年7月1日至2016年6月30日间的A股股票日收盘价与上证综合指数为研究样本 ，进行了三个主要实证研究。第一，选取db1小波为小波基函数对个股收益率序列分别进行1层、3层多尺度分解，发现其低频序列与原始序列较为接近，而高频序列为细节序列，具有很大的波动不稳定性；第二，在上一步小波分解基础上，通过构造基于Kalman滤波算法的“状态空间估计模型”对各个尺度下的收益率序列进行β值估计，并得到不同尺度下的β系数时变波动图，分析发现不同尺度下的β系数存在显著的差异性；第三，对不同尺度下的 β 系数进行差异性分析，基于坎贝尔的相对效率评价思想，通过比较不同尺度下β系数的差异性，提出了构建基于β系数的相对市场效率度量指标“P?”的猜想，并对其可行性进行了理论推导与实证检验验证。　　综合以上研究可知：首先，中国股市 β 系数存在多尺度时变特性，且高频下的β系数显著不为 0，市场表现为非有效性；其次，基于 β 系数的多尺度时变研究，通过构建“Pβ”指标可以对证券市场的相对市场效率进行衡量；最后，本文所构造的基于小波多尺度分析及 Kalman 滤波估计的模型对证券市场上此类复杂性研究具有可行性与适用性。