Un enfoque de Teoría de Valores Extremos Condicional (GARCH-EVT) es un método híbrido de dos etapas que combina un filtro de Autoregresión Condicional Generalizada Heterocedástica (GARCH) con la Teoría de Valores Extremos (EVT). El enfoque requiere la preespecificación de un umbral que separa las colas de distribución de su parte central. La elección apropiada de un nivel de umbral es una tarea exigente. En este artículo utilizamos cuatro algoritmos diferentes de selección de cola óptima, es decir, el método de estabilidad de ruta, el método de Eye-Ball automatizado, el método de minimización del error cuadrático medio asintótico y el método de métrica de distancia con una función de penalización media absoluta, para estimar pronósticos de Valor en Riesgo (VaR) fuera de muestra y compararlos con el enfoque de umbral fijo. A diferencia de otros estudios, actualizamos la fracción óptima de la cola para cada ventana móvil de los rendimientos. El objetivo de la investigación es verificar en qué medida los procedimientos de optimización pueden mejorar las estimaciones de VaR en comparación con el enfoque de umbral fijo. Los resultados se presentan para una posición larga y corta aplicando 10 índices bursátiles mundiales en el período de 2000 a junio de 2019. Aunque cada enfoque genera diferentes niveles de umbral, el modelo GARCH-EVT produce estimaciones de Valor en Riesgo similares. Por lo tanto, no se puede observar una mejora en la precisión de VaR en relación con el enfoque conservador que toma el cuantil 95 de los rendimientos como umbral.