El objetivo de este trabajo es predecir el precio de las acciones de Google utilizando diferentes conjuntos de datos y modelos de aprendizaje automático, y comprender qué modelos funcionan mejor. La novedad de nuestro enfoque es que comparamos los modelos no solo por su precisión predictiva, sino también por su explicabilidad y robustez. Nuestros hallazgos muestran que la elección del mejor modelo para predecir los precios de las acciones de Google depende del objetivo deseado. Si el objetivo es la precisión, la red neuronal recurrente es el mejor modelo, mientras que, para la robustez, el modelo de regresión de Ridge es el más resistente a los cambios y, para la explicabilidad, el modelo de aumento de gradiente es la mejor elección.