Pronosticar los valores futuros de las empresas colombianas cotizadas en la Bolsa de Nueva York es un desafío diario para los inversores, debido a la alta volatilidad de estas acciones. Hay varios modelos de pronóstico para predecir datos de series temporales, como el modelo autorregresivo integrado de media móvil (ARIMA), que ha sido considerado el modelo de regresión más utilizado en la predicción de series temporales durante las últimas cuatro décadas, aunque el modelo ARIMA no puede estimar el comportamiento de regresión no lineal causado por la alta volatilidad en la serie temporal. Además, el modelo de regresión de vector de soporte (SVR) es un enfoque pionero de aprendizaje automático para resolver procedimientos de estimación de regresión no lineal. Por esta razón, este documento propone utilizar un modelo híbrido que se beneficie de los modelos ARIMA y de regresión de vector de soporte (SVR) para pronosticar los rendimientos diarios y acumulativos de empresas colombianas seleccionadas. Para propósitos de prueba, se utilizaron los precios de cierre de Bancolombia, Ecopetrol, Tecnoglass y Grupo Aval; estas son organizaciones colombianas relevantes cotizadas en la Bolsa de Nueva York (NYSE).