自回归条件异方差模型（ARCH模型）是金融领域研究市场波动的基础性研究工具，由Engle（1982）[1]首次提出。研究认为资产收益率的扰动项是序列不相关的，但并非独立，其不独立性表现为能够用其延迟值的二次函数形式进行描述。模型描述了方差随着时间而变化的特点，所以在金融市场预测和决策方面取得了显著的效果。Engle也因此获得了2003年的诺贝尔经济学奖。在此基础上，Bollerslev（1986）[2]提出GARCH模型，对收益率序列进行处理，称为时刻的新息，继而服从GARCH(m,s)模型，将ARCH族模型向前推进一大步。在之后的研究中，人们发现了资产波动中的杠杆效应，即资产波动的不对称性，波动率在正向波动与负向波动中呈现出不同的特征，基于此，Nelson（1990）[3]提出指数GARCH（EGARCH）模型，Glosten、Jagannathan和Runkle（1993）[4]和Zakoian（1994）[5]提出门限GARCH（TGARCH）模型。这两个模型都克服了金融时间序列研究中对于波动率对称性的限制，在模型中体现了收益率正向波动和负向波动的不同。前者是对不不同的新息加权，后者则对负向新息增加指示变量，用以显示非对称波动。除此之外，条件异方差根据对波动率方程的估计形式不同还有其他计量模型。Tasy（1987）[6]提出条件异方差自回归移动平均（CHARMA）模型，Nicholls和Quinn（1982）[7]提出随机系数自回归（RCA）模型等。

由此可见，GARCH族模型的使用范围非常广泛，理论体系成熟且已有相关的理论文献综述，但GARCH族模型在我国本土的实证研究现状至今还不甚清晰，基于此本文对其在中国各金融市场的实际应用研究进行总结与探讨，并展望该理论可能的应用前景。