非线性或非高斯特征(特别是含有潜变量)的计量模型,增加了对其模型参数估计的复杂性。本文通过研究发现,将SMC方法体系中的APF算法与LW滤波相结合,可以更好地处理此类问题。这种APF-LW方法在处理潜变量过程问题中,凸显了其SMC算法的有效性。本文以SV模型的参数估计方法设计为例,我们分析APF-LW方法对比传统Gibbs策略的优势和技巧。进而运用此方法,我们设计出可用于估计带有成交量数据信息的随机波动(SV-VOL)模型的SMC算法,应用于上证A股指数的随机波动率分析的实证研究之中。