Este estudio examina la volatilidad de nueve de las principales criptomonedas por capitalización de mercado: Bitcoin, XRP, Ethereum, Bitcoin Cash, Stellar, Litecoin, TRON, Cardano e IOTA, utilizando un modelo Bayesian Stochastic Volatility (SV) y varios modelos GARCH. Encontramos que cuando lidiamos con datos financieros extremadamente volátiles, como las criptomonedas, el modelo SV tiene un mejor desempeño que los modelos de la familia GARCH. Además, los errores de pronóstico del modelo SV, en comparación con los modelos GARCH, tienden a ser más precisos a medida que los horizontes temporales de pronóstico son más largos. Esto profundiza nuestra comprensión de los modelos de pronóstico de volatilidad en el complejo mercado de las criptomonedas.