Nous considérons les estimés des paramètres des modèles GARCH pour les rendements financiers journaliers, qui sont obtenus à l'aide des données intra-jour (haute fréquence) pour estimer la volatilité journalière. Deux bases potentielles sont evaluées. La première est fondée sur l'aggrégation des estimés quasi-vraisemblance-maximale, en profitant des résultats de Drost et Nijman (1993). L'autre utilise la volatilité integrée de Andersen et Bollerslev (1998), et obtient les coefficients d'un modèle estimé par LAD ou MCO; la première méthode résiste mieux à la possibilité de non-existence des moments de l'erreur en estimation de volatilité. En particulier, nous considérons l'estimation par approximation ARCH, et nous obtenons les paramètres par une méthode liée à celle de Galbraith et Zinde-Walsh (1997) pour les processus ARMA. Nous offrons des résultats provenant des simulations sur la performance des méthodes en échantillons finis, et nous décrivons les atouts relatifs à l'estimation standard de quasi-VM basée uniquement sur les données journalières.