Este artículo estudia la estimación de la matriz de precisión de una red gaussiana de alta dimensionalidad. Investigamos el operador selector gráfico con contracción, GSOS en resumen, para maximizar una función de verosimilitud penalizada donde se considera una penalización de tipo red elástica como una combinación de una penalización de norma uno y una penalización de norma de Frobenius dirigida. Ilustraciones numéricas demuestran que nuestra metodología propuesta es un candidato competitivo para la estimación de la matriz de precisión de alta dimensionalidad en comparación con algunas alternativas existentes. Demostramos la relevancia y eficiencia de GSOS utilizando un conjunto de datos de mercados de cambio extranjeros y estimamos redes de dependencia para 32 monedas diferentes de 2018 a 2021.