金融时间序列波动性一直以来都是经济学界研究的热点问题。针对金融时间序列波动性的建模分析层出不穷,但是这些研究把更多的关注点放在了模型构建上,忽视了如果时间序列在受到重大经济事件冲击,会使其偏离原本的趋势,产生结构突变这一问题。针对金融时间序列是否存在结构变点的研究,对政府制定相应的经济政策以及应对突发经济状况对证券市场产生的影响具有重大的指导意义。本文在充分阐述了文章的选题背景及意义的背景下,首先对股票市场结构突变点的研究现状进行了系统的回顾,分情况探讨了结构突变点现有的检测方法,指出了CUSUM、ICSS等算法的不足。之后,提出本文的研究思路,并介绍了贝叶斯方法的优势。然后在Inclan (1993)等人的研究基础上,以ARMA模型为基础模型,以上证综指为研究对象,充分收集并整理先验信息,并采用Gibbs抽样方法,对我国股票市场结构突变点进行了贝叶斯分析,之后根据检测到的突变点,对数据进行了GARCH的分段建模分析。最终的研究结果表明,(1)在我国股票市场中确实存在重大的结构突变,并且成功的检测出了3个结构突变点的位置,它们分别对应着我国股票市场重大的结构变化,且在突变点发生的前后也都确实有重大的经济事件发生。(2)根据检测的结果,把上证综指收益率序列分为了四个子样本序列,针对全样本和子样本分别进行GARCH的分段建模分析进行对比分析,实证结果表明分段建模的效果优于对全样本建模的效果。