Este artículo propone un nuevo estimador semiparamétrico combinado de la varianza condicional que toma el producto de un estimador paramétrico y un estimador no paramétrico basado en el aprendizaje automático. Se utiliza un algoritmo de aprendizaje automático popular basado en núcleos, conocido como el estimador de mínimos cuadrados regularizados por núcleos, para estimar el componente no paramétrico. Discutimos cómo estimar el estimador semiparamétrico utilizando datos reales y cómo utilizar este estimador para hacer pronósticos de la varianza condicional. Se realizan simulaciones para mostrar la dominancia del estimador propuesto en términos de error cuadrático medio. Se analiza una aplicación empírica utilizando los retornos diarios del S&P 500, y el estimador semiparamétrico pronostica efectivamente la volatilidad futura.