本文研究金融市场中的日历效应,主要包括星期效应、月份效应和月初效应。为研究收益率均值和波动的日历效应,文章使用随机波动(SV)模型,将均值和波动的循环性变化和交易量序列引入到模型中。加入循环变化特征是为了区分一个星期中每天的收益,或是各个月的收益,以及一个月中各个部分的收益情况。加入交易量的目的是为了研究其是否对收益率具有显著影响。文章主要分为两个部分,一是完成用于日历效应分析的SV模型的设定,以及模型参数估计贝叶斯方法的理论推导,并对无外生变量的SV模型、包含外生变量的SV模型的估计方法都进行了模拟,结果都显示参数估计结果良好,且对初值和先验不敏感,说明了此方法可用于分析日历效应。第二部分就是将模型和方法应用于星期效应、月份效应和月初效应的实证分析,研究了交易量对收益率日历效应的影响。本文选用2017-2018年沪深300指数作研究,通过实证发现两年来中国股票市场存在星期效应、月份效应和月初效应。星期效应在收益均值方面表现为:星期一、星期二和星期五有正收益,其中星期一的正收益最高;星期三和星期四为负收益,星期四收益最低;收益波动方面星期一最大,也就代表着风险大,其次是星期五和星期四,星期三风险相对最小。而月份效应则表现出十月正收益最高,十二月负收益最低;二月风险最大,九月风险最小的特点。月初效应中,月初的平均收益高于其他日子,但收益的波动却是月初比较小。