建模汇率波动性至关重要，因为它对公司的获利能力和决策者的决策具有多种影响。 本文通过对2006年4月1日至2018年1月31日期间的USDINR和EURINR日汇率应用滚动对称和非对称GARCH模型，对印度货币的汇率波动进行了实证研究。得出的总观察值为2861。 （1,1）和EGARCH（1,1）模型，数据窗口滚动了五年，有近1200个观测值，一个月用作每个窗口的预测期。 样本内准则（例如对数似然准则，Akaike信息准则（AIC），贝叶斯信息准则（SIC）和Hannan Quinn准则（HQC））以及样本外准则（例如均方误差（MSE））和平均绝对误差（MAE）已用于测试模型拟合和预测模型的准确性。 为了检验结果的稳健性，使用Diebold-Mariano检验来比较两个模型的预测准确性。 此外，还通过将样本期分为印度汇率的平静和波动时期来测试这两种模型的预测准确性。 结果表明，具有广义误差分布的GARCH（1,1）模型足以捕获USDINR和EURINR汇率收益的均值和波动过程。

本文的目的是使用通用自回归条件异方差（GARCH）类型模型来估计肯尼亚股票市场（即内罗毕证券交易所（NSE））的日收益率的波动性。 使用2013年3月至2016年2月的数据估算条件方差。我们使用对称和非对称模型来捕获股票市场的最常见特征，例如杠杆效应和波动率聚类。 结果表明，波动过程是高度持久的，因此提供了NSE指数收益序列存在风险溢价的证据。 反过来，这也支持正相关假设：即在波动率与预期股票收益之间。 结果揭示的另一个事实是，非对称GARCH模型比对称模型更适合NSE。 这证明了NSE回报系列中存在杠杆效应。