近年来,我国证券业处在一个机遇和风险并存的时代,投、融资环境越来越复杂多变。在这种情况下,对于各金融投资机构而言,是否能够严格控制和管理好其在股票市场上的投资风险,成为其生死存亡的关键。证券市场自产生以来就以其价格的波动为主要特征,如何准确地描述证券市场的价格以及确定市场未来收益率的情况是证券市场各利益主体所关心的问题。因此,对波动性的研究有重要的理论意义与应用价值。大量的实证研究表明,金融数据中存在着尖峰厚尾、微弱但持久记忆、波动集聚等现象,若继续用传统的的时间序列回归模型来拟合金融数据的波动率就显得有些不合适。GARCH模型能够较好地拟合数据中存在的波动集聚性和尖峰厚尾特性,因此自其提出以来,就一直受到学者们的青睐,已成为度量金融市场数据波动性的有力工具。目前用来估计GARCH模型的方法主要是三种：参数GARCH模型、非参数GARCH模型和半参数GARCH模型。参数GARCH模型形式简单,也较易估计,所以应用最为广泛,但是存在模型误设的风险,针对这种情况,学者们研究并提出了非参数GARCH模型,此种模型能够较好地克服模型误设的风险,但却存在着较难解释模型结果和“维数灾难”的问题,因此论文随之引入了半参数GARCH模型,此模型将参数GARCH模型与非参数GARCH模型结合起来,既能克服参数模型模型误设的风险,也能解决非参模型解释能力不足和维数灾难的问题,因此半参数GARCH模型对学者和投资者来说都有很大的实用价值。论文的创新主要体现在研究方法和实证上,同时对参数GARCH、非参数GARCH和半参数GARCH三种模型进行了阐述,且选取上证180指数和深证成份股指数作为研究对象,运用三种模型对其指数收益率的波动性进行了定量建模,并通过实证结果对三种模型做了比较分析,研究结果表明：与参数GARCH模型相比,非参数GARCH和半参数GARCH模型对波动率的拟合更加适合于市场,更加接近于真实值；而半参数GARCH模型不仅能够克服非参数GARCH存在的“维数灾难”,又可对模型估计结果进行一定程度的解释。