La creación de modelos confiables del mercado de valores permite a los inversores tomar decisiones mejor informadas. Un modelo de trading puede disminuir los riesgos asociados con la inversión y permitir a los traders elegir empresas que ofrecen los dividendos más altos. Sin embargo, debido al alto grado de correlación entre los precios de las acciones, el análisis del mercado de valores se dificulta con enfoques de procesamiento por lotes. La predicción del mercado de valores ha entrado en una era tecnológicamente avanzada con la llegada de maravillas tecnológicas como la digitalización global. Por esta razón, los modelos de inteligencia artificial se han vuelto muy importantes debido al continuo aumento de la capitalización del mercado. La novedad del estudio propuesto es el desarrollo del modelo de series temporales de robustez basado en aprendizaje profundo para predecir los valores futuros del mercado de valores. El propósito principal de este estudio fue desarrollar un marco inteligente con la capacidad de predecir la dirección en la que se moverán los precios del mercado de valores basándose en series temporales financieras como entradas. Entre las tecnologías de vanguardia, la inteligencia artificial se ha convertido en la columna vertebral de muchos modelos diferentes que predicen la dirección de los mercados. En particular, las estrategias de aprendizaje profundo han sido efectivas para predecir el comportamiento del mercado. En este artículo, proponemos un marco basado en memoria a corto y largo plazo (LSTM) y una combinación híbrida de una red neuronal convolucional (CNN-LSTM) con LSTM para predecir los precios de cierre de Tesla, Inc. y Apple, Inc. Estas predicciones se realizaron utilizando datos recopilados en los últimos dos años. Se utilizaron el error cuadrático medio (MSE), el error cuadrático medio raíz (RMSE), el error cuadrático medio raíz normalizado (NRMSE) y la correlación de Pearson (R) en el cálculo de los hallazgos de los modelos de predicción de acciones de aprendizaje profundo. Entre los dos modelos de aprendizaje profundo, el modelo CNN-LSTM obtuvo ligeramente mejores resultados (Tesla: R-cuadrado = 98.37%; Apple: R-cuadrado = 99.48%). El modelo CNN-LSTM mostró un rendimiento superior en comparación con el LSTM de aprendizaje profundo único y los sistemas existentes en la predicción de los precios del mercado de valores.