随着金融市场的发展和信息技术的不断提高,平行数据已经成为现时期金融市场数据的主要存在形式,金融市场ARCH效应的存在使得传统平行数据模型的估计不再有效,而单一时间序列波动模型也显然无法满足金融市场分析的需要。本文以基于平行数据的金融波动模型研究为主要内容,其核心内容包括平行数据自回归条件异方差建模研究、平行数据随机波动模型的建模研究,以及我国股市收益与波动周内效应的实证研究等三个主要部分。平行数据自回归条件异方差模型族的研究是本文重中之重,它将自回归条件异方差建模思想引入平行数据模型,既可以分析金融市场收益与波动存在的差异性,又可以帮助人们了解整个金融市场的风险状况,以便对金融市场的波动性进行时空计量分析,该部分工作在第三章中进行。第四章则将随机波动建模思想引入平行数据模型,提出平行数据随机波动模型,运用卡尔漫滤波方法得到模型的伪似然函数,进而采用极大似然估计方法求解模型参数。股市效率问题一直是现代金融市场研究的焦点问题,国内外许多学者对此进行了大量研究,但多数文献将收益与波动的周内效应分开来进行研究和检验,忽视了波动与收益的共生性,其结果缺乏严密性和说服力。针对这种情况,本文采用平行数据GARCH模型对我国股市收益与波动周内效应进行实证检验。此外,本文对金融计量学(作为一门新兴的金融学科)诞生历程、基本概念以及研究框架进行了简要回顾与总结展望。