【摘要】GARCH模型在处理时序数据异方差问题中得到广泛应用，然而在面临一些特殊领域的数据，尤其是金融市场领域中具有高峰厚尾、非对称性、有界取值区间等特征的数据时，传统正态分布的基本假设往往与现实严重不一致。针对此类问题，文章提出混合Beta分布的GARCH模型，并给出了基于完全数据最大似然函数的EM算法估计模型的参数，以仿真模拟数据和金融市场现实数据为例，进行了实证分析。结果显示，在违背正态分布假设的情形下，混合Beta分布GARCH模型更能有效地提炼波动的一系列非正态性信息，同时也验证了EM算法对模型的参数求解行之有效。