我们模型的研究起点是Merton推导出来的一个真实的风险收益关系的近似，这里，xt 1是总体财富组合的超额收益率，是资产t时刻估计的方差，表示所有经济代理人所关注的绝大多数的经济不确定因素。对上述问题的现实化需要对经济代理人的信息集做出说明。Campbell给出了上述关系均衡成立的一个充分条件。对上述问题的解决一般有两种方法，一类是通过Campbell的工具变量模型，一类就是通过GARCH-M模型。
对风险收益跨期关系模型的估计必须考虑到信息集组成，也就是解释变量如何选取的问题。在研究中，我们选取的导致波动的信息包括：（1）名义利率。将名义利率引入到模型中更多是出于直觉，Fischer的研究认为，利率水平的增加会导致通货膨胀的增加。（2）月份季节效应。Lakonishok和Smidt以及Keim的研究发现，在股票收益率中存在波动的季节模式。前面关于股票收益率日历效应的检验也表明，在中国股票市场上，也存在某种程度的日历效应。（3）股票超额收益率的非预期变化就是超额收益率的新息项（innovation），将它们包含在模型中是因为它们能够对均值方差产生影响。这主要出于两种考虑：财务杠杆效应（leverageeffect）和风险溢价效应。财务杠杆效应理论可以参考F。Black和A。Christie。风险溢价效应认为，由于股票市场投资者是风险厌恶的，如果波动性是可以定价的，那么，波动增加就会导致期望收益率增加。
由于ARCH模型在确定收益率平方滞后阶数时存在着一定的困难，且当p增加时，ARCH（p）模型趋向于GARCH（1，1）模型。因此，我们倾向于采取GARCH（p， q）模型来进行实证建模。如果未来方差不仅仅是当前收益率新息平方的函数，那么简化的GARCH-M模型就是错误设定的。此时，基于前面模型的实证研究结果就是不可靠的。我们假设，当（公式中的指标因子或虚拟变量It-1取1）时，与当（公式中的指标因子或虚拟变量It-1取0）时，对条件方差Vt-1的冲击效应是不同的。上述非对称冲击可以通过非对称冲击虚拟变量It来刻画，其定义见上面括号说明。考虑我们对超额收益率日历效应的检验结果，可以引入虚拟变量周三WEN。虚拟变量WEN在周三取值为1，否则取值为0.为此，我们假设季节效应仅仅会按照一个既定常数来放大隐含的基础波动，后者不会表现出任何日历效应，同时，我们假设基础波动性仅仅取决于下一期的超额收益率新息的基础部分。特别地，我们假设可以将任何日历时刻的超额收益率新息记为某种内在的基础新息乘以某个尺度因子，这些超额收益率新息不含有任何日历模式。