Clive W．J．Granger，Robert F．Engle因对金融非线性时间序列的重大贡献于2003年获得Nobel经济学奖。门限模型和平滑转移模型是两类重要的金融非线性时间序列模型，有着广泛应用背景，对于这两类模型的理论成果的研究正在进行之中。 本文研究向量误差修正模型(vector error correction models，VECM)中两类非线性调节检验问题，并研究了在原假设下为末识别量的未知参数的估计问题。获得如下成果： 1．对门限向量误差修正模型(threshold vector error correction models，TVECM)提出了基于原假设为线性非同积关系的门限同积bootstrap检验。给出了上述模型中未识别参数最大似然估计(maximum likelihood estimation，MLE)的两种搜索算法——网格点搜索法和遗传算法，并给出了两种算法的适用范围；给出了检验门限同积的SupLM检验及相应的渐近分布；给出SupLM检验统计量p值的残差bootstrap模拟方法。模拟实验验证了该方法的有效性，进而应用该方法检验了几种美国国库券收益率之间存在明显的门限同积关系。 2．对平滑转移向量误差修正模型(smooth transition vector error correction models，STVECM)提出了基于原假设为线性不含平滑转移均衡趋势关系的非线性调节bootstrap检验。给出了该模型中未知参数均为末识别量时参数估计和STVECM的参数估计；给出了检验这类非线性调节关系的SupWald检验及相应的渐近分布理论。在模拟实验中利用残差bootstrap方法模拟p值得到SupWald检验统计量的良好效果以及相应的适用范围。