为了克服样本中模型选择的缺点，本研究采用样本外模型选择方法来选择具有改进的预测准确性和性能的模型。 从2006年1月3日至2016年12月30日，在尼日利亚证券交易所上市的钻石银行和富达银行获得了每日收盘价。因此，对总计2713个观察值进行了探讨，并分为两部分。 从2006年1月3日到2016年11月24日的第一个样本包含2690个观测值，用于模型制定。 第二部分的时间范围为2016年11月25日至2016年12月30日，包括23个观测值，用于样本外预测绩效评估。 线性（ARIMA）和非线性（GARCH型）组合模型应用于关于正态分布和学生t分布的收益序列。 研究结果表明，ARIMA（2,1,1）-EGARCH（1,1）-范数和ARIMA（1,1,0）-EGARCH（1,1）-范数模型是基于整个过程中的最小预测误差选择的样本方法优于通过样本内方法选择的ARIMA（2,1,1）-GARCH（2,0）-std和ARIMA（1,1,0）-EGARCH（1,1）-std模型。 因此，可以推断出样本外模型选择方法适用于选择具有改进的预测准确性和性能的模型。
