پیش بینی نوسان در بازارهای مالی یک فعالیت بحرانی و کلیدی است و دارای حوزه تاثیرگذاری گسترده ای می باشد که شامل سرمایه گذاری، ارزش گذاری اوراق بهادار، مدیریت ریسک و ایجاد سیاست پولی است. همانطور که مشخص است این موارد بوضوح از ارزش زیادی در تصمیم گیری های اقتصادی برخوردار است بنابراین، توجه به این مسایل سبب ایجاد سوال هایی از این قبیل می شود که چطور می توانیم بطور موثری نوسانات را پیش بینی کنیم و آیا ممکن است که مشخصا یک تکنیک ترجیح داده شده را انتخاب کنیم؟ روش های مختلفی که بوسیله آنها، چنین پیش بینی هایی می تواند بدست آید در ادبیات این موضوع گسترش یافته و در عمل بکار برده شده است. چنین تکنیک هایی، دربر گیرنده محدوده وسیعی از مدل های نسبتا ساده که از مفروضات ساده استفاده می کنند (روش گام تصادفی) تا مدل های نسبتا پیچیده واریانس ناهمسانی شرطی خانواده گارچ می باشند. در این تحقیق عملکرد پیش بینی خارج از نمونه 6 مدل برای نوسانات روزانه شاخص قیمت و بازده نقدی TEDPIX در دوره زمانی آغاز 1378 تا پایان 1387 (شامل 2355 مشاهده) مورد ارزیابی قرار گرفته است، که 2300 مشاهده اول برای تخمین پارامترها استفاده شده و باقیمانده داده ها برای پیش بینی بکار رفته است. مدل هایی که در این تحقیق با هم مقایسه شده اند عبارتند از: مدل Riskmetric و تعدادی از مدل های نوع گارچ، شامل مدل GARCH، EGRACH، APARCH، TARCH و IGARCH برای ارزیابی عملکرد پیش بینی مدل های مورد مقایسه، از سه آماره ارزیابی خطا استفاده شده است: MAE, RMSE, Theil.نتایج حاصله از این تحقیق بیانگر آن است که بر اساس هر سه معیار ارزیابی خطا، مدل Riskmetric بطور قابل ملاحظه ای بهترین عملکرد را در مقایسه با پنج مدل دیگر دارد. و از طرف دیگر، مدل EGARCH بدترین عملکرد پیش بینی را ارایه می دهد.