En esta investigacion doctoral se aborda la problematica del pronostico de series temporales con una componente dominante de medias moviles no lineales (NLMA), mediante redes neuronales artificiales (ANN). El primer aporte de este trabajo es que se realiza una revision sistematica de la literatura, que permite identificar que solo el 7% de los modelos ANN seleccionados en los ultimos 15 anos cumplen con un proceso formal de construccion del modelo, y ademas solo el 28% de ellos, consideran una estructura distinta a la autoregresiva. El segundo aporte es que se demuestra experimentalmente que las redes ARNN y NARMA no son capaces de capturar todo el proceso de series no lineales con componente de medias moviles (MA). El tercer aporte es que se formula un modelo no lineal basado en una red neuronal cuyas entradas son procesos MA, que se puede interpretar como un modelo no lineal de medias moviles, y que posee caracteristicas deseables: no requiere la seleccion del numero de capas ocultas ni de funcion de activacion, es invertible localmente y los estimadores de sus parametros son asintoticamente normales. El cuarto aporte esta relacionado con la formulacion de una estrategia formal de construccion para dicho modelo; el cual es validado con datos experimentales y reales, obteniendo muy buenos resultados en terminos de exactitud del pronostico.