基于一般自回归条件异方差原理的金融变量回报估计方法,即GARCH类模型已成为描述金融市场波动性的有效工具。而GARCH模型参数估计的主要方法BHHH算法和广义矩方法在实际运算中常遇到中间数据震荡从而导致算法整体失效等。针对此不足虽然以模拟退火算法或遗传算法的似然估计方法应用在兼顾效率的同时增加了参数估计的准确性和鲁棒性,但数值结果并不始终理想。鉴此,本文以人工智能中的多智能体为基础,利用智能体间的相互竞争和对自身周围环境的学习的能力,结合模拟退火算法的搜索路径和接受特定“恶化解”的能力,首先给出了一个不要求函数可微的全局优化方法,即本文所称的多智能体退火算法,进而给出了该算法的全局收敛性结论。其次我们以一些经典的优化试验函数就模拟退火算法和遗传算法进行了数值比较,数值结果表明了该算法的有效性。最后,我们对中国股市统计数据进行了应用研究,结果表明中国股市存在着显著的二元GARCH效应,并利用多智能体退火算法较好地解决了二元GARCH模型的参数估计应用。