El objetivo de esta investigaci n es el de examinar los m todos para tratar una gran variedad de datos con irregularidades que suceden en series de tiempo. Los modelos autorregresivos integrados de promedios m viles (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 tecnolog a actual, puede haber alternativas m s atractivas y por sobre todo m s eficientes. Numerosas series de tiempo financieras no tienen una media constante y tambi n en la mayor a de los casos se observan fases en donde reina una relativa tranquilidad seguido de per odos de importantes cambios, o sea que la variabilidad cambia a trav s del tiempo. Dicho comportamiento es lo que recibe el nombre de volatilidad. Gran parte de la investigaci n actual se concentra en extender la metodolog a cl sica de Box y Jenkins basada principalmente en los modelos de tipo ARIMA para analizar este tipo de comportamiento. Presentaremos un resumen de los m todos para el tratamiento de la volatilidad, la cual se define como la varianza de una variable aleatoria, condicional a toda la informaci n pasada.