برای برآورد نااطمینانی از روش GARCH ابتدا بایستی بهترین الگوی ARIMA(p,d,q) انتخاب شود. در این رابطه p تعداد جملات خود رگرسیون، d تعداد دفعاتی که سری زمانی اولیه باید تفاضل­ گیری شود تا مانا شود و q تعداد جملات میانگین متحرک است. برای برآورد مدل ARIMA از متدولوژی باکس- جنکینز استفاده می­شود. طبق این روش ابتدا باید مقادیر واقعی p، d و q تعیین شوند. بدین منظور از ابزار نمودار خود همبستگی و خود همبستگی جزئی استفاده می­شود و وقفه­های بهینه مدل انتخاب می­شوند می­شود؛ سپس ضرایبی که از نظر آماری نسبت به بقیه متغیرها از نظر آماری کم­تر معنی­دار هستند، براساس روش ­شناسی باکس جنکینز حذف می­شود و مدل مجدداً تخمین زده می­ شود. روند حذف متغیرها بی­ معنی تا مرحله ­ای که همه متغیرها از نظر آماری معنی­دار باشند، ادامه می­یابد. همچنین باید آزمون شود که پسماندهای مدل نافه سفید باشند. برای بررسی در این زمینه مانایی جملات پسماند مورد آزمون قرار می­گیرد. واریانس در طول روند تصادفی سری مورد نظر ثابت نیست و تابعی از رفتار جملات خطا باشد. مدل­های خانواده آرچ (ARCH) می­توانند روند واریانس شرطی را با توجه به اطلاعات گذشته خود توضیح دهند و برای سری­های زمانی که دارای نوسان هستند و واریانس آنها در طول زمان تغییر می­کند به کار می­رود. اما باید به این نکته توجه داشت که تنها زمانی می­توان با استفاده از روش­های GARCH نااطمینانی را تخمین زد که وجود ناهمسانی شرطی توسط آزمون اثر ARCH مورد تائید قرار گیرد. پس از تائید اثر آرچ، برای انتخاب  pو q بهینه در فرآیند GARCH(p,q) معیارهای متفاوتی مانند معیارهای آکائیک (AIC) و شوارتز (SC) استفاده می­شود. هر چقدر مقادیر AIC و SBC کوچکتر باشند بهتر است.  پس از برآورد نااطمینانی در مرحله پایانی باید عدم وجود ناهمسانی واریانس در جملات اخلال تخمین  را آزمون کرد. برای این منظور با استفاده از آزمون LM-ARCH، واریانس ناهمسانی جمله اختلال آزمون می­شود