Este documento presenta metodologías para pronosticar los precios del petróleo (Brent y WTI) con series temporales multivariadas de los precios de las principales acciones del S&P 500 utilizando modelado de procesos gaussianos, aprendizaje profundo y regresión de cópulas de vid. También aplicamos selección de variables bayesianas y análisis de componentes principales no lineales (NLPCA) para la reducción de la dimensión de los datos. Con un número reducido de covariables importantes, también pronosticamos los precios del petróleo (Brent y WTI) con series temporales multivariadas de las principales acciones del S&P 500 utilizando modelado de procesos gaussianos, aprendizaje profundo y regresión de cópulas de vid. Para aplicar datos reales a los métodos propuestos, seleccionamos los retornos mensuales logarítmicos de 2 precios del petróleo y 74 precios de acciones de gran capitalización del S&P 500 en el período de febrero de 2001 a octubre de 2019. Concluimos que la regresión de cópulas de vid con NLPCA es superior en general a otros métodos propuestos en términos de las medidas de errores de predicción.