金融时间序列存在着普遍的波动性现象,而波动性是许多有关金融市场研究的一个核心问题。随机波动率族模型是一类很好的描述波动性的模型。以往文献常用基本随机波动率模型描述我国股市价格序列的波动性,其结果往往并不令人满意,一方面,金融时间序列的无条件分布与异方差模型相对于标准正态分布的假设相比,会呈现出较大的峰度和更厚的尾部;另一方面,资产收益率与波动率存在相关性。为克服上述缺陷,本文利用厚尾SV模型和杠杆SV模型对我国股市的波动性进行分析研究。由于MCMC(Markov Chain Merto Carlo)方法在解决SV模型中的高维分布参数估计以及求解似然函数和后验分布都更加有效,因此本文利用MCMC方法估计模型中的参数。首先,根据贝叶斯理论对SV族模型中的基本SV模型,厚尾SV模型(SV-T模型),杠杆SV模型进行贝叶斯分析,计算出每个模型中参数的后验分布密度函数,然后,以上证综指和深证成指的指数序列作为样本值,构造基于Gibbs抽样和Metropolis-Hastings抽样的MCMC方法过程,利用matlab软件计算出各模型中的参数值。在得到参数的估计值后,本文对上海股市和深证股市的波动特征进行分析,同时进行两市的比较分析,对我国股市的波动性作了更为精确的描述。而对于模型的比较,大多数文章是采用贝叶斯因子,由于该方法计算量较大,本文将使用DIC准则对上证综指在SV族模型下的模拟情况进行比较分析,以确定适合中国股市的SV模型。