许多宏观经济系统或者金融时间序列的正常行为有时会发生偶然性的中断，导致经济系统从一个体制转换到另一个体制，这种动态行为可能是由于战争、股市泡沫、经济危机、政策变化等所引起的。当这种转换发生的时候，数据的分布特征往往也会随之而改变，以至于不同时期的经济运行规律会有不同的特征与表现形式，因此在分析数据时，不能把数据简单汇总在一起进行建模分析。对于现在已经存在的经济计量模型，即使能够很好地解释历史现象，也不一定能够对未来做出准确的预测。而以往的随机波动模型(SV)对金融时间序列进行建模及预测时，其前提假设成拟合期数据与预测期数据服从同一参数模型，也就是假定结构不变，将波动中的变结构忽略掉了。因此对非平稳的时间序列数据用SV类模型建模得到的波动持续性不能反映波动的真实特征，它们往往会低估高波动时期的波动率，或者是高估低波动时期的波动率。由此引发了对金融变量变结构问题研究的必要性。　　 本文围绕金融波动过程的变结构问题展开，主要工作包括以下内容：　　 1、总结了国内外文献中金融波动过程变结构的研究成果及变结构建模的方法，将三类变结构波动模型进行了对比总结。为了描述具有变结构特征的时间序列变量之间协同持续的关系，提出了变结构协同持续定义，本文将变结构协同持续分为参数变化型与部分变化型两种类型，提出了变结构导致波动持续性高估的定理。　　 2、在SV模型中引入Markov转换机制，构建了具有Markov结构转换的SV模型--MRS-SV(k)模型。用滤波技术推导了MRS-SV(k)模型的参数估计极大似然法及基于全样本的平滑概率。同时，给出并证明了MRS-SV(k)过程满足协同持续性的定理。　　 3、选取了2000年8月到2010年8月期间上证综合指数和深证成分指数每个交易日的收盘价，用向量MRS-SV(k)模型对两个序列建模之后，得出两者之间存在着变结构协同持续关系，验证了用变结构模型对沪市、深市收益率建模之后能够消除由变结构导致的伪持续性的结论。　　 本文研究成果对于金融风险管理及证券投资分析都具有重要的指导意义和实际应用价值。　　 向量MRS-SV(k)模型可在平稳波动状态和剧烈波动状态之间转换，能够更好地模拟和预测波动在高、低状态之间的转换以及由制度、政策变迁引起的状态跳跃或转换时的特征。能够更好的描述金融变量之间的联动效应，捕捉时间序列变量复杂的动态的演化过程。