刘喜华、韩其恒(2007)[12]利用特征变换法与最大似然估计法分别对深圳成分指数与上证指数的日收益率分布进行了稳定分布的拟合, 并进行了比较, 验证了深圳成指与上证综指日收益率序列的“尖峰、后尾”现象。

艾克凤(2006)[1]用峰度、卡方拟合检验、易变性期限结构分析和偏度检验等多种方法对我国股票市场收益率分布的正态性进行检验，研究结果表明：我国股票市场收益率不服从正态分布，收益率分布呈现“尖峰、厚尾”特征。

3  国内学者对股指的拟合分布研究

国内诸多学者在对上证指数收益率样本数据进行正态性检验的基础上发现，上证指数收益率不符合正态分布。由此引发了许多学者对上证指数收益率分布的拟合研究。

陈倩、李金林、张伦(2008)[4]三位学者又将g-h分布引入收益率序列的分布拟合中，研究表明这种分布能很好的解决收益率序列具有的特性，拟合效果比用Logistic分布和t分布更好。

陈启欢(2002)[14]随后又对上证股指进行拟合分布，发现股指收益率基本服从t 分布, 表明股价的波动并非完全由外来噪声造成的,一些非随机因素也影响着股价。

徐天群、刘焕彬、徐天河、陈跃鹏(2009)[2]提出了由原始分布和尾分布组成的组合分布模型。并对深证成分A 指的收益率进行了组合分布拟合。结果显示组合分布不仅比原始分布和正态分布明显地提高了效率, 而且能较准确地估测股票的风险价值。

余卫军、张新生(2004)[10]用levy flight 来拟合其分布, 但结果并不理想.之后两位学者提出了一种类似Weibull 分布的函数来拟合上证指数收益率分布, 模拟结果较好. 同时,对尾部作了截尾处理, 以更接近实际数据在尾部表现出来的“厚尾”现象.

禹敏,陈收(2006)[15]使用的三个常见的分布模型: 非对称Lap lace分布、改进型Laplace分布和混合正态分布对中国股票市场收益率分布进行研究。分析结论认为正态分布忽略了负偏性, 混合正态分布和改进型Laplace的拟合结果能够反映股指收益的负偏态, 而非对称Laplace分布对负偏性考察不足。

张磊、苟小菊(2012)[5]应用非广延统计力学理论以及与之密切相关的非线性Fokker-Planck 方程所描述的动力系统，根据我国上证指数和深证指数2004 年1 月1 日～ 2008 年11 月13 日的高频数据，分析了在三种不同的时间标度下股指收益的概率分布，发现Tsallis 分布可以很好地描述收益分布的“尖峰、厚尾、有限方差”等特征，同时也给出了市场微观动力学层面的解释。揭示出我国上海和深圳股市的价格过程并不符合随机游走，而是反常扩散过程，两市具有十分接近的非线性动力系统特征。

瞿慧、肖斌卿(2011)[6]将马尔科夫状态转移结构应用于中国股票指数对数收益率分布的建模，并提出使用混合正态分布模型描述股指收益率在各状态的分布，建立隐马尔科夫状态转移－ 混合正态分布( HMS-MND) 模型，使用期望最大化算法( E-M 算法) 和Baum-Welch 算法给出模型的参数估计。似然比检验结果和模型参数估计表明，大部分股票指数收益率的分布中都存在显著的马尔科夫状态转移结构，且HMS-MND 模型可以较好地刻画对数收益率分布的高阶矩统计特征。

卢方元[16]利用Nolan软件对上证指数收益率的分布状况进行实证分析，实证研究结果表明上证指数收益率可以用稳定分布进行描述。