假设波动率为常数的B-S模型是不符合金融市场实际的,并且期权市场数据中隐含波动率有关执行价格曲线的“微笑”和“偏斜”效应进一步证实了波动率是随机的,于是,本文基于B-S模型的一类拓展模型,即随机波动率(SV)模型,研究了其参数估计及应用。本文对SV模型进行了较详细的总结,主要考察了离散型SV模型的参数估计问题及其在沪深股市的应用。基于1995年10月26日到2005年12月30日沪深股市的日价格收盘数据,利用有效矩(EMM)估计和马尔科夫链蒙特卡罗(MCMC)模拟两类方法解决了随机波动率模型由于其均值方程的方差是一个潜在的、非直接观测到的变量,不能直接得到模型的似然函数与模型无条件矩解释形式的问题。从综合比较的结果来看,对于大样本而言,两种估计法的精度都很高,但是基于Winbugs统计软件实现的MCMC方法需要建立马尔科夫链来实现后验分布,对于运行环境的要求也更高;而EMM方法必须选择到合适的辅助模型从而计算出其密度函数来建立矩条件,同时对程序编辑能力提出了更高的要求。此外,基于SV模型分析中国股票市场的结果来看,中国股票市场的波动性具有相当高的持续性;沪深股市较高的平均波动水平,说明我国股市存在很大的噪声交易;沪深股市的扰动项系数与发达国家相比也还有一定距离。但是从总体来看,中国股市正处在进一步完善的过程中。