Neste trabalho, modela-se a volatilidade usando uma abordagem bayesiana para a estimação de modelos Generalizados Autorregressivos de Heterocedasticidade Condicional – Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Eventuais assimetrias são acomodadas utilizando-se modelos de transição suave para a variância. Apresentam-se alguns problemas relacionados a esta abordagem e discute-se como estes influenciam o comportamento da função de verossimilhança. Para dados cujas distribuições apresentam caudas mais pesadas, utiliza-se a distribuição t-Student. Os problemas da verossimilhança derivados da estimação dos graus de liberdade são resolvidos usando a priori de Jeffrey. Um estudo simulado é apresentado para evidenciar o potencial da metodologia. Por fim, uma aplicação da metodologia a séries de índices de preços ao consumidor (IPCs) no Brasil revela as vantagens da utilização de modelos GARCH assimétricos com distribuição t-Student.