امروزه انرژی نفت به عنوان یکی از منابع تجدید ناپذیر انرژی، جایگاه بسیار مهمی در میان منابع تأمین انرژی جهان به خود اختصاص داده است. شناخت ساختار قیمت این کالا و مدل سازی آن همواره مورد توجه پژوهش های اقتصادی بوده و تلاش هایی نیز برای بررسی علت نوسان و پیش بینی آن انجام گرفته است. کشور ایران یکی از صادرکنندگان بزرگ نفت در دنیا به شمار می رود و به عقیده کارشناسان، اقتصاد این کشور وابسته به درآمد حاصل از فروش نفت می باشد، بنابراین مدل سازی و پیش بینی نوسانات قیمت نفت خام ایران اهمیت بسیاری دارد. در بسیاری از سری های زمانی، خصوصاً سری های زمانی مالی، ویژگی واریانس ناهمسانی مشاهده می شود. در این راستا، کلاس های مختلف از مدل های garch به عنوان یکی از بهترین تکنیک های مدل سازی بی ثباتی در بازارهای مالی به شمار می روند. در این تحقیق با استفاده از مدل های خود رگرسیون واریانس ناهمسان شرطی تعمیم یافته (garch)، به مدل سازی و پیش بینی نوسانات قیمت نفت خام سنگین ایران پرداخته شده است. داده های مورد استفاده در این تحقیق دادهای روزانه پنج روز در هفته قیمت نفت خام سنگین ایران طی دوره یکم ژانویه سال 2002 تا سوم نوامبر سال 2011 است. جهت مطالعه و شناخت جامع رفتار قیمت نفت خام از مدل های garch,igarch,garch-m,egarch,gjrgarch,aparch و figarch جهت مدل سازی استفاده شده است. نتایج تحقیق حاکی از آن است که اثر شوک های قیمتی نفت خام بر بی ثباتی قیمت نفت خام نامتقارن و دارای درجه پایداری بالایی بوده است و شوک های منفی نسبت به شوک های مثبت اثر بیش تری بر واریانس شرطی قیمت نفت خام دارند. بنابراین سری بازدهی قیمت نفت خام سنگین ایران دارای اثر اهرمی می باشد. سری بازدهی قیمت نفت خام دارای حافظه بلند مدت بوده و نوسانات در فرم واریانس شرطی بهتر از فرم انحراف معیار شرطی مدل سازی می شوند. نتایج بررسی رابطه بین سری بازدهی و سری واریانس شرطی نشان می دهد که تغییرات واریانس شرطی بر سری بازدهی دارای اثر معناداری نیست ولی عکس این رابطه صادق است. در این تحقیق همچنین به بررسی تأثیر ویژگی های توزیع سری بازدهی در ارزیابی عملکرد مدل garch(1,1) پرداخته شده است و چهار توزیع نرمال استاندارد، توزیع t- استیودنت، توزیع خطاهای تعمیم یافته (ged) و توزیع t- استیودنت چوله مورد بررسی قرار گرفته اند. نتایج حاصل از ارزیابی عملکرد مدل ها با استفاده از معیارهای توابع زیان و آزمون dm حاکی از آن است که در شرایط وجود کشیدگی بیش از حد و چولگی در سری بازدهی استفاده از توزیع t- استیودنت چوله به عنوان توزیع مقادیر خطا دقت پیش بینی بهتری نسبت به سایر خواهد داشت.