En este trabajo, destacamos tres técnicas diferentes para construir automáticamente el conjunto de datos para un estudio de series temporales: el paso múltiple directo, el paso múltiple recursivo y el esquema híbrido directo-recursivo. El regresión vectorial de soporte autoregresiva no lineal con variable exógena (NARX SVR) y la regresión de proceso gaussiano (GPR), combinadas con la evolución diferencial (DE) para ajuste de parámetros, son los dos métodos híbridos novedosos utilizados en este estudio. Los ajustes de hiperparámetros utilizados en los procesos de entrenamiento de GPR y SVR como parte de esta técnica de optimización DE afectan significativamente la precisión de la regresión. La precisión en la predicción de DE/GPR y DE/SVR, con o sin NARX, se examina en este artículo utilizando datos sobre los precios del oro al contado de la Bolsa de Mercancías de Nueva York (COMEX) que se han hecho públicamente disponibles. Según las estadísticas de RMSE, los resultados numéricos obtenidos demuestran que NARX DE/SVR logró los mejores resultados.