中国股市仅有20年历史,由于市场机制不完善、法制建设滞后以及投资者心理不成熟等原因,它易受外界因素影响而呈现较大波动。因此,对其波动的深入研究显得尤为重要,不少学者针对股票指数收益率进行波动性建模。波动性建模的发展主要经历了三个阶段:早期的同方差假设下的传统计量模型,后来的自回归条件异方差(ARCH)模型和随机波动(SV)模型,以及新近发展针对高频数据的非参数模型。目前应用最广的仍是(G)ARCH类模型,但在实际应用中还可以与时间序列结构性变点结合在一起考虑。在此基础上,本文使用带结构性变点虚拟变量的GARCH类模型对自1996年12月16日至2010年5月31日上证指数、深证成指收益序列进行拟合。内容主要从两个方面展开:一是使用ICSS算法检测样本期间两个指数收益序列的方差结构性变点,该算法的实质是利用一系列迭代残差构造合适的统计量,事先模拟其分布及临界值,之后对序列作假设检验,从而检测出符合要求的变点。另一方面是把这些结构性变点作为虚拟变量加入GARCH类模型重新拟合,然后比较不同情况下的拟合优度及预测精度,选出最优模型。这里需要考虑的因素还有风险溢价、非对称效应以及扰动项分布等。对样本序列进行实证检验的结果表明,中国股市中部分重大事件使股指收益序列方差形成了结构性变化,考虑这些结构性变点,并将其作为虚拟变量加入EGARCH(1,1)模型的拟合效果相对较好。其中,假定扰动项t分布下的拟合优度最高,但GED分布假设下预测精度更好。这样,进一步的研究便可对资产收益风险价值等作更为精确的度量。