当前,对金融市场价格变化不确定性的研究已成为现代金融研究的核心问题之一,而这一不确定性又往往是用方差来描述和度量的。传统的经济计量模型往往假设方差是不变的。随着实证工作的深入,人们发现金融类的许多时间序列数据,如股票价格、通货膨胀率、利率和外汇汇率等的方差经常表现出随时间变化的特点。这些现象表明,传统的计量模型,如线性回归模型已不能客观和准确地描述这些金融行为。在这种情况下,恩格尔于1982年提出了自回归条件异方差模型,简称ARCH模型。该模型由于能定量地反映各种经济和金融行为中出现的方差变化特点,已经受到了人们的广泛重视,并在此基础上产生了许多扩展模型,如GARCH,EGRACH,IGARCH等。本文详细介绍了ARCH类模型的基本理论,分析了这些模型的性质特征,并重点探讨了该类模型的参数估计方法。目前常用的估计方法是极大似然估计。本文在此基础上提出了基于Bootstrap的极大似然估计。该方法由于利用样本的可重复抽样性,极大地提高了参数估计的准确性和灵活性。本文主要从以下几个方面进行研究:(1)系统地阐述了自回归条件异方差回归模型族的产生背景,统计意义,以及当前国内外的研究现状与发展水平等。(2)详细介绍了ARCH模型和GARCH模型的基本理论和基本形式,重点介绍了这两类ARCH模型参数的极大似然估计,并提出了基于Bootstrap的ARCH模型和GARCH模型参数的极大似然估计,并给出了相应的算法。(3)结合中国人民银行人民币对美元汇率的时间序列数据,研究了GARCH模型在实证分析中的应用,并给出了该模型参数的具体的基于Bootstrap的极大似然估计,并对汇率的走势进行拟合,间接验证了ARCH类模型的实用性。