金融数据的波动性一直是经济学研究的热点问题之一。刻画金融数据的波动性通常有两类模型：其一是ARCH模型族，它包括Engle于1982年提出的自回归条件异方差模型(ARCH模型)和Bollerslev于1986年提出的广义自回归条件异方差模型(GARCH模型)以及各种扩展形式；其二是随机波动模型(SV模型)及其各种扩展形式。由于SV模型的似然函数难以获得，因此其参数估计极其困难，本文用贝叶斯方法，将未知参数看作随机变量，先得出其待估参数的联合后验分布，然后用后验均值作为参数的估计值。由于后验分布的维数很高，可达几千维，因此后验均值的计算将是数千维的积分，一般的数值计算方法难以解决，马尔可夫链蒙特卡罗方法(MCMC方法)是一种解决高维积分问题的很有效的方法。WinBUGS软件是一种基于贝叶斯分析用MCMC方法解决问题的软件，本文的所有参数估计都是用WinBUGS软件通过编程来完成的。本文先利用上证综合指数的数据，对SV模型和GARCH模型进行实证比较分析，无论从残差来比较还是用DIC准则，都得出SV模型要优于GARCH模型。接着研究了股价波动与交易量的关系，把上海股市的成交额以各种形式加入到SV模型中，得出中国股市的价格波动与交易量正相关，并且预期成交额和非预期成交额对价格波动的影响显著不同，非预期交易对市场的冲击明显大于预期交易的影响，也就是说，市场新信息是产生价格波动的主要原因。