Este documento investiga cinco modelos diferentes de Promedio Móvil Autorregresivo (ARMA) y Heterocedasticidad Condicional Autorregresiva Generalizada (GARCH) (GARCH, GARCH exponencial o EGARCH, GARCH integrado o IGARCH, GARCH por componentes o CGARCH y el GARCH de Glosten-Jagannathan-Runkle o GJR-GARCH) junto con seis distribuciones (normal, de Student, GED y sus formas sesgadas), que se utilizan para estimar la dinámica de precios del índice bursátil búlgaro SOFIX. Utilizamos el mejor modelo para predecir cuánto tiempo tomará, después de la última crisis, para que el índice SOFIX alcance nuevamente su pico histórico. Los datos empíricos cubren el período entre los años 2000 y 2024, incluyendo la crisis financiera de 2008 y la pandemia de COVID-19. El propósito es responder cuál de los cinco modelos es el mejor para analizar el precio del SOFIX y cuál distribución es la más apropiada. Los resultados, basados en el BIC y AIC, muestran que la especificación ARMA(1,1)-CGARCH(1,1) con la distribución de Student es la preferida para el modelado. A partir de los resultados obtenidos, podemos confirmar que la especificación del modelo CGARCH apoya una descripción más apropiada de la volatilidad del SOFIX que un modelo GARCH simple. Encontramos que los choques a largo plazo tienen un impacto más persistente en la volatilidad que el efecto de los choques a corto plazo. Además, para la misma magnitud, los choques negativos en los precios del SOFIX tienen un impacto más significativo en la volatilidad que los choques positivos. Según los resultados, al predecir valores futuros del SOFIX, es necesario incluir tanto un componente autorregresivo de primer orden como un promedio móvil de primer orden en la ecuación de la media. Con la ayuda de 5000 simulaciones, se estima que las probabilidades de que el SOFIX alcance su valor pico histórico de 1976.73 (08.10.2007) son superiores al 90% para el 13.08.2087.