信息技术的飞速发展和金融市场日趋全球化的倾向,导致新的金融产品不断涌现,极大地增加了金融投资和银行业务的复杂性,而区域性的金融风暴和银行危机都表明,需要加强对金融产品稳定性的研究。对金融业进行谨慎的管制,除了急需构建新的不同种类的理论模型、使其更贴近现实世界外,更迫切的任务是,需要以微观数据为基础的实证研究。金融资产价格的波动是金融体系风险积累的重要来源之一,几乎所有的金融危机都与金融资产价格的波动相关。因而,对于波动性的定量建模是对金融资产波动性研究的核心内容之一,目前,参数、非参数、半参数建模的思想越来越多地应用于金融领域。大量的实证研究表明,金融数据中存在着波动集群性和高峰厚尾的特性,因此,用一般的时间序列模型来拟合金融数据的波动性就显得不太合适。GARCH模型是目前度量金融市场波动性的有力工具之一。参数GARCH模型是常用的模型,但是参数GARCH模型存在模型误设的缺陷。为了解决模型误设的问题,人们就提出了非参数GARCH模型,而非参数GARCH模型存在着“维数灾难”和难以对估计出的模型进行解释的问题,因此,为了弥补参数GARCH模型和非参数GARCH模型的缺陷,本文引入了半参数GARCH模型。半参数GARCH模型将参数部分和非参数部分有机地结合起来,它的参数部分能对模型进行一定的解释,非参数部分又能削减估计值与真实值之间的误差。半参数GARCH模型是半参数模型的一种,但是现有的半参数估计方法对于半参数GARCH模型并不适用,本文给出了估计半参数GARCH模型的两阶段迭代算法。通过实证分析,我们发现沪深股市收益率序列存在着异方差性,本文运用参数GARCH模型,非参数GARCH模型,半参数GARCH模型来拟合沪深股市收益率波动性。实证分析结果表明:非参数GARCH模型和半参数GARCH模型拟合的波动率比参数GARCH模型更接近真值,而半参数GARCH模型比非参数GARCH模型对所研究问题的解释能力要强,且能解决非参数GARCH模型“维数灾难”的缺陷。