El modelado y pronóstico de covarianzas que varían dinámicamente ha recibido mucha atención en la literatura. Los dos modelos de covarianzas y correlaciones condicionales más ampliamente utilizados son BEKK y el DCC. En este artículo, presentamos un nuevo método basado en análisis de redes y un nuevo enfoque de focalización para ambos modelos mencionados con el objetivo de estimar mejor las matrices de covarianza asociadas con series temporales financieras. Nuestro enfoque se basa en grupos específicos de activos altamente correlacionados en un mercado financiero y en suponer que esas relaciones permanecen inalteradas al menos a largo plazo. Con base en los parámetros estimados, evaluamos nuestro método de focalización en series simuladas refiriéndonos a dos funciones de pérdida bien conocidas introducidas en la literatura. Además, encontramos y analizamos todos los cliques maximales en los grafos de correlación para evaluar la efectividad de nuestro método. Los resultados de un estudio de caso empírico son alentadores, principalmente cuando el número de activos no es grande.