中文摘要：

重尾序列近年来被广泛应用到金融、通讯、信号处理等领域的统计建模之中。金融市场通常会受到一些突发事件的影响，使得金融数据发的生成过程发生突变，因此对该数据建模时，必须对突变时刻及跃度进行检验与估计，否则所建立的不准确模型，将导致对投资风险的错误估计，从而产生不必要的损失。这个问题即为重尾序列的变点问题。 本项目主要研究重尾序列的均值变点检测问题,研究内容包括: (1)针对研究重尾序列统计推断问题中常用的Bootstrap抽样方法，研究将Bootstrap抽样应用于重尾序列变点检测问题上的合理性，并研究Bootstrap子样本容量的选取标准。(2)针对重尾序列均值多变点的检测问题，构造合理的统计量，并得到每个变点位置的估计。

结论摘要：

重尾序列近年来被广泛应用到金融、通讯、信号处理等领域的统计建模之中。金融市场通常会受到一些突发事件的影响，使得金融数据发的生成过程发生突变，因此对该数据建模时，必须对突变时刻及跃度进行检验与估计，否则所建立的不准确模型，将导致对投资风险的错误估计，从而产生不必要的损失。这个问题即为重尾序列的变点问题。 本项目主要研究重尾序列的均值变点检测问题,研究内容包括: (1)针对重尾序列均值变点，基于t统计量构造CUSUM统计量，应用bootstrap方法，计算此时统计量的临界值进行检验，并证明其合理性，模拟结果表明，t统计量构造的CUSUM统计量具有更高的经验势。(2针对重尾序列均值的多变点问题，基于拟极大似然函数，应用符号统计量构造多变点检验统计量，模拟结果表明，符号统计量在多变点场合，对重尾序列稳健。并得到每个变点位置的估计。