随着我国证券交易的日益成熟,人们对于股票的关注度也日益提升。关于股市的方方面面都吸引着人们的关注。例如,对于股票的选择及股票价格的走向。聚类分析作为一种数据处理方法,因其简便容易理解的特点得到了广泛关注。它能够帮助投资者在数量庞大、种类繁多的数据信息里筛选出对自己有价值的数据,并选择出最适合的方法来进行处理。GARCH模型是人们常用的描述股市波动率的模型。Engle于1982年给出了自回归条件异方差(ARCH)模型。到目前,ARCH模型已经成为应用最广泛的模拟金融收益序列的模型。虽然ARCH模型可以刻画出金融收益序列分布的一些特征,但也有一定的局限性。一方面,q较大时,ARCH模型的条件方差与开始的方差具有相关性,易使得误差较大;另一方面,ARCH模型要求参数为正,以保证方差大于零,但在实际应用中,往往会遇到参数为负值的情况。据此,Bollerslev提出了广义自回归模型(GARCH模型)。而后,又有人逐渐提出了EGARCH、GARCH-M等模型。本文第一章对聚类分析做出了阐述,并简单介绍了主成分分析的方法。第二章介绍了波动率模型的相关概念。第三章为实证分析,首先利用GARCH模型族对深证综合指数的收益率波动进行了实证研究,所用软件为eviews,得到EGARCH(1,1)模型比GARCH(1,1)模型及GARCH(1,1)-M模型能更好的拟合深证综合指数收益率波动的结论。随后,又令EGARCH(p,q)的参数发生变化,得到EGARCH(1,3)模拟更优。另外,还利用SPSS软件,对于随机选取的20支深市股票采集多种指标,先按照主成分分析方法进行筛选,然后运用聚类分析等方法对近期深股20支股票进行了分类,得出结论供投资者进行参考。