本文主要運用隨時間而變波動性之動態probit模型探討美國股市超額報酬方向性的樣本內與樣本外預測表現。除了預測整體股市方向之外,我們亦檢驗規模投資組合是否可預測。在模型設定方面,我們在動態probit模型中,加入隨時間而變波動性。為了避免參數化估計波動性會產生模型誤設的問題,本文使用Hansen and Lunde(2005, 2006)所建議的kernel-based realized variance估計,對波動性進行非參數估計。預測變數的選擇則有Chen et al.(1986)所考慮的期間利差與通貨膨脹率,以及Nyberg(2011)所建議的短期利率變動。此外,我們亦建構出聯邦基金利率期現貨利差(欲藉此衡量美國聯準會的貨幣政策於報酬方向性的預測力)與Hong et al.(2007)所考慮產業類股報酬率。我們藉由日資料估計每個交易月的波動性,再由月資料探討樣本內與樣本外預測表現。其中,在樣本內預測的部分,我們運用t統計值判斷預測變數之參數的顯著性,並利用配適度指標pseudo R square衡量預測變數的配適程度;樣本外預測則採遞迴估計量以計算樣本外機率預測值後,再利用QPS(quadratic probability score)指標衡量probit模型與預測變數的樣本外預測表現,最後則以CW檢定統計量判斷各預測變數在統計上的顯著性。主要實證結果顯示:考慮隨時間而變波動性的動態probit模型在針對S&P500指數與大規模投資組合的預測表現上,相較於標準動態probit模型而更為突出。在預測變數方面,最具樣本內預測力的通貨膨脹率與短期利率變動,但是其在樣本外預測力皆小於產業類股報酬。樣本外預測結果為印刷業類股報酬為最具預測力,其次則為紡織業、機械業、零售業、金融業、服務業、大眾傳播業、運輸業、製造業類股報酬。