在金融市场中，通常假设金融数据服从正态分布。但实际上，大量金融数据往往具有尖峰胖尾特性，并不符合正态特征。广义非对称t分布(GAST)则具有带偏、厚尾特性，能较好的应用在金融市场的模型中。本文主要研究了广义非对称t分布在Probit模型中的应用，同时重点研究了该分布的贝叶斯估计，给出相应的似然函数和先验函数，并推导出后验函数的形式。其中如何从比较复杂的后验密度函数中进行抽样是该课题的关键。本文探索了Gibbs抽样各个参数的条件概率，给出了公式的理论推导。同时，将用R生成服从GAST分布的模拟数据，并用贝叶斯后验估计的方法进行参数估计。最后我们将本文所提出的广义非对称t分布二元模型的贝叶斯估计应用在上市公司破产预警上，包括指标的选取、数据的处理、模型的构建、参数的估计以及模型的评价。