Los modelos para la combinacion de pronosticos han sido ampliamente estudiados, y de uso frecuente en el mejoramiento de la exactitud de predicciones. En este articulo se presenta un nuevo modelo compuesto no lineal, para la prediccion de la volatilidad de activos. Dicho modelo esta compuesto de una serie de modelos GARCH, anclados a un conjunto de datos de series de tiempo, que emplean diferentes funciones de perdida, los cuales tienen el objetivo de capturar diferentes caracteristicas de la dinamica propia de la volatilidad. Se combinan predicciones individuales, mediante el uso de la media aritmetica simple, o de una red neuronal artificial. Este modelo propuesto se emplea para predecir la rentabilidad mensual de series de tiempo S&P500, llevando a concluir que el nuevo enfoque permite predecir la volatilidad con mayor exactitud que cada uno de los modelos GARCH considerados.