近年来,Hawkes过程逐渐应用于金融市场,因其能充分刻画资产价格的跳跃激励效应,引起广大学者的关注。而在建立Hawkes模型的过程中,选择有效且精确的参数估计方法,是学者们关注的重中之重。作为目前较流行的估计方法,贝叶斯估计综合考虑了参数的先验信息和样本数据的信息,在Hawkes模型的参数估计中有明显的优势。本文针对金融市场资产价格的跳跃现象,构建了具有指数衰减强度的常激励Hawkes模型,针对该模型,给出相较于传统极大似然法更精确的模型参数估计方法,即基于马尔科夫链蒙特卡洛（MCMC）的贝叶斯统计推断。主要研究工作如下:一、针对单个市场的情形,为了研究其资产价格跳跃的时间聚集效应,构建一元具有指数衰减强度的常激励Hawkes模型。对于模型中的三个参数,基于贝叶斯理论框架,选取参数的先验分布为共轭分布,然后结合模型的样本似然函数给出各个参数的条件后验分布,利用Metropolis-within-Gibbs算法从各个参数的条件后验分布中抽样,分别取样本平均,即可得到模型中各参数的估计值。二、针对两个市场的情形,为了研究资产价格跳跃的时间和空间聚集效应,将一元Hawkes模型拓展为二元具有指数衰减强度的常激励Hawkes模型。此时模型中有十个待估计的参数。与一元模型类似,通过将模型中参数的先验信息和样本的似然函数相结合,给出各个参数的条件后验分布,再用同样的算法从参数的条件后验分布中抽样,得到各参数的估计值。三、分别利用稀释算法模拟出本文的一元和二元Hawkes模型样本的跳跃路径,并与极大似然法相比,发现贝叶斯方法在本文Hawkes模型的参数估计过程中效果更好。四、选取沪深300股指现货和沪深300股指期货市场进行实证分析,通过对两市场的跳跃现象分别建立一元和二元Hawkes模型,并利用贝叶斯方法进行参数估计。可以发现,沪深300股指期货市场和对应的现货市场资产价格的跳跃均存在明显的自激励效应,而这两市场间资产价格的跳跃存在着非对称的交叉激励效应,即股指现货市场价格跳跃的发生会增加股指期货市场价格跳跃发生的概率,而反之不一定会。该研究刻画了我国股指期货和现货极端风险的传递机制,对监管局进行风险控制具有一定的指导意义。