变点问题作为统计学的一个重要研究方向,在金融、气象等领域中被广泛的作用。本文讨论了在独立的Gamma分布中尺度参数的多变点问题,利用可逆跳跃马尔可夫链蒙特卡罗算法(RJMCMC)去计算参数的后验分布以及变点的位置。基于该RJMCMC算法,对连涨连跌收益率进行了研究分析。在第一章中,简要概述了变点问题的由来,对变点问题在不同领域的应用研究进行了描述,并介绍了几种常见的研究方法,最后介绍了单变点问题和多变点问题的研究现状。第二章介绍了贝叶斯方法,列举了一些关于贝叶斯多变点问题的研究。描述了Gamma分布与Gamma分布族的概念,以及Gamma分布在现实中的应用。在第二章的最后给出了模型的假设,以及一些参数的先验分布。在第三章中,在贝叶斯估计、Monte Carlo方法、M-H算法的基础上提出了RJMCMC算法。给出了RJMCMC算法的步骤,计算出了Gamma分布的基于RJMCMC算法四个转换的接受概率。第四章设计了一个模拟例子来检验RJMCMC方法的正确性与高效性。首先生成有变点的Gamma分布序列,利用RJMCMC算法得出变点个数的估计,并与SN方法比较。第五章进行实证分析,运用RJMCMC算法对2000年到2015年的上证指数连涨连跌收益率进行变点检测分析,找出数据中存在的变点,根据所找出的变点位置,寻找变结构点附近政策的变化并加以分析第六章针对面板数据,采取基于最小二乘法的均值共同变点检验统计量,来探讨面板数据均值共同变点的存在性及估计,并对Nasdaq、Xetra DAX、Hangseng等六大股市的日收益率进行实证分析。第七章对本文进行了总结,同时给出不足以及展望。