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