اکثر داده های مالی بورس ایران دارای نوسان و توزیعی غیر نرمال می باشند. برای برآورد و تخمین دقیق تر پارامترهای مالی، نوسان پذیری و یا پیش بینی قیمت و بازده این ضرورت به وجود می آید که از ابزار های و روش هایی استفاده شود که فرض و محدودیت خاصی برای توضیع داده های مورد بررسی در نظر نگیرد. در این پژوهش برای پیش بینی نوسان پذیری سری های زمانی مالی از مدل garch انعطاف پذیری که متکی بر استفاده از پایه های b-spline چند متغیره ی تأخیرهای مشاهدات و نوسان پذیری ها می باشد استفاده کردیم. سپس با استفاده از معیارهای ارزیابی به مقایسه آن با مدل های کلاسیک پرداختیم. برای برآورد این مدل از درستنمایی کاذب استفاده شده است. از آنجا که ابعاد پایه های b-spline زیاد است (یعنی تعداد پارامتر) از روشی قاعده مند به همراه یک الگوریتم پیش برنده برای برازش استفاده می کنیم. این روش به لحاظ محاسباتی جذاب و برای ابعاد بالا شدنی است. نشان دادیم که روش spline دارای پتانسیل پیش بینی بالایی برای نوسان پذیری دارایی های مالی نسبت به مدل های کلاسیک است. واژگان کلیدی: b-spline ، نوسان پذیری، داده های مالی، garch، پیش بینی