金融市场总在不断的变化,特别是中国金融市场仍处于不断调整和转轨中,经济规律不断变化,金融市场的金融波动结构变化是实际存在的。因此,对金融波动采用变结构的波动模型建模十分必要,变结构金融波动模型的研究也就成为了波动模型研究中的热点。本文以此为出发点,试图从理论上阐述变结构金融波动模型较其他金融波动模型更能实际反映中国股市波动性特征,然后通过实证分析来验证变结构金融波动模型刻画中国股市波动的效果。一些重大事件对金融市场会产生巨大冲击,若不考虑这些事件对波动的影响,可能不符合实际情况。特别是中国股市自身不够成熟,重大事件的冲击会导致市场波动性加剧。因此,要准确地描述出股市的波动性行为特征并非易事。国内外学者对金融市场波动性研究已做过很多分析,并建立了很多类别的数量模型。其中,时间序列波动性模型一般可以分为两类:一类是自回归条件异方差(ARCH)类模型;一类是随机波动(SV)模型。ARCH类模型因其良好的统计特性和对波动现象的准确描述,被广泛地用于金融领域,常用模型有EGARCH、TGARCH、APGARCH等多种。本文拟介绍一种研究波动性的新方法——状态转移的非对称PGARCH(简称RS-APGARCH)模型,这种变结构波动模型是在APGARCH模型中引入一个具有两个状态的马尔可夫转换机制,将股市波动分成两种,一种是股市处于下跌状态,另一种是股市处于上涨状态,而一个随机过程控制了这两种制度之间的转换。论文将运用比较成熟的GARCH模型和灵活的APGARCH模型RS-APGARCH模型对中国股市波动性进行实证研究,并通过实证结果比较这些模型对中国股市波动性的刻画能力。通过本文理论分析并对中国沪深股市波动性进行实证研究,本文认为经济政策的出台、金融监管制度的变迁、金融市场自身的完善以及国际金融危机的冲击等事件对数据结构均会产生很大影响,使得在条件波动中存在变结构,在对数据建模时,采用变结构波动模型能更好地刻画中国股市的波动性。因此,针对中国股市波动程度大、稳定性差的特征,采用变结构波动模型对股市进行波动性研究具有较大的实用性和应用空间。有利于政府加强政策监管和引导、投资者进行风险规避。与此同时,政府需要进一步加大资本市场制度及运行机制建设,加强投资者教育,适时引入做市商制度和做空机制,增强市场稳定性,减少重大事件对股市的巨大冲击,保持资本市场的稳定性。