کتی-دبلیو-چن و تی‌فانی‌یوب (۲۰۰۴)

در بررسی ۶ شاخص اصلی بورس سهام شرق آسیا و امریکا نشان دادند که حافظه بلندمدت در این بازارها وجود دارد.

 

چین ون چونگا و همکارانشان (۲۰۰۶)

مدل‌های با حافظه بلندمدت توضیح بسیار مناسبی از رفتار متلاطم شاخص سهام مالزی، نسبت به مدل GARCH برخوردار بودند

 

ژانگ (۲۰۰۶)

در بورس سهام شنزن، مدل‌های نامتقارن از قبیل ،EGARCH و GJR عملکرد بهتری در مقایسه با سایر مدل های نوع GARCH دارند، اما مدل‌هایی با توزیع تی-استیودنت چوله، با تفاوت اندکی در مقایسه با مدل‌هایی با سایر توزیع‌ها، نتایج بهتری دادند

 

رویز و ویگا (۲۰۰۸)

مدل نوسانی آماری جدیدی تحت عنوان A-LMSV را برای مقابله با اثر اهرمی و حافظه بلندمدت در نوسانات سهام پیشنهاد نمودند و نشان دادند که همبستگی تقاطعی بین مشاهدات واقعی و مربعات، بطور کلی، در ارزش‌های قدر مطلق در FIEGARCH بیشتر از A-LMSV است.

 

کانگ و همکاران (۲۰۰۹)

مدل‌های FIGARCH و CGARCH به ترتیب از دقت پیش‌بینی و پایداری بالاتری نسبت به سایر مدل‌ها برای نوسانات قیمت نفت خام وست تگزاس برخوردار هستند.

 

چئونگ (۲۰۱۰)

چارچوب تجربی کانگ و همکاران (۲۰۰۹) را برای تخمین مدل‌های خطی و غیر خطی توسعه داد. نتایج تحقیق وی نشان داد که مدل‌های غیرخطی GARCH قابلیت بالاتری نسبت به مدل‌های خطی دارند.

 

کریستنسن و همکاران (۲۰۱۰)

مدل FIEGARCH-M برای بازدهی روزانه سهام مورد بررسی قرار داد و ضمن استخراج اثر نوسانات در میانگین^[۲۳۶] به این نتیجه رسیدن که مدل یاد شده بهتر از مدل FIEGARCH است.

 

آروری و همکاران (۲۰۱۲)

مدل‌های نوسانانی پس از برطرف نمودن (تعدیل) شکست ساختاری نتایج دقیق‌تری می‌دهند در میان این مدل‌ها نیز مدل FIGARCH نتایج مناسبتری داشت.

 

اورتگا (۲۰۱۴)

با بهره گرفتن از مدل‌های ARCH و GARCH تعمیم یافته به بررسی رابطه همبستگی بین قیمت سهام شرکت‌ها پرداخته و وجود رابطه همبستگی بلندمدت میان قیمت سهام شرکت‌ها را تایید نمود.

 

بنتز (۲۰۱۵)

به بررسی قدرت پیش‌بینی‌کننده‌های مبتنی بر مدل‌های GARCH پرداخت و بر پیش‌بینی‌های خارج از نمونه این مدل‌ها صحه گذاشت.

 

مهرآرا و عبدلی (۱۳۸۵)

نقش اخبار خوب و بد را در نوسانات بازدهی سهام ایران مورد تجزیه و تحلیل قرار دادند. در این مقاله، رابطه تکانه‌های بازدهی یا یا قیمت سهام (اخبار) و نوسانات شرطی با بهره گرفتن از الگوهای GARCH، TARCH، CGARCH و EGARCH متقارن و غیرمتقارن در بازار اوراق بهادار تهران، بررسی و فرضیه عدم‌تقارن آزمون شد. نتایج پژوهش نشان می‌دهد که، هیچگونه شواهدی مبنی بر وجود اثرات نامتقارن قوی و معنی‌دار وجود ندارد، به این مفهوم که اخبار خوب و بد با اندازه یکسان، تأثیر مشابهی بر نوسانات شرطی بازدهی دارد

 

کشاورز و صمدی (۱۳۸۸)

انجام پیش بینی در دوره خارج از دوره نمونه مدل ARFIMA-FIGARCH با توزیع نرمال، دقیق ترین مدل بوده و نتایج بهتری را ارائه می دهد. همچنین مدل FIGARCH بهترین عملکرد را در تخمین ارزش در معرض ریسک ( VaR) ارائه داد.

 

ارشدی (۱۳۹۰)

مدل های TARCH و EGARCH، به منظور استخراج اثر اهرمی مورد تایید قرار گرفت. از سوی دیگر نتایج آزمون های ضرایب GARCH گویای آن است که واریانس شرطی در بلندمدت به میانگین خود بازگشت می کند.

 

سجاد و همکاران (۱۳۹۲)

در مقایسه مدل تلاطم تصادفی و مدلهای GARCH، از طریق محاسبه ارزش در معرض خطر، مدل GARCH و GARCH-t مناسب ارزیابی شد.