因為GARCH(1，1)使用的是T-1之前的日收益平方，而VAR-RV使用的是T-1之前的日收益數據，是基於長記憶的動態模型。這是它優於前者的關鍵。GARCH (1，1)模型在預測精度上的不足並不是模型本身的錯，而是日收益中的噪聲使得GARCH模型無法預測，反而體現了用日內數據預測波動率的效果。正如ABDL(2001a)指出的，“二次變化理論揭示了RV在適當的條件下不僅是日收益波動的無偏估計量，而且逐漸沒有測量誤差。”GARCH模型通常是針對單變量的，雖然也有人提出了多變量ARCH模型和隨機波動模型，如[[]Bollerslv]]，Engle，Nelson(1994)，Ghysels，Harvey，E.Renault(1996)，K.Kroner. Engle(Ng)(1998)，但是這些模型都因為di的曲率而嚴重影響了它們的實際應用。月經周期。而RV在處理多樣性方面似乎遊刃有余。正如ABDL(2001b)指出的，“用多元分形求積高斯向量自回歸來處理對數真實波動率，與ARCH類和相關模型得到的結果進行比較，發現前者具有驚人的優勢。”