Los modelos para la combinación de pronósticos han sido ampliamenteestudiados, y de uso frecuente en el mejoramiento de la exactitudde predicciones. En este artículo se presenta un nuevo modelocompuesto no lineal, para la predicción de la volatilidad de activos. Dichomodelo esta compuesto de una serie de modelos GARCH, anclados a unconjunto de datos de series de tiempo, que emplean diferentes funcionesde pérdida, los cuales tienen el objetivo de capturar diferentes característicasde la dinámica propia de la volatilidad. Se combinan prediccionesindividuales, mediante el uso de la media aritmética simple, o de una redneuronal artificial. Este modelo propuesto se emplea para predecir la rentabilidadmensual de series de tiempo S and amp;P500, llevando a concluir que elnuevo enfoque permite predecir la volatilidad con mayor exactitud quecada uno de los modelos GARCH considerados.