امروزه عده کثیری از افراد به سرمایه¬گذاری در بورس و خرید و فروش سهام روی آورده¬اند. از آنجایی که انجام این گونه معاملات دارای ریسک¬های بالایی است، بهتر است به منظور مدیریت ریسک و دستیابی به یک سرمایه¬گذاری موفق، در کنار تجربه، از روش¬های علمی برای تعیین چگونگی تغییرات قیمت سهام نیز استفاده شود. روش¬های گوناگونی برای این منظور وجود دارد. یکی از مدل¬هایی که در تحقیقات بسیاری مورد توجه می¬باشد مدل¬های garch است، که بر پایه¬ی واریانس ناهمسانی و وجود تلاطم خوشه¬ای شکل گرفتند. همان¬گونه که چگونگی ساختن الگو برای رفتار دنیای واقعی دارای اهمیت است، روش برآورد الگو نیز برای اظهار نظر در دنیای واقعی و در نتیجه پیشنهاد برای سیاست¬گذاری مهم می-باشد. تاکنون روش¬هایی که به طور عموم برای برآورد الگوهای اقتصاد سنجی و سری¬های زمانی مورد استفاده قرار گرفته، روش های برآورد کلاسیک رگرسیون مانند روش حداقل مربعات معمولی و روش حداکثر درستنمایی بوده است. یکی از فروض اساسی این روش¬های برآورد، فرض مجانبی است. به عبارت دیگر تنها هنگامی که حجم نمونه بسیار بالا باشد، ضرایب برآورد شده توسط این روش¬ها به سمت مقادیر واقعی پارامترهای جامعه میل می¬کنند. بنابراین دقت برآوردهای آن برای نمونه-هایی با حجم پایین سوال برانگیز است. لذا این رساله در پی یافتن روشی مناسب با بیشترین دقت برای تخمین مدلسازی و پیش¬بینی تلاطم در بورس اوراق بهادار تهران است. برای این منظور از مدل garch استفاده می¬شود سپس این مدل را با دو روش بیزی و حداکثر راستنمایی تخمین زده و در پایان با توجه به معیارهای انتخابی در زمینه¬ی برآورد دقت پیش¬بینی مانند mse و mae بهترین روش معرفی خواهد شد. نتایج نشان می¬دهد که در نمونه¬های کوچک(750 مشاهده)، روش حدکثر راستنمایی کارایی کمتری نسبت به روش بیزی دارد. و هرچه حجم نمونه افزایش یابد کارایی و دقت پیش بینی در هردو روش همگرا می¬شود به طوریکه تابع توزیع پارامترها در نمونه¬های کوچک به صورت مجانبی نامتقارن است و با افزایش تعداد داده¬ها به سمت توزیع مجانبی متقارن میل می¬کند. همچنین با توجه به معیارهای دقت پیش¬بینی، در نمونه¬هایی با حجم پایین روش تخمین بیزی عملکرد بهتری دارد.