作为经济走势的晴雨表，我国的股票市场在经过了20多年的发展，积累了较大的泡沫成分，体现出一定程度的市场波动性，故度量、刻画分析波动的特征有着重要的意义。本文以上证综指收益率序列为例，对于这类复杂的金融数据，采用极大似然估计方法得出简单的GARCH族模型无法刻画出波动序列的尖峰厚尾性，聚集性，长期记忆性以及杠杆性等诸多特征。因此，为了能够更好的刻画出波动特征，本文首先尝试利用R/S分析法，假设残差分别在正态分布、t分布、GED分布及SKT分布下，使用“滚动时间窗”的方法对波动率进行预测，并采用ARFIMA(p,d,q)-EGARCH(m,n)-M模型对收益率序列进行了实证分析。实证结果表明：上证收益率序列存在长记忆性；基于SKT分布条件下ARFIMA(2,1)-EGARCH(1,1)-M模型能够较好的处理序列尖峰厚尾和聚集等特征并且较其他分布条件下具备较强的预测精度。随后在GARCH族模型的基础上，结合了马尔科夫机制转换的状态空间模型对其进行了扩展，文中讨论了三状态的MS-ARCH(3)模型，并且采用MCMC方法对参数进行估计，将采样Metropolis-Hasting取样法嵌套于Gibbs取样法中的方法，对参数进行取样。研究发现：MS-ARCH模型比GARCH族模型在刻画波动聚集特征方面表现的更优异，尤其是能够处理GARCH族所不能刻画的结构突变的特点，MS-ARCH优势还体现实际应用方面，如危机预警的作用。此外，还建议投资者把握好高波动时的获益机会，但是当高波动状态开始大量聚集的时候，就要提高警惕，谨防危机带来的损失。