随着对金融市场研究的发展，研究人员发现大多数时间序列诸如股票价格、通货膨胀率、利率、外汇汇率等的误差序列无自相关，但误差的平方序列存在自相关，即误差的方差或波动随时间变化。这就对经典的最小二乘法回归所假定的误差序列无自相关、误差的方差为一常数提出了质疑。最小二乘法不再适用于对此类经济数据的建模和估计。美国圣迪亚哥大学经济学家恩格尔(EngleR.F)教授于1982年提出的自回归条件异方差(AutoRegressiveConditionalHeteroskedasticityARCH)模型恰恰捕捉到了经济类时间序列数据的这个特点。 ARCH模型是一种动态非线性的时间序列模型，它反映了经济变量之间的特殊的不确定形式：方差随时间变化而变化。在金融经验分析中，ARCH模型被专门用于波动性的建模和预测。作为一种全新的理论，ARCH模型在近二十几年里取得了极为迅速的发展，已被广泛地用于验证金融理论中的规律描述以及金融市场的预测和决策。 ARCH模型族在国内金融市场的研究中已经得到广泛地应用，但对ARCH模型族的理论介绍散落在诸多文献中，没有对其进行详尽地总结和介绍。本文的目的在于对单变量ARCH模型进行比较详细的总结，文章第一部分完成了此项工作，笔者将但变量ARCH模型的发展分为三个阶段，即早期的ARCH模型族、GARCH模型的提出及发展和长记忆与ARCH模型的结合，使之成为一个体系，对其中一些较重要的模型也作了较详尽的介绍，并有针对性地指出一些模型的缺陷，及其改进途径。第二部分是对ARCH模型参数估计及其应用领域的一个介绍。第三部分在前文的基础上，用ARCH模型分析1999年7月1日到2003年12月31日间深圳股市收益的波动性、风险溢价、杠杆效应和周末效应。研究结果表明深圳股市具有明显的波动集聚性、风险溢价和波动的周末效应。