過去文獻在探究股市報酬率波動行為時，多採用GARCH/ARCH等傳統時間序列模型，但這些模型不能解決波動度的高持續性(persistence)。本文以Gray(1996)提出的一般化狀態轉換模型(GRS-GARCH)為基礎並加入Dueker(1997)所提出的Dispersion設定，建立GRS-GARCH-K以及GRS-GRACH-DF模型來預測股市報酬率波動行為。GRS-GARCH-K模型設定最大的優點是加入Student’s t分配之自由度可隨狀態轉換，使峰態亦可隨狀態轉換，另外GRS-GRACH-DF模型除了擁有GRS-GARCH-K的特性外，還擁有均數復歸的特色。本文以單一狀態下的GARCH-N、GARCH-t模型，以及雙狀態下的GRS-GARCH、GRS-GARCH-K以及GRS-GARCH-DF模型做研究，並以台灣股價加權股價指數為研究樣本，探討並預測股價日報酬率的波動度，最後將波動度代入Black-Scholes選擇權訂價模型，探討模型之其評價效果。 研究顯示，在樣本內以AIC和SBC檢定法則下，GRS-GARCH-DF有最好的配適能力，樣本外的預測能力在MAE、MASE、MAPE三種誤差比較法下，GRS-GARCH-DF相較於GARCH-N、GARCH-t、GRS-GARCH和GRS-GARCH-K四種模型，在訂價方面與市場價格誤差最小，並以DM檢定法證實其統計上的顯著性。因此擁有均數復歸特色的GRS-GARCH-DF在波動度的估計上相較於其他模型來的優異。