在金融市场中,利率是资产定价的核心变量,因此对短期利率模型及其参数估计的研究具有重要意义。许多文献给出了短期利率模型参数的经典估计方法,如普通的最小二乘估计,极大似然估计等,但经验分析表明,这些方法的估计效果却并不是很理想,尤其是历史数据并不是很多的情形。我们注意到,一种设定参数的模型往往仅适合某一段时间的市场数据。在这种情况下,只能采用近期数据估计模型参数,这也意味着我们需要一种基于小样本的参数估计方法。不同于极大似然估计等经典参数估计方法,需要大样本数据,本文基于一定样本大小的数据运用贝叶斯方法探讨短期利率模型的参数估计。本文在对短期利率模型的经典参数估计方法进行讨论的基础上,基于MCMC方法探讨似然函数已知情形的模型参数的贝叶斯估计。然而,由于大部分短期利率模型的似然函数是难以处理的,估计连续时间的短期利率模型具有挑战性,所以本文通过使用欧拉近似的方法去近似似然函数。虽然这会导致一定的离散误差,但是我们运用扩充数据的方法减少离散误差的产生。在这种情形下,本文基于MCMC方法进一步探讨似然函数未知情形的模型参数的贝叶斯估计。模拟分析表明,基于MCMC方法的贝叶斯估计具有较好的效果,一定程度的数据扩充有利于提高参数估计的精度和减少债券价格的误差。而且,基于MCMC方法的贝叶斯估计对于一定样本大小的估计都是比较准确的。