Este estudio investiga el rendimiento predictivo de los indicadores financieros en la previsión de precios de acciones dentro del sector automotriz utilizando un sistema de inferencia neuro-difusa adaptativa (ANFIS). A la luz de la creciente complejidad de los mercados financieros globales y la creciente demanda de modelos de previsión automatizados y basados en datos, esta investigación tiene como objetivo identificar aquellos ratios financieros que reflejan con mayor precisión la dinámica de precios en esta industria específica. El modelo incorpora cuatro indicadores financieros ampliamente utilizados: retorno sobre activos (ROA), retorno sobre capital (ROE), ganancias por acción (EPS) y margen de beneficio (PM) como entradas. El análisis se basa en datos financieros y de mercado reales de empresas automotrices, y el rendimiento del modelo se evaluó utilizando RMSE, nRMSE y intervalos de confianza. Los resultados indican que el modelo completo, que incluye los cuatro indicadores, logró la mayor precisión y estabilidad en la predicción, mientras que la exclusión de ROA o ROE deterioró significativamente el rendimiento del modelo. Estos hallazgos desafían la hipótesis de eficiencia en forma débil y subrayan la relevancia de los fundamentos a nivel de empresa en la formación de precios de acciones. El enfoque específico del sector de este estudio destaca la importancia de adaptar los modelos predictivos a las características de la industria, ofreciendo implicaciones tanto para la modelización financiera como para las estrategias de inversión. Las direcciones futuras de investigación incluyen la expansión del conjunto de indicadores, el aumento del tamaño de la muestra y la prueba del modelo en otros dominios industriales.