波动性不仅普遍存在于金融时间序列之中,而且也是金融市场研究中的一个核心问题。用于进行波动性研究的模型主要有两类,一类是自回归条件异方差(ARCH)模型,另一类是随机波动(SV)模型。这两类模型都有各自的特点而且还存在众多的扩展模型,例如GARCH类模型和厚尾SV模型等。但是对于模拟我国金融时间序列,这两类模型及其众多的扩展模型的优劣并无一个定论。因此,需要引入了一系列的评价指标,对ARCH族模型和SV族模型的波动性预测能力进行比较分析。本文分别讨论了两类波动计量模型的建模过程以及模型参数的估计方法。首先以深、沪股两市收益率数据为基础对ARCH族模型中的GARCH模型、TGARCH模型、EGARCH模型、均值GARCH模型等进行了实证分析。然后根据贝叶斯原理对SV族模型中的标准SV模型、SV-T模型、SV-GED模型进行了贝叶斯分析。构造基于Gibbs抽样的MCMC数值计算过程,通过WinBUGS软件对模型参数进行估计。对深、沪股市进行的比较分析发现,上海股市和深圳股市都表现出明显波动聚集性、非对称性和尖峰厚尾性。沪市的尖峰厚尾特点要强于深市,而深市的波动水平比沪市的要大,风险也更高。最后利用RMSE、MAE、MAPE、TIC、LL、LE等评价指标对深证指数和上证指数在ARCH族和SV族模型下的模拟情况进行了样本外预测能力的比较。分析发现随机波动模型对我国股市的预测能力明显强于ARCH类模型。而且随机波动模型能够更好的描述收益率数据自身存在的尖峰厚尾性。另外,通过SV模型之间的比较发现,厚尾SV模型在深圳股市的预测效果要好于标准的SV模型。进一步比较发现,SV、SV-T、SV-GED三类SV模型中,大部分情况下预测能力最好的模型是SV-T模型。因此,我们可以得出结论,随机波动模型比ARCH模型更加适用于刻画我国股市的波动性特征。