Predecir las fluctuaciones del mercado de valores es una tarea difícil debido a su naturaleza intrincada y siempre cambiante. Para abordar este desafío, proponemos un enfoque para minimizar los errores de pronóstico utilizando una técnica basada en clasificación, que es un conjunto ampliamente utilizado de algoritmos en el campo del aprendizaje automático. Nuestro estudio se centra en la efectividad potencial de este enfoque en mejorar las predicciones del mercado de valores. Específicamente, presentamos un nuevo método para predecir los rendimientos de las acciones utilizando un Clasificador de Árboles Extra. Los indicadores técnicos se utilizan como entradas para entrenar nuestro modelo mientras que el objetivo es la diferencia porcentual entre el precio de cierre y el precio de cierre después de 10 días de negociación para 120 empresas de diversas industrias. El marco de tiempo de 10 días logra un buen equilibrio entre precisión y practicidad para los traders, evitando la baja precisión de marcos de tiempo cortos y la impracticabilidad de los más largos. El algoritmo Clasificador de Árboles Extra es ideal para las predicciones del mercado de valores debido a su capacidad para manejar grandes conjuntos de datos con un alto número de características de entrada y mejorar la robustez del modelo al reducir el sobreajuste. Nuestros resultados muestran que nuestro modelo de Clasificador de Árboles Extra supera al método más tradicional de Bosque Aleatorio, logrando una precisión del 86.1%. Estos hallazgos sugieren que nuestro modelo puede predecir de manera efectiva cambios significativos de precios en el mercado de valores con alta precisión. En general, nuestro estudio proporciona ideas valiosas sobre el potencial de las técnicas basadas en clasificación para mejorar las predicciones del mercado de valores.