Розглянуто поняття нестаціонарних гетероскедастичних процесів. Наведено приклади моделей, які описують такі процеси, та вказано на основні методи оцінювання їх параметрів. З точки зору дисперсії оцінки прогнозування або оцінок параметрів логічніше віддавати перевагу умовному оцінюванню, що виконано у роботі. Для аналізу обрана стохастична модель волатильності, оскільки вона активно застосовується у багатьох напрямах в економетриці та фінансах. Розглянута теорема Байєса та її модифікація для знаходження апостеріорного розподілу. Описано байєсівський підхід до оцінювання параметрів незалежно від вигляду моделей та типу параметрів, що оцінюються. Для реалізації піходу на практиці важливою задачею постає генерування випадкових значень апостеріорного розподілу. Розглянуто методи дискретизації Гіббса та Метрополіса-Гастінгса. Як приклад, наведено приклад застосування генератора Гіббса до моделі лінійної регресії з часовим рядом. Наведено розгорнутий алгоритм оцінювання для моделі стохастичної волатильності, який використовує різні методи генерування та способи визначення апостеріорного розподілу. Показано, що алгоритм надає незміщені та консистенті оцінки для параметрів моделі і для волатильності.