自回归条件异方差（ARCH）模型是近年来新发展起来的时间序列模型,它反映了随机过程的一种特殊特性:即方差随时间变化而变化,且具有丛集性,波动性。ARCH模型已广泛地应用于经济领域的建模及研究过程中。对这类模型的统计建模,人们既关心回归系数的估计,更关心误差条件方差结构中未知参数的估计。ARCH模型的估计参数的统计性质都是在渐近意义下成立的,但实际中样本是有限的,在现有样本代表性好的条件下,可以通过Bootstrap再抽样方法扩大样本量验证模型参数估计值的稳定性。由于标准的residual-based bootstrap方法应用于自回归模型时将误差看作i.i.d.的,所以当异方差情形存在时,需要对标准的residual-based bootstrap方法改进,通常使用recursive-design wild bootstrap,fixed-design wild bootstrap以及pairwise bootstrap. 本文考察两次将recursive-design wild bootstrap,fixed-design wild bootstrap以及pairwise bootstrap方法用于误差为未知形式条件异方差的鞅差序列的自回归模型的一阶渐近有效性。 本文的主要结果如下: 定理2.1 在假设A’下,有 （?）|P⁽**(n^1/2(（?）_rwb^**-（?）)≤x)-P(n^1/2（（?）-φ）≤x)|（?）O,其中用P^**定义两次使用recursive-design WB诱导的概率测度。 定理2.2 在假设A’下,有 （?）|P^**(n^1/2(（?）_fwb^**-（?）)≤x)-P(n^1/2（（?）-φ）≤x)|（?）O,其中用P^**定义两次使用fixed-design WB诱导的概率测度。 定理2.3 在假设A下,有 （?）|P^**(n^1/2(（?）_pb^**-（?）)≤x)-P(n^1/2（（?）-φ）≤x)|（?）O,其中用P^**定义两次使用pairwise bootstrap诱导的概率测度。