Syfte: Syftet med denna studie är att undersöka förekomsten och utvecklingen av

flockbeteende på kryptomarknaden under perioden 9 november 2021 till 10 april 2025.

Särskilt fokus ligger på hur detta beteende påverkar institutionella investerares möjligheter

till effektiv riskhantering, strategisk portföljallokering och långsiktiga investeringsbeslut.

Metod: Studien bygger på en kvantitativ forskningsansats med sekundärdata från Refinitiv

Eikon för perioden november 2021 till april 2025. Data har analyserats i SPSS med hjälp av

CSAD-modellen, där både OLS- och kvantilregressioner tillämpats. Analysen omfattar hela

tidsperioden samt delperioder baserade på marknadssentiment (Fear & Greed Index), och är uppdelad efter kryptovalutornas storlek och avkastningens riktning.

Resultat & slutsats: Studiens resultat indikerar att flockbeteende förekommer på

kryptomarknaden, men att detta inte sker på ett entydigt eller konsekvent sätt över tid eller

marknadsförhållanden. På samma sätt visar analysen att sambandet mellan flockbeteende

och ökad volatilitet inte är entydigt, då andra beteendemässiga faktorer också visat sig kunna

påverka volatiliteten, oberoende av flockbeteende. Däremot framträder ett tydligt mönster i

att flockbeteende är mer utpräglat bland större kryptovalutor jämfört med mindre.

Examensarbetets bidrag: Studien bidrar med att fylla den forskningslucka som identifierats

för perioden januari 2022 till april 2025. Studien bidrar även till en ökad förståelse för den

komplexitet som institutionella investerare möter på kryptomarknaden. Den belyser hur

aspekter som riskhantering, portföljallokering och långsiktiga investeringsbeslut skiljer sig

från traditionella finansiella marknader.

Förslag till fortsatt forskning: Studien pekar på flera vägar för vidare forskning. Det

föreslås att sambandet mellan flockbeteende och handelsvolym undersöks mer ingående,

liksom volatilitetens roll genom exempelvis GARCH-modeller. Även analyser av specifika

marknadshändelser, såsom spekulativa bubblor, kan ge fördjupad insikt i flockbeteende på

kryptomarknaden.

Aim: The purpose of this study is to examine the presence and development of herding

behavior in the cryptocurrency market during the period November 9, 2021, to April 10,

2025, with a particular focus on its impact on institutional investors’ risk management,

portfolio allocation, and long-term investment decisions.

Method: This study adopts a quantitative research approach using secondary data from

Refinitiv Eikon covering the period from November 2021 to April 2025. The data were

analyzed in SPSS using the CSAD model, applying both OLS and quantile regressions. The

analysis covers the full time span as well as sub-periods based on market sentiment (Fear &

Greed Index) and is segmented by cryptocurrency size and the direction of returns.

Result & Conclusions: The study's findings indicate that herding behavior does occur in the

cryptocurrency market, but not in a clear or consistent manner over time or across different

market conditions. Similarly, the analysis shows that the relationship between herding and

increased volatility is not straightforward, as other behavioral factors also appear to

influence volatility independently of herding. However, a clear pattern emerges in that

herding behavior tends to be more pronounced among larger cryptocurrencies compared to

smaller ones.

Contribution of the thesis: This thesis contributes by addressing the identified research gap

for the period between January 2022 and April 2025. It also enhances the understanding of

the complexity institutional investors face in the cryptocurrency market, highlighting how

aspects such as risk management, portfolio allocation, and long-term investment decisions

differ significantly from those in traditional financial markets.

Suggestions for future research: The study identifies several avenues for further research.

It is suggested that the relationship between herding behavior and trading volume be

examined in greater depth, along with the role of volatility through models such as GARCH.

Additionally, analyses of specific market events, such as speculative bubbles, may offer

deeper insights into herding behavior in the cryptocurrency market.