波动性是金融时间序列的重要特征,它不仅与市场的不确定性和风险直接相关,是体现金融市场质量和效率的有效指标,同时也是证券组合理论、资产定价模型、套利定价模型及期权定价公式的核心变量。因此,如何有效地刻画金融时间序列波动的动态行为一直是金融计量学研究的热点问题。在众多的波动率模型中,ARCH类模型尤其是GARCH模型因其能很好地刻画金融资产序列所呈现的高峰厚尾、波动聚集等统计特征而得到广泛应用。然而,无论是GARCH还是其他ARCH类模型都没有考虑到波动的结构变换问题。大量的实证研究表明GARCH模型所反映的波动的高持续性与低的预测能力之间的矛盾很可能是由方差过程的结构变化造成的。事实上,金融市场的结构变化现象是普遍存在的,其基本诱因在于经济政策的出台、金融监管制度的变迁以及金融市场自身的完善等等,因此对波动率的变结构建模是非常必要的。为了合理地描述金融时间序列的统计特征及其波动的变结构现象,本文基于马尔可夫转换模型的思想,提出了具有时变状态转移概率的结构转换GARCH模型,并在此基础上采用混合高斯分布拟合模型的随机误差项,建立了误差项服从混合高斯分布的结构转换GARCH模型。然后利用数据添加技术从贝叶斯的角度对模型进行了分析,并借助于Gibbs抽样方法实现了基于MCMC模拟的贝叶斯参数佔计,有效地避免了经典极大似然佔计中的路径依赖问题。最后,运用上述理论分析结果,以上证综合指数为研究对象对中国股票市场的波动性进行了实证分析,结果表明中国的股票市场确实存在着结构变换现象,在考虑了方差过程中参数的结构变化后,波动的持续性确实降低了,同时服从混合高斯分布的结构转换GARCH模型比服从正态分布的结构转换GARCH模型在识别数据的极端值方面更具优势。