ARIMA-GARCH预测模型是将什么加入到ARIMA模型中，从而使得预测更加准确

ARIMA-GARCH预测模型是一种常用的时间序列预测模型，它将ARIMA模型（自回归移动平均模型）与GARCH模型（广义自回归条件异方差模型）相结合，从而使得预测更加准确。

ARIMA模型可以很好地处理时间序列的趋势和季节性，但是对于时间序列中的波动性（即方差）处理能力不足。GARCH模型则可以很好地捕捉时间序列的波动性，但是无法处理时间序列的趋势和季节性。

因此，将ARIMA模型和GARCH模型结合起来，可以充分利用两者的优点，既可以捕捉时间序列的趋势和季节性，又可以捕捉时间序列的波动性，从而得到更加准确的预测结果。具体来说，ARIMA-GARCH模型是在ARIMA模型的基础上，加入了GARCH模型的残差平方项，以反映时间序列的波动性特征。