Los mercados financieros son sistemas dinámicos complejos y en evolución. Debido a su irregularidad, la predicción de series temporales financieras se considera una tarea bastante desafiante. En los últimos años, las aplicaciones de redes neuronales artificiales en finanzas para tareas como el reconocimiento de patrones, la clasificación y la predicción de series temporales han aumentado drásticamente. El objetivo de este artículo es presentar este marco versátil e intentar utilizarlo para predecir la serie de retornos de acciones de cuatro empresas que cotizan en la Bolsa de Nueva York. Nuestros hallazgos coinciden con los de Burton Malkiel en su libro; no se encuentra evidencia concluyente de que nuestros modelos propuestos puedan predecir la serie de retornos de acciones mejor que un paseo aleatorio.