贝叶斯方法是当今统计学界使用相当广泛的统计手段，在很多方面硕果累累。不过非参数贝叶斯方法在时间序列分析领域内的应用还存在差距，这主要是因为在参数空间上寻找有效先验分布困难度较大。近几十年学者致力于研究先验分布的选择问题，并有所突破。本文就是基于Ferguson1973年提出的Dirichlet过程先验来研究时间序列模型，在不限定模型扰动项的方差情况下使得模型更加灵活有效。　　资产收益波动率的研究一直是学术界的热点，其中最为著名的就是GARCH类模型。然而近期另一种新的异方差模型—双自回归模型受到人们的关注。Ling在2007年研究了该模型的一般平稳遍历条件，并给出了模型的极大似然估计。但该模型的很多结果局限于扰动项ηt服从正态分布的情况下，其非正态的研究尚少。本文将Dirichlet混合过程应用于双自回归模型，使得该模型能够处理时间序列数据存在异质性（如周期性、多峰分布等）的情况。同时模型中引入潜在变量，结合Gibbs抽样方法，使得抽样更有效率，且模型能够很好地对时间序列的异质性进行解释。本文应用该模型对模拟数据和实证数据进行了分析，发现该方法能很好地解释数据中潜藏的信息。由于该非参数方法对模型的假设较少，因此比通常的参数方法更加稳健。