金融时间序列波动性的刻画一直是金融市场研究的核心问题之一。金融市场中的波动往往表现出显著的时变性,为了刻画这种时变特征,学者们提出了两大类模型：一类是ARCH模型及其扩展形式,包括GARCH模型、TGARCH模型、EGARCH模型等；另一类是随机波动模型(SV模型)及其扩展形式,包括厚尾SV模型、非对称SV模型(ASV)、门限SV模型等。大量的研究表明,SV模型比GARCH族模型更加适合描述波动的时变性,且在资产定价中表现出更好的长期预测效果。近年来SV模型越来越受关注,其模型形式和估计方法得到了不断的发展。在众多SV模型的参数估计方法中应用最广泛的为马尔可夫链蒙特卡罗方法(MCMC方法),根据国内学者在这方面的持续研究及对沪深股市波动特征的实证分析结果,得知SV模型的MCMC估计方法不但快速有效,而且具有很高的准确度。随着我国股票市场的日渐成熟,行业指数波动性也在一定程度上反映了行业投资的风险。如在股票市场中进行资产配置时,投资经理人一般先决定要投资的行业,即资本在不同行业的配置；然后再选择每个行业中的投资的股票类型及其应占的比重。这也说明行业类型是决定资产配置收益——不同股票回报率差异的重要因素。所以,深入的研究行业波动性特征,不仅对投资者进行投资组合决策和资产管理具有重要的意义,还对国家更全面的认知股市,制定适宜的监管政策具有重大的意义。本文围绕着我国股市的行业波动特征,以我国十大行业指数收益率数据为对象展开了计量检验分析。本文首先对各收益率数据进行了统计描述分析和ARCH效应检验,结果表明我国十大行业指数收益率在整个样本观测区间内呈现出与沪深股市大盘共同的波动特征：左偏尖峰厚尾分布、集聚性和显著的ARCH效应。运用GARCH类模型对各收益率数据进行了的模拟检验,结果表明十大行业指数收益率存在着显著的ARCH效应以及波动非对称性和持续性,且不同行业间波动非对称性和持续性的程度各有不同。随后,利用ASV模型进一步模拟我国股市十大行业指数收益率数据,并利用MCMC方法估计了ASV模型的参数。根据模型的拟合效果和随机波动率估计值,发现有效估计的ASV模型比GARCH类模型拟合效果更好,ASV模型较好的描述了我国行业指数的波动特征,标准化的各收益率序列基本上都服从于N(0,1)分布。另外,实证结果还表明我国十大行业指数波动对收益的杠杆效应显著存在,且这种波动非对称性在行业间比较看,波动风险性最高的金融行业的非对称参数最大,工业、能源和可选消费板块的杠杆效应也比较显著,对外界信息反映不敏感的医疗保健业和电信服务业的非对称效应系数最小。对于波动时变性中的波动集聚性、波动持续性及波动非对称性,上述两类模型都给出了很好的刻画效果,但却不能刻画波动结构的突变性。本文利用引入马尔可夫区制转移的ARCH模型,即SWARCH (Regime-switching ARCH)模型,进一步模拟了我国股市十大行业指数收益率的波动特征。SWARCH模型将波动性的持续性分解成了两个部分：每个波动状态的持续性和每个波动状态下波动性冲击的持续性。此外,SWARCH模型还刻画出各个行业收益率序列不同波动状态的持续期和不同波动状态间的转移,从而刻画出了我国行业指数波动结构的突变性,更好的描述了股市行业波动的特征。具体地,一方面,根据模型的拟合效果进行了模型拟合能力比较,发现SWARCH模型表现出比ARCH模型更好的拟合效果,明显地降低了ARCH模型部分的持续性。另一方面,通过SWARCH模型的计量检验和描述,发现我国股市十大行业指数共同表现出显著的三区制波动状态：低、中、高波动状态。SWARCH也捕捉了不同行业因其自身发展特点而产生的波动状态转移差异。在波动的区制持续性比较上,十大行业指数收益率在大多数时期的波动状态持续和转移是一致的,如2000年6月到2001年间维持的低波动,2004年初到2006年间大部分时间的中波动,2007年到2009年5月间大多时间的高波动。但由于不同行业内部的发展因素及行业政策,十个行业指数收益率在上述大致波动状态持续期内也存在不同的状态转移。这种结果表明我国十大行业波动不仅受自身因素影响,还受宏观整体经济的影响。