金融资产波动率是刻画资产风险的重要指标。它在资产定价、资产配置以及风险管理中都有重要应用：在风险管理中，波动率的建模提供了一个简单方法来计算一个金融头寸的风险值。在计量经济学领域，一个时间序列的波动率建模能改进参数估计的有效性和区间预测的精确度。如今，市场的波动率指数已经成为一种金融工具，由芝加哥期权交易所（Chicago Board of Option Exchange,CBOE）编制的VIX波动率指数已经于2004年3月26日进行期货交易。金融资产价格的波动关系到各类资产的成本和经济活动中市场的风险，是投资者、企业和政府部门共同关心的问题。所以，波动率一直是国内外研究的重点。　　本论文主要的工作包括：首先，运用 GARCH模型预测出波动率的基本走势，该模型能够较好的反映波动率的特征，如波动率的聚集性；其次，由于 GARCH模型的使用不方便性，引入聚类分析技术并且提出了波动率结构性变化模型；最后，将波动率结构性变化模型应用到VaR的计算当中并进行了实证分析。　　波动率的估计问题一直是金融领域的一个难点，本文旨在寻找一种能够阶段性的描述某一时间段内波动率大小的方法，用以替代波动率为固定不变的常数和实时估计任意时点的波动率的做法。所以，本文的主要创新有：第一、采用 GARCH模型对波动率进行实时估计；第二、引入聚类的分析方法对波动率曲线进行最优分割，进而找到波动率结构性变化的最佳时点。该模型能够提高历史波动率估计的准确性，又能弥补实时波动率估计的繁杂运算和高频率带来的波动率噪声。本文最后将波动率结构性变化模型引入到风险管理的VaR模型中，通过与原有计算方法比较，准确性有明显的提高。