En esta investigación, se propone un modelo de red neuronal (NN) para la predicción de precios de metales basado en un enfoque evolutivo. Tanto los parámetros de la red neuronal como la arquitectura de la red son seleccionados automáticamente. El conjunto de datos de precios de metales de series temporales se utiliza para construir una nueva función de aptitud que tiene en cuenta tanto la minimización del error como la reproducción de la función de autocorrelación. El cálculo de los valores promedio de entropía permitió la selección del recuento de parámetros de entrada para el modelo de red neuronal. La predicción del precio del oro se realizó utilizando la metodología propuesta. El número óptimo de nodos ocultos, tasa de aprendizaje y momento son 9, 0.026 y 0.76, respectivamente, según el modelo de red neuronal basado en evolución. La estrategia propuesta se muestra que reduce el error de estimación y reproduce la función de autocorrelación del conjunto de datos de series temporales mediante los resultados de validación con datos de precios del oro. El rendimiento del método propuesto es mejor que otros métodos actuales, según un estudio comparativo.