Esta investigación tiene como objetivo aplicar la Red Orgánica Artificial (AON), un marco de aprendizaje automático metaheurístico supervisado inspirado en la naturaleza, para desarrollar un nuevo algoritmo basado en esta clase de aprendizaje automático. El enfoque del nuevo algoritmo es modelar y predecir los mercados bursátiles basados en el Problema de Seguimiento de Índices (ITP). En este trabajo, presentamos un nuevo algoritmo, basado en el marco de AON, al que llamamos Compuestos Artificiales de Halocarbono, o el algoritmo AHC en resumen. En este estudio, comparamos el algoritmo AHC con algoritmos genéticos (GAs), al pronosticar ocho índices bursátiles. Además, realizamos una comparación cruzada de resultados con respecto al pronóstico de otros índices bursátiles basados en métodos de aprendizaje automático de vanguardia. La eficacia del modelo AHC se evalúa al modelar cada índice, produciendo resultados muy prometedores. Por ejemplo, en el caso del índice IPC de México, el coeficiente de determinación es 0.9806, con un error relativo medio de. Varias características nuevas caracterizan nuestro nuevo modelo, principalmente adaptabilidad, dinamismo y reconfiguración de topología. Este modelo se puede aplicar a sistemas que requieren análisis de simulación utilizando datos de series temporales, proporcionando una solución versátil a problemas complejos como la predicción financiera.