PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIOR PROGRAMA DE SUPORTE À PÓS-GRADUAÇÃO DE INSTS. DE ENSINO PROGRAMA DE SUPORTE À PÓS-GRADUAÇÃO DE INSTITUIÇÕES COMUNITÁRIAS DE ENSINO PARTICULARES Com o surgimento dos criptoativos em 2009, iniciado com o Bitcoin, uma nova dinâmica de investimento e de tecnologia emergiu no século XXI com um novo mercado que já chegou a mais de 800 bilhões de dólares em 2018 e conta com mais de 2.000 moedas. Apesar da elevada volatilidade, de vários escândalos de pirâmides, da ausência de regulamentação e da maior utilização como investimento do que em compras de bens e serviços, os criptoativos vêm ganhando seu espaço, em meio às controvérsias, devido a tecnologia disruptiva. Este trabalho tem por objetivo analisar os 50 maiores criptoativos do mercado durante o período de 2015 – 2018 por meio de três ensaios que abordam: (i) a análise e previsão de volatilidade utilizando o MSGARCH (KLAASSEN, 2002), com testes de acurácia (envolvendo funções perda EQM e QLIKE, bem como o MAE, MAPE e o indicador U de Theil); (ii) análise dos fenômenos comportamentais de efeito manada seguindo modificações nas metodologias CSSD (CHRISTIE E HUANG, 1995), CSAD (CHANG, CHENG E KHORANA, 2000) e HS (HWANG E SALMON, 2004), bem como o efeito contágio seguindo modificações nas metodologias do teste FR (FORBES E RIGOBON, 2002) e de testes de comomentos de ordem superior (FRY, MARTIN E TANG, 2010; FRY-MCKIBBIN E HSIAO, 2018); (iii) bem como a análise do fenômeno de feedback trading por meio do modelo seminal de Sentana e Wadhwani (1992). Como principais achados, foi identificado que: (i) há uma forte influência de dois estados de volatilidade; nos criptoativos com maior probabilidade de ocorrência do segundo regime existe uma maior tendência do aparecimento do segundo estado de volatilidade com a subida de preços, onde existe elação ao efeito manada, o modelo CSAD detectou um efeito pouco significativo, e o modelo CSSD detectou um efeito manada forte estatisticamente significativo no movimento de queda de mercado; o modelo HS capturou com sucesso o comportamento de manada e revelou períodos extremos de manada reversa; em relação ao efeito contágio, o teste FR conseguiu captar contágio do Bitcoin em outras moedas em praticamente todos os casos com exceção do Tether Dollar, BITCNY e ECC - que tipicamente possuem controle inflacionário e particularidades das stablecoins; nos modelos de comomentos, os testes indicaram contágio do Bitcoin em relação as moedas analisadas; (iii) em relação ao fenômeno de feedback trading, foi possível captar feedback trade negativo no TETHER e positivo nas moedas BTC, ETH, CSC e ECC, cuja adequação do modelo utilizado foi confirmada posteriormente pelo teste de viés de sinais (ENGLE E NG, 1993), com exceção do TETHER - que contrariou Sentana e Wadhwani (1992) e Shi, Chiang e Liang (2012) ao apontarem que modelos menos parcimoniosos teriam pouca influência na verificação de feedback trading. With the arise of cryptocurrencies in 2009, started with the Bitcoin, a new dynamic of investment and technology emerged in the 21st century with a new market that has already exceed US 800 billion in 2018 and has more than 2,000 coins. Despite the high volatility, various Ponzi schemes, lack of regulation and the main use as investment than in purchases goods and services, cryptocurrencies have been gaining ground, amid controversy, due to the disruptive technology. The objective of this work is to analyze the 50 largest cryptocurrencies in the market during the period of 2015-2018 by means of three essays that seek to investigate: (i) the volatility analysis and prediction using MSGARCH (KLAASSEN, 2002), with accuracy tests (involving MSE and QLIKE loss functions, as well as MAE, MAPE, and Theil s U indicator); (ii) the analysis of the behavioral phenomena of herd effect following modifications in CSSD (CHRISTIE e HUANG, 1995), CSAD (CHANG, CHENG e KHORANA, 2000) and HS (HWANG e SALMON, 2004) methodologies, as well as the contagion effect following modifications in the methodologies of FR test (FORBES e RIGOBON, 2002) and higher order comoments tests (FRY, MARTIN e TANG, 2010; FRY-MCKIBBIN e HSIAO, 2018); (iii) the analysis of the feedback trading phenomenon through the seminal model of Sentana and Wadhwani (1992). As main findings, it was identified that: (i) there is a strong influence of two volatility states; in the cryptoassets with more probability of occurrence under the second regime, there is a greater tendency of occurrence of the second state of volatility when prices go up, where there is more the volatility - the exception that has been noted only in BTC and ETH, where the first state of volatility is strong when prices go up, with more volatility; there is more accuracy in the forecasting with two volatility states for long term prediction than in short term prediction; (ii) with respect to the herd effect, the CSAD model detected a small herd effect, with little statistical significance, and the CSSD model detected a strong herd effect statistically significant in the down movement of market; the HS model successfully captured herd behavior and revealed extreme periods of reversal in the herd effect; in relation to the contagion effect, the FR test was able to capture Bitcoin s contagion in other currencies in practically all cases except Tether Dollar, BITCNY and ECC - which typically have inflationary control and particularities of stablecoins; in the comoments models, the tests indicated contagion of Bitcoin in relation to the currencies analyzed; (iii) in relation to the feedback trading phenomenon, it was possible to capture negative feedback trading in TETHER and positive in BTC, ETH, CSC and ECC, whose adequacy of the model used was confirmed later by the signal bias test (ENGLE e NG, 1993), with the exception of TETHER - which contradicts Santana and Wadhwani (1992) and Shi, Chiang and Liang (2012) that less parsimonious models would have little influence on feedback trading.