[pt] Nesta dissertação utilizamos um modelo baseado na teoria de fenômenos críticos para explicar a formação de preços de ativos financeiros no período précrash. A evolução dos preços é descrita por um crescimento lento em forma de lei de potência, superposto a oscilações periódicas em escala logarítmica, sendo denominado modelo log-periódico. Este crescimento é eventualmente interrompido por um colapso dos preços que ocorre em um curto e crítico intervalo de tempo.O objetivo deste trabalho é o de investigar o modelo logperiódico do ponto de vista econométrico, criticando e propondo melhoramentos na sua especificação de forma que as inferências estatísticas dos seus parâmetros sejam mais confiáveis. Baseado nesta análise é proposta uma extensão do modelo log-periódico, com a incorporação de estrutura auto- regressiva e heterocedástica condicional no termo aleatório do modelo original. O modelo é aplicado a índices de diversos mercados mundiais, a saber: HANG SENG (Hong Kong), NASDAQ (EUA), IBOVESPA (Brasil), MERVAL (Argentina), INDIA BSE NATIONAL (Índia) e FTSE100 (Grã-Bretanha). Os nossos resultados indicam que a utilização destes modelos na prática requer alguma cautela uma vez que a sua base inferencial é frágil. / [en] In this work we employ a model based on the critical phenomena theory to explain the asset price formation associated to the pre- crash period. The evolution of the price is given by an over-all power law acceleration decorated by oscillations called log-periodic model. This growth is likely to be interrupted by a crash of prices that happen in a short and critical time interval. The purpose of this work is to investigate the log-periodic model within the econometric approach by suggesting guidelines to achieve its performance in order to accomplish reliable statistical inferences. Based on this analysis we here propose a stretching of the log-periodic model through the introduction of an autoregressive structure and an autoregressive conditional heteroskedasticity at the residual of the original model. The current model is applied to the study of financial index of the stock markets worldwide as: HANG SENG (Hong Kong), NASDAQ (USA), IBOVESPA (Brazil), MERVAL (Argentina), INDIA BSE NATIONAL (India) and FTSE100 (United Kingdom). The output of such work indicates that the use of the logperiodic model requires some care as far as its inference basis is fragile.