为了研究股票市场的随机波动性,以及模拟股票收益的最大化。本篇论文主要是在偏正态分布尺度混合的基础上,对随机波动模型进行了进一步的改进,同时详细的做了贝叶斯分析。由于随机波动模型的误差项分布一般包含了偏度和厚尾分布的特点,一般来说都与skew-t分布,skew-slash分布,正态污染分布(skew-contaminated)等等比较符合,有学者在尺度混合的基础上进一步的改进了这些分布,形成SMSN族,我们利用SMSN族可以很好的在以往经验的基础上优化随机波动模型中的误差项的模拟,从而得到一个新的模型。而且这种类型的模型分布有一个主要的优势,就是有很好的分层表现,因此也就允许我们用蒙特卡洛方法来实现对样本的联合后验分布。并在最后一部分采用2006-2014上证综指深证成指,用WINBUGSS软件进行了模型的实例论证。