Este documento informa sobre nuestros hallazgos sobre la dinámica de retorno de Bitcoin y Ethereum utilizando datos de alta frecuencia (observaciones minuto a minuto) desde 2015 hasta 2022 para Bitcoin y desde 2016 hasta 2022 para Ethereum. El objetivo principal de modelar estas dos series era obtener una estimación dinámica de la prima de riesgo con la intención de caracterizar su comportamiento. Para ello, estimamos el modelo Generalized Autoregressive Conditional Heteroskedasticity in Mean with Normal-Inverse Gaussian distribution (GARCH-M-NIG) para los residuos. También estimamos los otros parámetros del modelo y discutimos su evolución a lo largo del tiempo, incluyendo la asimetría y la curtosis de la distribución Normal-Inverse Gaussian. De manera similar, determinamos los parámetros que definen la evolución de la varianza estimada, es decir, los parámetros relacionados con la varianza pasada ajustada, el error cuadrático y el valor promedio a largo plazo. Encontramos que, a pesar de la incertidumbre del mercado durante el período de emergencia de COVID-19 (2020 y 2021), la volatilidad y curtosis de retorno de las criptomonedas seleccionadas fueron aún mayores para varios otros subperíodos dentro del marco temporal de nuestra muestra. Nuestro modelo representa una herramienta analítica que estima la prima de riesgo que debería ser entregada por Bitcoin y Ethereum y, por lo tanto, es de interés para los gestores de riesgos, traders e inversores.