Este artículo de investigación se centra en predecir los precios de las acciones utilizando redes neuronales y evaluar el impacto de la volatilidad en la precisión del modelo. Se seleccionaron dos acciones, una no volátil y otra volátil, para evaluar el efecto de la volatilidad en la precisión de la predicción utilizando tres tipos de redes neuronales: RNN, LSTM y feedforward. Los conjuntos de datos utilizados en este estudio incluyen información diaria sobre los precios de las acciones obtenida de Yahoo Finance para el período de septiembre de 2020 a febrero de 2023. Además, se extrajeron artículos de noticias para realizar un análisis de sentimientos. La biblioteca de sentimientos NLTK se utilizó para clasificar los sentimientos como positivos, negativos o neutrales, y los resultados se promediaron diariamente. La integración de estos conjuntos de datos tiene como objetivo proporcionar una comprensión integral de los factores que influyen en el comportamiento del precio de las acciones. El documento discute la metodología utilizada para entrenar y evaluar modelos de redes neuronales basados en los conjuntos de datos combinados. Esta investigación contribuye al campo de la predicción del precio de las acciones y destaca la importancia de considerar la volatilidad para lograr predicciones precisas.