چکیده: مدل‌بندی سری‌های زمانی مالی از اهمیت ویژه‌ای برخوردار است. در این راستا، مدل‌های آماری زیادی طراحی شده است که از آن جمله می‌توان به مدل‌های میانگین متحرک ‎(MA)‎، اتورگرسیو AR) ‎) و ترکیب این دو ARMA)‎) برای سری‌های زمانی ایستا اشاره کرد. اما این‌ها برای مدل‌بندی واریانس، تغییرات و ناپایداری‌های ناشی از نمونه‌های موجود در مدیریت ریسک، مدیریت اوراق بهادار، بازار بورس، تخصیص دارایی‌ها و موارد گوناگون دیگر از این دسته، کارا و مناسب نبوده و در عوض از سری‌های زمانی واریانس ناهمگن شرطی اتورگرسیو ARCH)‎) و نوع تعمیم‌یافته آن GARCH)‎) استفاده می‌شود. از طرفی، چنان‌چه در بحث مدل‌بندی با متغیرهای ورودی (توضیحی)‎ و خروجی (پاسخ)‎ سر و کار داشته باشیم شایسته است که از مدل رگرسیون با خطاهای سری زمانی استفاده کنیم. در این پایان‌نامه، تلفیق روش‌های جریمه‌شده با تاکید بر لاسوی سازوار، در انتخاب متغیرهای بااهمیت ورودی در مد‌ل‌های رگرسیونی با خطای سری زمانی ARMA-GARCH‎ را مورد بررسی قرار داده و با استفاده از یک سری مطالعات عددی کارایی این مدل‌ها را بررسی می‌کنیم.