The class of GARCH models is briefly revised and those models reformulated as dynamic Bayesian models. Gaussian quadrature technique and Laplace approximation are used to estimate both static and dynamic GARCH models of moderate dimension. The implemented algorithms are validated using artificially generated data. Four real return time series were analized and the performance of the different models and estimation methods accessed through their predictive capability and, also, comparing the non-observed volatilities with the square af the returns, its natural proxy.Os modelos GARCH são resumidamente revisados e reformulados na classe dos modelos dinâmicos Bayesianos. Procedimentos de quadratura Gaussiana e aproximações de Laplace são utilizados na estimação de modelos GARCH, estáticos e dinâmicos, de baixa dimensionalidade. Os algoritmos desenvolvidos são validados a partir de dados artificialmente gerados. Quatro séries reais de retornos financeiros são analisados. A qualidade de diferentes modelos e métodos de estimação são acessadas através de sua capacidade preditiva e, também, comparando-se as volatilidades previstas, não observáveis, com sua proxie natural, o quadrado dos retornos.