协整过程是一种特殊的向量单位根过程,协整关系反应变量之间存在着长期稳定的均衡关系,在实际经济问题中,金融经济数据往往具有尖峰重尾的统计特点,难以用高斯分布去拟合,于是近年来重尾序列成为统计学及相关领域的一个研究热点。重尾过程协整检验统计量的渐近分布中含有不可估计的重尾指数α,本文针对这个问题,在不估计重尾指数α的情况下,运用bootstrap抽样和block bootstrap抽样两种算法,得出检验重尾过程协整关系的临界值,证明在两种抽样算法下检验统计量的收敛性,并进行实验模拟说明这两种抽样算法的有效性。本文共分为六章:第一章,前言,简要介绍了协整过程及重尾过程的研究背景。第二章,预备知识,主要介绍了协整过程和重尾分布及其相关知识。第三章,介绍了重尾协整过程的bootstrap抽样算法,证明了该算法的合理性并进行Monte Carlo模拟说明该方法的有效性。第四章,介绍重尾协整过程的block bootstrap抽样算法,进行证明说明该算法的合理性,最后运用Monte Carlo模拟说明该方法的有效性,第五章,进行实证分析,运用两种抽样算法对我国股票指数与经济增长进行协整关系的检验。第六章,总结与展望,总结本文主要内容,提出本文中两种算法的不足之处,以及日后需要改进的地方。