Cryptocurrency, sebagai inovasi keuangan dengan pertumbuhan pesat, telah menjadi sorotan utama karena volatilitasnya yang ekstrem dan tantangan pengelolaan risikonya. cryptocurrency yang kompleks dan volatilitas membutuhkan model risiko yang lebih adaptif dan akurat untuk estimasi, pengambilan keputusan, dan pengelolaan risiko yang efektif. Penelitian ini berfokus pada sepuluh cryptocurrency teratas berdasarkan kapitalisasi pasar, yaitu Bitcoin, Ethereum, XRP, Tether, Solana, BNB, Dogecoin, USDC, Cardano, dan TRON. Untuk mengeksplorasi efektivitas model GARCH, EGARCH, TGARCH, dan MSGARCH dalam menganalisis volatilitas. Dengan menggunakan Deviance Information Criterion (DIC) dan Bayesian Predictive Information Criterion (BPIC) untuk mengevaluasi kecocokan model, serta Mean Squared Error (MSE) dan Mean Absolute Error (MAE) untuk menilai akurasi prediksi, penelitian ini juga menerapkan Value at Risk (VaR) sebagai alat ukur risiko. Akurasi prediksi VaR diuji lebih lanjut melalui Conditional Coverage (CC) dan Dynamic Quantile (DQ) tes