封建强，王福新[10]（2003）发现t分布能更好地拟合1996年12月16日涨跌停板制度推出后的沪深股市收益率分布。孙春花[11]（2011）对2007年1月4日至2011年8月30日的上证综指收益率序列用t分布、偏t分布与非对称Laplace分布分别进行了拟合，结果显示偏t分布对我国股市收益率序列分布的拟合更具有合理性和有效性。黄德龙，杨晓光[12]（2008）在用多种分布模型进行拟合与比较后，认为scaled-t分布能够较好地模拟股指收益，尤其在其尾部，通过拟合分布结果帮助大众投资者更准确地预计市场风险。
混合正态分布，由于能在保持正态分布易操作性和有限高阶矩特征的同时，较好地刻画对数收益率的尖峰、厚尾特征，也被用来拟合收益率。瞿慧，肖斌卿[14]（2011）引入马尔科夫状态转移结构来捕捉经济和金融的潜在状态改变可能引起金融时间序列分布的内生性结构变化，并为中国股票指数的对数收益率构建了“隐马尔科夫状态转移—混合正态分布”( HMS-MND) 模型。
另外，还有一些其他分布函数本身对我国股指收益率拟合效果并不太好，但通过一定的变换后却能较好的拟合。如卢方元[15](2004)在发现修正Weibull分布直接对上证综指与深证成指收益率进行描述都不太合适后，于是通过唯一变换处理来更好地对收益率进行拟合。结果表明两股指收益率的概率分布存在一些差异，但都可完全用修正Weibull分布来刻画。
以上这些是以固定的分布模式通过确定其分布参数的方法来拟合检验收益率的分布特征，也就是运用参数估计方法，非参数估计方法在对证券收益率分布的研究中也有应用。曹景林，臧亮亮，郝际贵[3]（2013）通过对收益率序列的非参数核密度估计，得出了在合适的估计参数下，核密度曲线能很好地描述收益率的结论。镇志勇,李军[16]对香港恒生指数收盘价得到的收益率进行了非参数和密度估计，得到较好的拟合效果。王长辉，唐亚勇，吴秋芳，范刚[18](2013)利用正态核密度估计法，从经验估计初步确定光滑参数的值，并通过不断调整得到了最优的参数值。并通过所得到的收益率概率密度，分析得出了收益率的诸多统计特征。
1.3  数据来源与研究思路
本文采用的原始数据为深交所创业板指数（399006）每日收盘指数，时间区间为2010年6月1日至2015年3月31日。并对收盘指数的对数收益率进行拟合。
本文利用1170个交易日的1169个股指收益率样本，对创业板指数收益率的分布及特性进行考察。首先利用数据的基本统计量、Jarque-Bera统计量及Probabilty值进行检验，并对收益率序列与正态分布的QQ图进行观察，得出数据数据符合正态分布的假设不能成立的结论。接着利用正态分布、伽马分布、t分布以及logistic分布，分别对样本进行拟合，再对拟合后的分布函数与原始数据的拟合情况作了QQ图观察，并进行了K-S检验。通过检验结果，排除了伽马分布，并对拟合效果极为相近的t分布与logistic分布利用拟合优度V进行进一步检验。最终发现logistic分布能够更好地拟合深交所创业板指数对数收益率的分布，尤其在左尾部，拟合效果很好。最后，根据拟合情况及其分析，对创业板投资者提出了几点建议
参考文献
[1] 刘燕武.国际金融危机下中国股市收益率分布研究[J].武汉理工大学学报,2013(02).
[2] 董大勇，金炜东.收益率分布主观模型及其实证分析[J].中国管理科学,2007(01).
[3] 张婷婷，文凤华，戴志锋，杨晓光.概率权重函数与股市收益率分布[J].系统工程,2013(11).
[4] 曹景林，臧亮亮，郝际贵.中国股市收益率分布特征研究[J].统计与咨询,2013（01）. 证券收益率分布研究文献综述和参考文献(2):http://www.youerw.com/wenxian/lunwen_19344.html