针对近年来逐渐被重视的时变相关系数变结构点的诊断和预测问题,本文基于Copula理论,提出一种不同于传统变结构诊断的方法——局部变结构诊断方法:通过缩小待诊点前后的样本区间,避免因样本区间过大导致区间内波峰波谷相互抵消,造成待诊点前后样本区间的时变相关系数均值相等而诊断不出变结构点的情况,此方法能更加敏感地诊断出时变相关系数中的变结构点;并结合灰色预测模型和马尔可夫模型的优点,构建灰色马尔可夫SCGM(1,1)c预测模型:首先根据灰色SCGM(1,1)c模型对原始序列进行拟合和预测,然后通过马尔可夫状态转移概率矩阵方法对灰色模型的预测结果进行优化,从而达到对时变相关系数进行精确预测的目的,上述方法具有操作便捷、结果精确的优点,适用于波动幅度大、随机性强的序列。实证研究以中国股市2010年9月至2015年3月期间内新能源板块与传统能源板块中的核电指数和煤炭指数的每日收盘价作为研究对象,通过非参数核估计方法估计出核电指数和煤炭指数收益率的边缘分布,构造时变二元正态Copula模型,得到了两列金融资产收益率序列的常相关系数和时变相关系数。实证结果与实际数据对比表明,局部变结构点诊断方法能够比传统方法更加敏锐地诊断出变结构点,而且随着待诊点前后样本区间的缩小,变结构点的诊断越敏锐;相比于传统预测模型,灰色马尔可夫SCGM(1,1)c模型对时变相关系数的预测结果更加准确。此项研究对于投资者如何迅速应对国家宏观调控政策,建立动态的投资组合策略有着重要意义。