El modelo de componentes GARCH (CGARCH) fue uno de los primeros intentos de dividir la varianza condicional en una componente permanente y otra transitoria. Con la aplicación a datos económicos y financieros, ayuda a investigar los movimientos de volatilidad a largo y corto plazo que afectan a los valores. Como todos los modelos de tipo GARCH, se suele asumir que la serie de innovación de la CGARCH sigue una distribución Normal, que no puede acomodar las propiedades de colas gruesas comúnmente presentes en los datos empíricos. Las estimaciones resultantes no son eficientes cuando se emplea una suposición Normal. En este documento, consideramos la distribución estable templada, que tiene la atractiva propiedad de estabilidad bajo agregación que falta en otras distribuciones populares de colas gruesas como la distribución t de Student y la distribución de error general (GED). A través de estudios de simulación diseñados sistemáticamente, nuestros resultados demuestran que un modelo CGARCH con distribución estable templada supera uniformemente a aquellos con distribuciones Normal, t de Student y GED. Nuestro estudio empírico sobre el índice de la Bolsa de Shanghai también llega a las mismas conclusiones. Por lo tanto, argumentamos que el modelo CGARCH con distribución estable templada podría ser ampliamente utilizado para modelar datos económicos y financieros en contextos generales, centrándose en los comportamientos de volatilidad a largo y corto plazo.