波动率是以资产收益率的条件方差为研究对象,是影响金融市场平稳运行的重要因素。受外部经济环境变化的影响,我国金融市场受到的冲击与日俱增,各种突如其来的冲击使得股票市场波动率体制变换现象在我国金融市场中愈发严重。传统的GARCH模型虽然适用广泛,却不能很好的捕捉到体制变换市场的规律。本文针对中国股票市场波动体制变换进行研究:首先,通过对该领域研究成果的梳理,指出单体制GARCH类模型的不足,说明马尔科夫转换GARCH类模型更适合体制变换市场。在参数估计方法上,由于传统的最大似然(ML)法受限于路径依赖等问题,不能很好的对GARCH类模型进行拟合,本文通过检索国内外学者在该领域的相关文献,发现基于贝叶斯推断的马尔科夫链蒙特卡洛(MCMC)方法通过分布抽样、不断迭代至参数收敛可以有效克服ML法的缺陷。其次,本文阐述了两种马尔科夫转换GARCH模型的理论框架,即新息服从正态分布的马尔科夫转换GARCH模型(MS-GARCH)和新息服从t分布的非对称门限马尔科夫转换GARCH模型(MSTGJR),分别给出了这两种模型的MCMC算法步骤。第三,为了更好地说明MCMC算法的优越性,本文通过编程贝叶斯MCMC算法对两种GARCH模型分别进行了参数估计,并与ML法得出的参数估计结果进行对比,结果证实了MCMC算法在GARCH类模型中表现更优。第四,本文以上证综指和深证成指为例进行了实证分析,通过刻画分析我国股票市场的波动性特征,结果表明上证综指和深证成指的收益率序列均存在明显的波动聚集性、尖峰厚尾性和体制变换等客观特征,因此引入体制变换GARCH模型来建模处理更为合理;无论是上证综指还是深证成指,MSTGJR模型比MS-GARCH模型能更准确刻画我国股票市场波动的客观特征。最后,本文还对我国股票市场的发展提出了若干建议,并根据对未来研究方向做出了展望。