在蒙特卡洛研究中，回顾并比较了由条件异方差识别的结构向量自回归（SVAR）模型的不同自举方法和估计技术。该模型是一个具有广义自回归条件异方差（GARCH）创新的SVAR模型。所考虑的引导方法是野生引导、移动块引导和基于GARCH残差的引导。估计是通过高斯最大似然进行的，这是一种基于单变量GARCH估计的简化过程，也是一种在每次自举复制中不重新估计GARCH参数的方法。研究发现，计算上最有效的方法与计算上要求更高的方法具有竞争力，并且通常在不牺牲覆盖精度的情况下产生最小的置信集。以一个评估美国货币政策的实证模型为例。研究发现，脉冲响应的不同推理方法导致了定性上非常相似的结果。