在经济全球化的影响下,越来越多人参与到金融市场之中。由于金融市场参与者关注的往往是金融指数未来的发展趋势,时间序列预测模型由于能根据过去数据特征来拟合预测模型成为如今决策者首选。但是金融市场中波动性往往是决策者在与市场博弈中首要考虑的问题。所以人们更关注的是证券市场的价值波动是怎样变化的,通过精准的拟合出价格波动模型,才能规避运行风险,从而达到利润的最大化。在实际运用中:决策者通过对金融数据的波动性进行拟合预测从而构建预测模型,能够帮助投资人更好地掌握市场中的资产价值,最大限度地减少损失,有效地度量和防范金融市场风险。GRACH模型作为对传统时间序列的改进,其重点对准金融时间序列异方差的特性。并且利用波动率与过去时间段的波动率存在一定关系的特点解决异方差的问题。尽管GARCH模型解决了金融时间序列中的方差项预测不准的问题,金融时间序列中依旧存在着波动方差分布拟合不符的问题。所以很多研究人员针对金融市场数据的波动分布开展了深入的研究,但是不同分布始终是对应单一数据下的情况。决策者在很多情况下不知道如何选择分布形式来支持自己的决策需求。本文从分析不同分布的GARCH模型出发,以服务决策者投资需求为目的,借助DEA模型的成熟框架,评价五种常用GARCH模型的效率,以期为决策者选择适合的分布模型拟合金融数据提供参考。本文选择了五种目前研究金融数据常用的厚尾分布:T分布、ST分布、GED分布、NIG分布,并给出Levy不对称分布拟极大似然估计参与比较。并引入拟合优度、偏离度和预测方向准确度作为效率评价阶段DEA模型效率比较的输入,输出,构建超效率非期望DEA模型得到了不同分布模型排序,此外为了得到更为立体的效率排名和不同分布模型之间的差距,还使用背景依赖DEA模型计算不同模型与不同生产前沿面的改进值与吸引值从而对预测模型进行评价,得到了完整的预测模型效率排序。在经过一系列的效率评价之后得出结论:在不同分布的GARCH模型中,NIG分布和GED分布始终是最符合准确度评价指标的预测模型,即当NIG和GED分布预测模型在股票价格出现大的波动性的情况时,其在预测未来波动方向时仍然优于其他分布预测模型。因此使用DEA模型对预测模型进行效率评价能综合决策者的需求,为决策者提供更为一致的排序结果。