Neste trabalho, analisei modelos de volatilidade condicional aplicados a índices do mercado brasileiro de ações, como IBOV, SMLL, INDX e IMOB, durante o período de 2018 a 2022, que incluiu a crise da COVID-19. Utilizei modelos como ARCH, GARCH, EGARCH e TGARCH, combinados com ARMA para a média condicional, e distribuição t de Student para capturar a leptocurtose das séries. Os resultados mostraram que os modelos assimétricos (EGARCH e TGARCH) foram mais eficazes em capturar a assimetria dos choques na volatilidade, especialmente durante a crise. Além disso, realizei backtesting do Value at Risk (VaR), que indicou violações acima do esperado, mas com desempenho superior dos modelos assimétricos em intervalos de confiança específicos. Concluí que esses modelos são mais adequados para séries financeiras com clusters de volatilidade e assimetria.