La predicción de los mercados financieros representa una tarea desafiante por una serie de razones, como la irregularidad, alta fluctuación, ruido de los datos involucrados y la peculiar alta imprevisibilidad del dominio financiero. Además, la literatura no ofrece una metodología adecuada para identificar sistemáticamente los parámetros intrínsecos y hiperparámetros, características de entrada y algoritmos base de una estrategia de predicción para adaptarse automáticamente al mercado elegido. Para abordar estos problemas, este artículo introduce un enfoque de conjunto automatizado y optimizado, donde se ha combinado un proceso de selección de características optimizado con una estrategia de aprendizaje automático de conjunto, creada por un conjunto de clasificadores con parámetros intrínsecos e hiperparámetros aprendidos en cada mercado considerado. Una serie de experimentos realizados en diferentes mercados de futuros del mundo real demuestran la efectividad de dicho enfoque tanto en comparación con la estrategia base de Comprar y Mantener como con varias soluciones canónicas de vanguardia.