Existen tres características distintivas en las series temporales financieras, como los precios de las acciones, que son las siguientes: (1) No normalidad, (2) correlación serial y (3) efecto de apalancamiento. Los tres puntos deben tenerse en cuenta para modelar las series temporales financieras. Sin embargo, el modelado de series temporales financieras multivariadas implica un gran número de acciones, con muchos parámetros a estimar. Por lo tanto, hay pocos ejemplos de modelado de series temporales financieras multivariadas que traten explícitamente con momentos de orden superior. Además, no existe un modelo de series temporales financieras multivariadas que tenga en cuenta las tres características mencionadas anteriormente. En este estudio, proponemos el modelo GARCH (GJR) generalizado ortogonal (GO)-Glosten, Jagannathan y Runkle que extiende el modelo GARCH autoregresivo condicional heterocedástico (GARCH) generalizado ortogonal (GO) e incorpora las tres características de las series temporales financieras. Confirmamos la efectividad del modelo propuesto al comparar el rendimiento de carteras basadas en el riesgo con momentos de orden superior. Los resultados muestran que el rendimiento con nuestro modelo propuesto es superior al de los métodos básicos, e indican que los métodos de estimación son importantes en carteras basadas en el riesgo con momentos superiores.