La volatilidad es un indicador de riesgo para el mercado de valores, y su medición es importante para las decisiones de los inversores; sin embargo, pocos estudios la han investigado. Solo se han identificado dos revisiones sistemáticas que se centran en la volatilidad. Además, con el avance de la inteligencia artificial, varios algoritmos de aprendizaje automático deberían ser revisados. Este artículo proporciona una revisión sistemática de los factores, pronósticos y simulaciones de la volatilidad en el mercado de valores utilizando aprendizaje automático (ML) de acuerdo con las directrices de selección de revisión PRISMA (Elementos de Reporte Preferidos para Revisiones Sistemáticas y Metaanálisis). De los 105 artículos iniciales que se identificaron en las bases de datos Scopus y Web of Science, 40 artículos cumplieron con los criterios de inclusión y, por lo tanto, se incluyeron en la revisión. Los hallazgos muestran que las tendencias de publicación exhiben un crecimiento en el interés por la volatilidad del mercado de valores; quince factores influyen en la volatilidad en seis categorías: noticias, política, irracionalidad, salud, economía y guerra; se han identificado veintisiete modelos de predicción basados en algoritmos de ML, muchos de ellos híbridos, incluyendo redes neuronales recurrentes, memoria a largo y corto plazo, máquinas de soporte vectorial, máquinas de regresión de soporte y redes neuronales artificiales; y finalmente, se identifican cinco modelos de simulación híbridos que combinan simulaciones de Monte Carlo con otras técnicas de optimización. En conclusión, el proceso de revisión muestra un movimiento en los estudios de volatilidad de simulaciones clásicas a simulaciones basadas en ML debido a la mayor precisión obtenida por los algoritmos híbridos.