Das Ziel dieser Arbeit ist die Vorhersagbarkeit der Renditen auf dem Markt der Kryptowährung zu studieren. Ich habe Automatic Portmanteau- und Wild Bootstrapped Automatic Variance Ratio-Tests auf tägliche Renditen von 467 Kryptowährungen angewendet, um zu testen, ob Renditen vorhersehbar sind. Die Testergebnisse zeigen, dass die Hälfte der Münzen in der Probe vorhersehbar ist und dass Small-Cap-Münzen vorhersehbarer sind als Large-Cap-Münzen. Ferner zeige ich, dass der Grad der Vorhersagbarkeit auf dem Kryptowährungsmarkt zeitlich variiert und der Adaptive Market Hypothesis folgt. Um zu verstehen, was die Determinanten für einen unterschiedlichen Grad an Vorhersagbarkeit sind, habe ich die Paneldatenregression mit fixen Effekten verwendet, wobei Teststatistiken der oben genannten Tests als abhängige Variablen verwendet werden. Regressionsmodelle zeigen, dass Handelsvolumen, Volatilität und Aufmerksamkeit für Kryptowährungen einige Variationen der Vorhersagbarkeit erklären können.

The goal of this thesis is to study the predictability of returns in the cryptocurrency market. I applied Automatic Portmanteau and Wild Bootstrapped Automatic Variance Ratio tests to daily returns of 467 cryptocurrencies to test if returns are predictable. Test results show that half of the coins in the sample are predictable and that small-cap coins are more predictable than large-cap coins. Further, I show that the degree of predictability in the cryptocurrency market is time-varying and follows the Adaptive Market Hypothesis. To understand, what are the determinants of varying degree of predictability, I used panel data regression with fixed effects, where test statistics of the abovementioned tests are used as dependent variables. Regression models show that trading volume, volatility, and attention to cryptocurrencies can explain some variation of predictability.