广义自回归条件异方差（GARCH）族模型已得到了极大的丰富和发展。然而，随之而来的一个问题是实际应用中究竟应选择怎样的异方差结构。本文从波动性预测的角度，以股权分置改革之后中国股票市场的指数数据为样本，对10类常见的GARCH类结构进行了实证研究。与现有研究不同的是，为了减少参数估计的效率损失对模型绩效评价的影响，研究中利用估计函数方法——一种效率较高的半参数方法进行参数估计。此外，还分别使用最小二乘方法和SPA检验法进行绩效评价，以期给出统计意义下的结果，并减少“数据窥察”（DataSnooping）问题。结果发现，与其它GARCH类结构相比，指数GARCH（EGARCH）和非对称幂GARCH（APARCH）模型能够更好地描述金融资产收益率的波动过程。

本文在分析和比较常用的几种股指期货最优套期保值比率确定模型的基础上，基于风险最小化模型框架，利用沪深300指数期货合约模拟运行以来的样本数据，通过最小二乘回归模型、向量自回归模型、误差修正模型以及广义自回归条件异方差模型四种估计方法，对其最优套期保值比率进行了实证测算和绩效比较，并提出了相应的政策建议和投资策略。

在现代资产定价理论中，一个基本的假定是证券资产风险溢价满足方差齐性，然而，这样的假设未必是正确的，因此，需要对资产定价模型进行异方差的检验。本文在贝叶斯框架下考察了具有结构变化的资产定价模型，提出了检验该模型的自回归条件异方差的贝叶斯检验方法。最后利用一个具体实例论证了所提方法的有效性。

本书论述了时间序列的协整理论和金融时间序列波动性模型的原理、方法和实际应用。在时间序列的协整理论方面，包括单位根过程的极限分布和检验，单方程和系统方程协整关系的估计和检验，非线性、长记忆协整关系的建模和检验问题，协整系统的贝叶斯分析及变结构协整的理论、方法等。在金融时间序列波动模型方面，包括自回归条件异方差模型（ARCH模型）的各类一维和多维模型体系及各类随机波动（SV）模型的性质、模型参数估计和检验问题，讨论了变结构波动模型的建模及其应用等。金融波动性问题是当今金融分析中的重要课题，本书探讨了金融波动及其持续性的市场机制，建立了在金融波动持续性基础上的资本资产定价模型和金融风险规避策略等。书中详细讨论了高频金融时间序列分析与建模问题，研究了各类高频时间序列已实现波动率的计算方法和统计性质，讨论了超高频数据持续期的ACD类和SCD类两类模型。书中还讨论了小波方法在金融时间序列波动分析和建模方面的应用；讨论了各类连续时间资产收益模型及参数估计的MCMC方法。 本书可作为数量经济学研究人员、有关教师、经济和金融工作者的参考书，亦可作为相关领域研究生的教学参考书。

对期货市场最佳套期保值比率的研究可分为两大类：一类是从组合资产收益风险最小化的角度，研究最小风险套期保值比率；另一类是同时考虑组合资产收益和收益方差，从效用最大化的角度研究均值－风险套期保值比率。研究套期保值的模型方法一般运用以下六种: 传统回归模型（OLS）、双变量向量自回归模型（B-VAR）、误差修正套期保值模型（ECHM）、广义自回归条件异方差模型（EC-GARCH）、VaR最小方差套期保值方法（VaR）、基于几何谱风险测度GM的期货套期保值模型（GM）。本文比较了以上六种模型方法各自的优势和缺陷。