En este trabajo se van a comparar diversos métodos para predecir el futuro de ciertos índices bursátiles a partir de los datos históricos de otros o de él mismo. En concreto, se seleccionan uno índices bursátiles a los que se les aplican distintos experimentos. En primer lugar, utilizamos el método ARIMA, en el cual se utiliza el pasado de la misma serie temporal de la cual se quiere predecir el futuro y se compara con el sencillo método de Naïve, consistente en proyectar el último valor conocido. Posteriormente, se realizan experimentos con distintos métodos de regresión (Regresión Lineal, Gradient Boosting Regressor, Random Forest Regressor y Voting Regressor) utilizando incrementos en lugar de los valores reales, para lo que es necesario hacer un preajuste de los datos de entrada. Además, incorporamos varias variables independientes para mejorar la predicción. Como último método de predicción se realiza un experimento utilizando redes neuronales, en concreto se trata de percepción multicapa con backpropagation. Finalmente, se comparan y analizan los resultados de todos estos métodos a través de las medidas de error típicas y se exponen las conclusiones finales.