摘要：本文利用非參數(shù)貝葉斯方法進行隨機波動建模。通常的參數(shù)隨機波動模型適用于證券市場中的綜合指數(shù)數(shù)據(jù),而對個股數(shù)據(jù)和小范圍指數(shù)數(shù)據(jù)的擬合效果較差,主要原因是其收益率數(shù)據(jù)的變化規(guī)律更為復(fù)雜、具有更厚的尾部行為,而非參數(shù)貝葉斯方法的隨機波動模型無需進行分布假設(shè),具有很強的靈活性。本文利用SV-DPM模型對IBM的股票價格數(shù)據(jù)和上證50指數(shù)數(shù)據(jù)進行建模,研究發(fā)現(xiàn)非參數(shù)隨機波動模型能擬合參數(shù)隨機波動模型難以撲捉到的數(shù)據(jù)特征,實證表明有充分的依據(jù)支持非參數(shù)貝葉斯隨機波動模型。論文的研究有助于捕捉金融資產(chǎn)的時變波動性質(zhì),能更好的揭示金融市場的運行規(guī)律,為期權(quán)定價和金融風(fēng)險管理提供依據(jù),對于防范與控制金融風(fēng)險有著重要意義。