Este documento propone una versión logarítmica del modelo ACD de dos componentes (LogCACD) sin restricciones en el signo de los parámetros del modelo, permitiendo que las duraciones esperadas se descompongan en componentes de largo y corto plazo para capturar la dinámica de estas duraciones. Se utiliza la distribución generalizada inversa gaussiana extendida (EGIG) para la distribución de errores, ya que su función de riesgo consiste en una forma de montaña rusa para ciertos valores de parámetros. Se ha llevado a cabo una aplicación empírica a partir de las duraciones comerciales del índice bursátil de International Business Machines para investigar este modelo propuesto. Se realizan comparaciones exhaustivas para evaluar el rendimiento de modelado y pronóstico del modelo propuesto con varios modelos de referencia y diferentes especificaciones de distribuciones de errores. El resultado revela que el modelo LogCACD(1,1) ofrece el mejor ajuste dentro de la muestra basado en el criterio de información de Akaike y otros criterios. Además, los parámetros estimados obtenidos mediante la estimación de máxima verosimilitud confirman la existencia de la función de riesgo en forma de montaña rusa. El examen del modelo LogCACD(1,1) también proporciona los mejores pronósticos fuera de la muestra evaluados en función del error cuadrado medio del pronóstico utilizando el conjunto de confianza del modelo de Hansen. Por último, se proporcionan y se prueban diferentes niveles de pronósticos de tiempo en riesgo con el test de razón de verosimilitud de Kupiec.