Nas ultimas d ecadas o estudo de s éries temporais de valores inteiros tem ganhado notoriedade  devido  a  sua  ampla  aplicabilidade,  por  exemplo,  modelar o n úmero  de acidentes com autom óveis em uma determinada rodovia, ou, o n úmero de pessoas infectadas por um ví rus.  Um dos grandes interesses desta área de estudo est á em fazer previsões, por este motivo é de grande importância propor metodologias para fazer previsões futuras, as quais devem, devido a natureza discreta das s éries, apresentar valores inteiros não negativos.  Neste trabalho dedicamo-nos em estudar e propor previsões um, dois e h passos a frente para os processos autorregressivos de segunda ordem condicionalmente heterosced ásticos de valores inteiros, Integer-valued second-order Autoregressive Conditional Heteroskedasticity Processes (INARCH(2)), assim como estudar algumas propriedades teóricas deste modelo.   Al ém  disso  verificamos, atrav es de ensaios de Monte Carlo, o comportamento dos estimadores dos parâmetros do  processo  INARCH(2), obtidos  atrav es  de  três  m étodos  de  estimação, Yule-Walker, Mí nimos quadrados condicionais e M áxima verossimilhan ca condicional, em  termos  de  erro  quadr ático  m édio,  erro  absoluto  médio  e  vi ès  para  diferentes  valores dos parâmetros com três tamanhos amostrais distintos.  Como aplica ção da teoria apresentada, modelamos dados referentes ao n úmero de casos de AIDS identicados no estado do Rio Grande do Norte.