GARCH模型通常用于捕獲金融時間序列中的波動動態(tài)。 所使用的關(guān)鍵假設(shè)是該序列是固定的，因為這允許模型可識別。 但是，這違反了財務(wù)回報系列所顯示的波動性聚類屬性。 現(xiàn)有方法將這種現(xiàn)象歸因于參數(shù)變化。 但是，對于長時間序列，固定模型順序的假設(shè)過于嚴格。 本文提出了一種基于曼哈頓距離的變化點估計器。 估計器適用于GARCH模型階次變化點檢測。 程序基于平方系列的樣本自相關(guān)函數(shù)。 理論上證明了估計量的漸近一致性。