El documento examina el rendimiento relativo de los modelos de Volatilidad Estocástica (SV) y GARCH(1,1) ajustados a más de veinte años de datos diarios para tres índices. Como referencia, utilizo la volatilidad realizada (RV) para los índices S&P 500, DOW JONES y STOXX50, muestreados a intervalos de 5 minutos, tomados de la Oxford Man Realised Library. Ambos modelos demuestran un rendimiento comparable y están correlacionados en una medida similar con las estimaciones de RV, cuando se mide por OLS. Sin embargo, una variante cruda del modelo Heterogéneo Auto-Regresivo (HAR) de Corsi (2009), aplicada a los retornos diarios cuadráticos centrados, parece predecir la RV diaria de la serie, mejor que cualquiera de los dos modelos base. El modelo base SV fue luego mejorado al agregar una matriz de regresión que incluye los primeros y segundos momentos de la serie de retornos centrados. De manera similar, el modelo GARCH(1,1) fue aumentado al agregar un vector de retornos cuadráticos centrados a la ecuación de la media. El modelo SV aumentado mostró una mejora marginal en el poder explicativo. Esto lleva a la pregunta de si necesitamos alguno de los dos modelos de volatilidad estándar, si el simple recurso de usar retornos diarios cuadráticos centrados rezagados proporciona un mejor predictor de RV, al menos en el contexto de los índices en la muestra. Así, el documento explora si las reglas simples son equivalentes a las capacidades de pronóstico de volatilidad de modelos más sofisticados.