金融数据的波动性一直是经济学研究的热点问题之一。波动性已经渗透到整个现代金融理论，对波动性的精确测量和预测已经成为资产定价、衍生品的定价和交易策略设计的关键。对于波动性建模的方法大致可以分成两大类：一类是由 Engle（1982）提出的ARCH类模型，以及它的扩展形式；另一类是随机波动模型（SV模型）。对于一元SV模型，国内学者已做了大量的研究，而多元SV类模型则国内少有人研究。　　 由于多元随机波动率模型的参数众多，从而导致对其估计比较困难，进而影响了多元随机波动模型的应用。马尔科夫链蒙特卡罗方法（MCMC）是估计参数的一种有效的方法，本文在学者Ruey．S．Tsay研究的基础上对估计时变相关SV模型的MCMC算法做了研究。主要研究工作有：1）对估计模型其中一个参数的算法，给出了一个Metroplis-Hastings算法来代替原来的格子Gibbs算法；2）将时变相关SV模型推广到具有厚尾的情形，给出了估计厚尾时变相关SV模型的MEMO算法；3）作为模型和算法的实际应用，对我国期货合约的对数收益率序列做了研究，给出了对数收益率序列波动率模型，并计算了投资两个期货合约的金融头寸的VaR值。