股票市场在虚拟经济系统中占有重要的一席之地,其因运行规模庞大,参与者众多,对外界信息极其敏感而具有明显的复杂性、不确定性等特点,这种不确定性可以由波动率来衡量。中国股票市场是一个新兴资本市场,尤其是中小板市场和创业板市场都有着较短的发展历程,整个资本市场无论从体制方面,还是监管方面,都还不是特别规范,表现出一种不成熟性。这种不成熟性造成了中国股市较强的波动性。不稳定的证券市场、不科学的投资以及偶尔发生的一些恶性投资事件,使得整个证券市场风险性较高,给监管者和投资者带来严峻的挑战。在这种背景下,如何准确描述中国股市的价格波动特征及如何合理预测未来股票收益波动率成为学者们广泛关注的热点问题。因此,对波动率拟合和预测能力的研究具有重要的理论意义和应用价值。GARCH族模型是近年来研究金融时间序列较为流行的模型,国内外众多学者运用此模型对不同金融时间序列进行了研究,其中最典型的是对股市收益率的研究。但是,国内学者的大多数研究都集中在对单一GARCH模型在单一市场中的应用,并没有考虑所运用的模型是否是该市场拟合和预测的最佳GARCH模型,也并没有将主板市场,中小板市场和创业板市场结合起来通盘考虑。并且,随着GARCH族模型的发展,一些学者根据混合分布假说理论尝试着分别将交易量因子和价格极差因子作为信息流的重要替代变量引入到条件方差方程中以改进GARCH模型的拟合效果和预测能力。受到上述启发,本文尝试着将交易量因子和价格极差因子同时引入到三个较为成熟的GARCH模型中,对主板市场、中小板市场和创业板市场进行实证研究。一方面探究这种模型的改进方式是否有效,另一方面探究三个市场波动率的特征,并甄别出对于各个市场而言拟合和预测效果最好的模型。三个GARCH模型分别为GARCH,TGARCH和EGARCH,每个模型都假设标准残差分别服从正态分布,学生t分布和广义误差分布三种情况。全文共分为六个章节,第一章为绪论,主要内容是根据研究背景说明研究意义并提出论题；梳理文章对研究内容和行文结构的安排；指出文章的创新之处。第二章是中国股票市场发展概况,主要评述了主板市场,中小板市场和创业板市场的发展历程和现状；第三章是收益波动率研究现状及文献综述,主要从研究对象和研究方法两个角度对GARCH族模型的研究现状进行评述；第四章是基于改进的GARCH族模型的建模,主要对GARCH族模型的具体模型形式,参数估计以及相关改进做了详细阐述：第五章是实证部分,也是全文的核心章节,主要论证了主板,中小板和创业板市场波动率的一般特征,验证了改进的GARCH族模型对波动率拟合和预测的有效性,并根据相关指标筛选出各市场拟合和预测效果最佳的具体模型；第六章是结论与展望,全面总结了本文得出的主要结论,提出不足之处并展望了进一步的研究方向。本文主要结论为：(1)在各个市场收益波动率特性的具体分析中,共性之处在于：1.各市场均显著存在波动聚集性,长记忆性和杠杆效应。2.从收益率序列的描述性统计可以看出,平均收益率和标准差的高低排名依次为创业板市场,中小板市场和主板市场,体现了金融资产的收益风险配比原则,也说明创业板市场的波动率要大于中小板市场,中小板市场要大于主板市场,这与各市场处于不同发展阶段,其成熟程度各有差异的基本事实相吻合。(2)对于主板市场,中小板市场和创业板市场来讲,在GARCH族模型中同时引入交易量因子和价格极差因子能够改善部分GARCH族模型拟合和预测效果(3)各市场各不同分布下交易量因子和价格极差因子对前期信息流的替代作用强弱是不同的,这主要取决于市场中交易量因子与价格极差因子所能够真实替代的前期信息流冲击的大小,而对于当期信息流来讲,价格极差因子是比交易量因子更重要的当期信息流替代变量；(4)根据AIC最小信息准则,均方根误差(RMSE)和平均绝对误差(MAE),主板市场拟合和预测效果最佳的模型是标准残差服从正态分布下的EGARCH-R,中小板市场拟合和预测效果最佳的模型是标准残差服从广义误差分布的EGARCH-V-R,创业板市场拟合和预测效果最佳的模型是广义误差分布下的EGARCH-R。本文主要有两个方面的特色：(1)从实证方法来看,GARCH族模型是基于历史数据的研究模型,自发现以来备受青睐,众多学者从两条主线上对其进行了应用,一是研究对象,二是模型本身。1.从研究对象上讲,目前大量文献都是从单一市场单一模型进行实证,而在中国股市中,每个市场的发育程度不同,不同市场有不同的最佳拟合和预测模型,因此本文将运用多种模型在多个市场进行实证分析,以期筛选出各市场的最优拟合和预测模型。2.从研究方法来看,将价格极差因子和交易量因子分别引入GARCH族模型的改进方法的有效性已经被有关学者所证实。本文考虑到价格极差和交易量是从不同层面反映信息流对收益率的影响,尝试着将交易量因子和价格极差因子同时引入GARCH族模型中,以期在主板,中小板或创业板中得到这种改进的拟合和预测效果优于单独引入价格极差因子和交易量因子的结论。(2)从数据选取上看,相关文献表明股权分置改革在长期内降低了股票市场的波动性,减弱了前期信息对当期的冲击,但是延长了该冲击的作用时间。因此,本文在数据选取时,以股权分置改革基本完成时间为起点,即数据选取时段为2007年1月4日至2015年6月30日。另外,考虑到交易量因子和价格极差因子以绝对值形式的引入会引起实证结果中交易量和价格极差因子系数过小或者GARCH或TGARCH模型中一些要求非负的系数变为负值从而不满足GARCH族模型对系数的要求,而且低频数据的收益率波动是日间波动,而非日内波动,因此本文以交易量和价格极差增长率的形式引入到模型中。本文的不足之处在于：(1)碍于篇幅有限,实证过程只涉及到三种GARCH族模型,可能在这三种模型之外还存在着拟合或预测效果更好的模型。(2)本文数据选取是从2007年1月4日开始的,主板市场和中小板市场只有不到8年的数据,而创业板只有5年的数据,数据量不足可能会对实证结果的显著性造成一定影响。