序列变点问题的研究是近二十年来时间序列相关领域的热门课题之一。在各种参数及非参数研究方法中,基于贝叶斯理论的变点检测模型也是目前较为流行的一种交点检测方法,结合MCMC抽样方法,它为研究序列变点问题提供了一条有效且操作性很强的途径。　　 就目前来说,多数文献在研究变点问题时仍停留在以时间序列为研究对象,一类新的研究趋势则是考察面板数据的结构变点问题。面板数据的引入为交点检测提供了许多新信息,增加了检测模型的灵敏度和精确度,因此这一方法也越来越受到人们的重视。　　 本文即是研究基于中国股市行业收益率面板数据的贝叶斯方法变点检验问题。　　 长久以来,股票指数收益率波动是度量股市风险的重要工具之一,在对股票市场的经济、金融领域数量研究中,股指收益率一直是问题研究的关键变量。研究中国股票市场股指的收益率波动变化,有助于进一步挖掘中国股市的波动规律,为投资者的行为提供一些参考,同时也有助于监管部门更有针对性的加强市场监管。注意到中国股市是一个新兴的市场,波动频率较大、程度较高、易受外界因素,尤其是政策因素的影响,从而极有可能出现结构突变情况。因此在研究中国股指收益率时,有必要特别针对它的突变性进行讨论,从而可充分了解股市在遇到外界冲击发生结构突变时,股指所呈现的特点,同时结合外界信息,分析造成这些特点的因素来源,使研究结果更具现实意义。本文选取了十个行业的分行业股指收益率面板数据,综合收益率的时间波动信息及截面信息,进行结构突变的推断检验。　　 论文首先介绍了研究的背景、理论意义及现实意义。接着概括了截止到目前国内外对于这一问题的研究现状及文献综述,并对本文的框架及主要创新点进行了一定概括及阐述。随后介绍了本文所使用研究方法的理论基础,包括贝叶斯理论的相关概念表述、时间序列变点检验的原理、在引入马尔可夫链之后的时间序列变点检验模型、扩展至面板数据的变点检验模型、MCMC抽样方法及抽样具体步骤等。在用贝叶斯方法进行面板数据的变点研究时,通常分为以下几个步骤。首先假定待研究参数的随机变量分布族；其次根据过去的经验及其他相关信息来确定其先验分布；之后结合掌握的样本信息提出参数的后验分布；最后在获得后验分布后,用其进行所研究变量的统计推断。由于本文的研究引入了MCMC抽样过程,因此这些步骤是通过迭代不断重复进行的,换而言之,之前获得的后验分布,可做为下一步迭代的先验分布而进入推断的过程被再次利用。这一变点检验方法的原理较为清晰,步骤简明,同时也具有很好的检验效果。　　 在理论介绍之后,文章通过蒙特卡罗模拟,分别检验了在单变点及多重变点的假定下,时间序列变点模型与面板数据变点模型的检验效果,通过结果的对比,对面板数据变点检验模型的有效性进行了验证。　　 在实证研究中,本文选用了从2007年7月至2011年3月,共计906条中国沪深300一级行业指数面板收益率数据。通过模型的迭代计算,得出不同行业分别存在1至3个变点,且多数变点产生的时间与政策动向或行业内重大突发事件密切关联。