波动是金融市场最为重要的特征之一。为了更好地发现股市波动的本质与特征,借助于计量经济学的发展和各种计算机软件的开发,金融经济学家、经济计量经济学家以及许多实务界人士等都致力于模型的研究,从不同角度提出了各种模型,其中最重要的有两类:ARCH-GARCH(自回归条件异方差—广义自回归条件异方差)模型和SV(随机波动)模型。它们克服了传统模型对金融收益序列失灵的缺陷,逐渐成为研究股市波动的主流模型。然而这两类模型仍然有着自己的缺陷,即都忽视了波动中的结构转换现象。而在实际的金融市场中,波动中变结构现象普遍存在的,股票市场中也不例外。因此,将结构转换因素引入到两类模型成为共识。 本文将马尔可夫结构转换引入SV模型,提出了一个包含马尔可夫结构转换的随机波动模型,并将其运用到上海股票市场进行实证研究。首先,本文对股市波动的研究情况进行了回顾,然后讨论了股市波动的基本理论,阐述了股市波动的基本概念与特征以及股市波动产生的原因;再后分别探讨了ARCH-GARCH模型族与SV模型族的建模过程以及模型参数的估计方法,并构建了马尔可夫结构转换随机波动(SVMRS)模型:最后以沪深股票市场的指数收益率序列为研究对象,将SVMRS模型运用于中国实际情况,并将其与标准的SV模型和Smith模型进行比较。 研究结果表明,上海股票市场综合指数收益率序列并不服从正态分布,并且波动中存在结构转换现象;正是由于上海股票市场指数收益率的实际特征,SVMRS模型的表现要好于SV模型和Smith模型。从实证结果可以看到,SVMRS模型能大大降低波动的持续性,揭示股市波动的特征,更符合股市波动的实际情况。而且相对于后两者模型,SVMRS模型的预测能力更好。