1、因Constant Elasticity of Variance（簡(jiǎn)稱CEV）模型能很好地刻畫“波動(dòng)率微笑”現(xiàn)象，在一定程度上修正了Black-Scholes模型中關(guān)于波動(dòng)率是常數(shù)的假定，所以，我們選取CEV模型作為研究對(duì)象。然而，因CEV定價(jià)模型精準(zhǔn)的似然函數(shù)不易求得，故對(duì)該模型進(jìn)行參數(shù)估計(jì)比較困難?；谪惾~斯理論的馬爾可夫鏈——蒙特卡洛（簡(jiǎn)稱MCMC）方法，是在計(jì)算機(jī)仿真技術(shù)基礎(chǔ)上誕生的一類新的估計(jì)模型未知參數(shù)的方法。與其他估計(jì)法相

2、比，MCMC方法操作簡(jiǎn)單、參數(shù)估計(jì)的標(biāo)準(zhǔn)誤小、精確度高。
　　本文借鑒一些學(xué)者研究的在隨機(jī)波動(dòng)率模型下參數(shù)估計(jì)的方法，給出了在CEV模型下的參數(shù)估計(jì)，并且以滬深300股指作為研究對(duì)象進(jìn)行實(shí)證分析。首先，我們用GARCH(1，1)模型來分析研究滬深300股指收盤價(jià)對(duì)數(shù)收益率的有關(guān)數(shù)據(jù)，計(jì)算推理出該樣本對(duì)數(shù)收益的波動(dòng)率，然后結(jié)合不變彈性方差求出CEV模型參數(shù)的先驗(yàn)分布。其次，借助WinBUGS軟件對(duì)模型參數(shù)進(jìn)行估計(jì)，參數(shù)估計(jì)結(jié)果與先驗(yàn)