目前,我国股票市场起步晚,尚属于新兴股票市场,与发达国家成熟的股票市场相比,在影响股市波动性方面存在着许多不同的地方,因而其所表现出来的特有性质对研究国内股票市场的波动性具有重要的意义。传统GARCH模型对参数估计的方法主要是基于极大似然理论的基础上,对模型进行最优化,但是由于GARCH模型对参数有一定的约束条件,故难以对模型的相关参数进行进一步的统计分析,同时在估计参数时往往存在偏离,难以达到实现最优化的目的。为了能更好地解决以上问题,本文尝试应用基于贝叶斯理论的马尔科夫蒙特卡罗(MCMC)方法来构建GARCH模型,以更好地描述上证股指收益率时间序列的波动性特征。本文从不同的角度系统地研究GARCH类模型的估计方法,以探索和研究贝叶斯统计的新领域,并针对性地对模型进行扩展。具体来说,本文运用MCMC方法对基于正态分布的GARCH(1,1)模型的参数进行估计,通过构造一个收敛于待估计参数的后验分布,从而绕开了GARCH模型中对参数的约束,解决了一般优化方法难以运用的困难。综合对比分析基于BHHH方法的GARCH模型和基于MCMC方法的GARCH模型在上证股指波动性的实证研究,试图更好地利用新模型来描述和解释股市的波动性特征,这对推动基于贝叶斯理论的MCMC方法在金融实践中的应用提供一定的参考价值。论文理论与实际相结合,既探讨了模型的理论研究,也进行了实证分析。在最后本文依据研究结果进行总结,并对今后的研究工作进行了展望。