El objetivo de esta investigación es el de examinar los métodos para tratar una gran variedad de datos con irregularidades que suceden en series de tiempo. Los modelos autorregresivos integrados de promedios móviles (o modelos ARIMA) son frecuentemente considerados como los que proveen la base principal para el modelado de cualquier serie de tiempo. Ahora bien, dada la tecnología actual, puede haber alternativas más atractivas y por sobre todo más eficientes. Numerosas series de tiempo financieras no tienen una media constante y también en la mayoría de los casos se observan fases en donde reina una relativa tranquilidad seguido de períodos de importantes cambios, o sea que la variabilidad cambia a través del tiempo. Dicho comportamiento es lo que recibe el nombre de volatilidad. Gran parte de la investigación actual se concentra en extender la metodología clásica de Box y Jenkins basada principalmente en los modelos de tipo ARIMA para analizar este tipo de comportamiento. Presentaremos un resumen de los métodos para el tratamiento de la volatilidad, la cual se define como la varianza de una variable aleatoria, condicional a toda la información pasada.