近似贝叶斯计算(Approximate Bayesian Computation,ABC)方法是近年来发展起来的一种基于数据模拟的贝叶斯推断方法。基于经验似然的近似贝叶斯计算方法(Bayesian Computation with empirical likelihood,BCel)可以克服 ABC 方法难以校准等问题,是一类改良的ABC算法。稳定分布(stable distribution)是一类可以刻画"尖峰厚尾"的金融数据的分布,但其不存在显式密度函数表达式,常用的参数估计方法不能很好地处理。本文提出基于BCel的稳定分布参数估计方法及贝叶斯预测方法,并进行数据模拟实验及上证指数收益率分布实证研究。合成似然(synthetic likelihood)是一类代理似然,常与Metropolis-Hastings马尔科夫链蒙特卡罗算法(Metropolis-Hastings Markov Chain Monte Carlo,MH-MCMC)结合,即基于合成似然MH MCMC方法(MHsl),对复杂模型进行统计推断。本文将合成似然结合ABC方法,类似BCel提出基于合成似然贝叶斯计算(Bayesian Computation with synthetic likelihood,BCsl)。BCsl 可以避免 MHsl 繁琐的调整接受概率的工作,并且比BCel更加稳健。本文将BCsl对比BCel,MHsl对混沌生态动力模型(chaotic ecological dynamic system model),分位数分布(quantile distributions),时间序列异方差模型(heteroscedastic time series model),分层的二项式模型(binomial model),人口基因模型(population structure and local adaptation model)等五类模型根据模型特点进行参数估计数值模拟实验,说明BCsl方法应用过程与估计效果,最后将BCsl用于上证指数收益率时间序列进行了实证研究。