Este estudio analiza la capacidad de los modelos construidos a partir de algoritmos geneticos y redes neuronales para predecir el signo de las variaciones semanales de los indices bursatiles Nikkei 225, Hang Seng, Shangai Composite, Seoul Composite y Taiwan Weighted. Se utilizo un modelo multivariado dinamico construido a partir de algoritmos geneticos recursivos y una red neuronal ward. Los resultados fueron comparados con los de un modelo ingenuo o AR(1) y una estrategia buy and hold. El modelo multivariado obtenido a traves de algoritmos geneticos obtuvo el mejor desempeno en terminos de rentabilidad corregida por riesgo, medida por los indices de Sharpe y Treynor. Si bien la red ward obtuvo una mejor capacidad predictiva, esta no se vio reflejada en una mayor rentabilidad corregida por riesgo. Los resultados se confirman en las series generadas a traves de un proceso bootstrap. De esta manera, se presenta evidencia de que, para el caso asiatico, los modelos de algoritmos geneticos y la red ward recursiva pueden predecir el cambio direccional del indice, junto con generar mayores retornos que un modelo ingenuo y una estrategia buy and hold. Lo anterior apoya las conclusiones del estudio de Leung, Daouk y Chen (2000), segun el cual la prediccion de la direccion del movimiento puede arrojar mayores ganancias de capital que la proyeccion del valor de cierre