近四十年来,变点问题在统计学领域一直是研究的热点问题之一。若忽略结构变点的影响,则会导致不准确的预测和错误的统计分析,故在建立模型之前有效地检验结构变点就显得尤为必要。研究发现:一方面许多金融时序数据不是简单的服从某个独立的分布,序列之间往往存在着一定的相依性;另一方面均值作为金融数据的重要数值特征,能很好地刻画时间序列的水平变化。因此,本文围绕相依序列均值变点检验问题展开研究,具体内容如下:相较于经典的累积和统计量,采用比值检验统计量研究了相依序列均值变点的检验问题。在均值变点模型中,理论上证明了比值统计量在原假设下的极限分布是一个标准布朗运动的泛函,并在备择假设下证明了该统计量的一致性。数值模拟结果表明:经验水平值在检验显著性水平附近波动;经验势函数值随着样本容量和均值变化幅度的增加而增加,且均值变点位置在样本中间的经验势函数值会显著高于均值变点位置在样本两端的经验势函数值。鉴于许多金融数据具有非平稳的波动性,讨论了异方差情形下相依序列均值变点的检验问题。基于广义的中心极限定理,分别推导了异方差情形下比值统计量在原假设和备择假设下的极限分布。原假设下的渐近分布不再是标准布朗运动的泛函,而是取决于方差函数的具体表达形式。研究发现异方差下的经验水平值会出现严重的扭曲现象,不再逼近检验显著性水平。针对此缺陷,本文提出了修正的比值检验统计量以实现异方差下均值变点的有效检验。数值模拟结果表明:修正的比值检验统计量能很好的改善了经验水平值扭曲和经验势函数值损失的现象。最后,选取了上海浦东开发银行股票价格和尼罗河最低水位两组时序数据进行实证分析。结果显示:本文所提出的修正比值检验方法是有效且可行的。基于比值统计量研究时变波动情形下的均值变点在计量经济领域具有重要的理论意义和应用价值。