Los movimientos en el India VIX son un indicador importante de cómo la percepción del riesgo del mercado cambia de un día para otro. Esta investigación intenta predecir los movimientos un día antes del India VIX utilizando regresión logística y 11 clasificadores de aprendizaje en conjunto. El período de estudio es de abril de 2009 a marzo de 2021. Para lograr la tarea mencionada, se entrenaron y validaron clasificadores con el 90% de la muestra dada, considerando una validación cruzada de series temporales en dos pliegues para la optimización de hiperparámetros. Los modelos optimizados se predijeron luego en un conjunto de datos de prueba no visto, que representa el 10% de la muestra dada. Los resultados mostraron que los modelos óptimos funcionaron bien, y sus puntuaciones de precisión fueron similares, con variaciones menores que oscilan entre el 63.33% y el 67.67%. El clasificador de apilamiento logró la mayor precisión. Además, CatBoost, Light Gradient Boosted Machine (LightGBM), Extreme Gradient Boosting (XGBoost), votación, apilamiento, bagging y clasificadores de Random Forest son los mejores modelos con rendimientos estadísticamente similares. Entre ellos, se pueden recomendar los clasificadores CatBoost, LightGBM, XGBoost y Random Forest para predecir los movimientos diarios del India VIX debido a su estructura inherentemente optimizada. Este hallazgo es muy útil para anticipar el riesgo en el mercado de valores indio.