近年来,金融随机波动(SV)模型广泛地应用于金融经济学、数理金融学和计量经济学领域,专门用以捕捉金融市场金融资产时变波动性,并对金融决策制定产生重要的影响,是现代金融学理论界与实务界中一种非常重要的波动模型。目前SV模型在金融计量学界正方兴未艾,虽然取得了一系列的研究成果,但计算上较为简单、而算法相对有效的估计方法迄今研究不足。本文对已有研究文献进行了广泛的调研和系统的综述,重点讨论SV模型、扩展模型和马尔科夫转移SV模型的近似估计,并对我国沪深股票收益率和市场短期利率展开实证分析,论文主要工作和创新如下:一、讨论了高斯混合状态空间模型、马尔科夫转移状态空间模型以及马尔科夫转移高斯混合状态空间模型的确切分析,推导了这些模型的确切滤波、确切似然函数,依次提出了依赖于控制参数的三种近似滤波,以及相应的近似似然函数和近似平滑技术,并通过随机模拟实验讨论了近似估计方法的准确性。二、基于高斯混合近似滤波方法给出了SV模型、扩展SV模型和马尔科夫转移SV模型的近似估计方法;通过随机模拟实验,将近似估计方法与粒子滤波方法、传统估计方法进行了拟合准度分析,参数估计有限样本性质分析,从而评估了近似估计方法应用于SV模型的可行性。三、利用SV类模型分析了沪深股市收益率、短期拆借利率序列的时变波动性,证明了SV模型比GARCH类模型具有更好的预测能力,证明了近似方法与贝叶斯方法和蒙特卡罗似然具有可比性,证实了沪深股市波动性、短期利率波动性中均存在明显的区制转移特征,证实了忽略波动结构性突变可能导致波动持续性高估的事实,并且发现利率波动不仅存在均值转移,还存在波动持续性和波动的波动转移,而且这种波动转移性与我国经济增长率变化有一定的联系。