En este trabajo se utilizan Algoritmos Gen ticos Autoadaptables para desarrollar nuevos modelos de Series de Tiempo que son equivalentes a los modelos cl sicos ARIMA. La ventaja de estos nuevos modelos es que el n mero de t rminos se puede elegir de antemano consiguiendo con esto que, conforme el n mero de t rminos se incrementa, tambi n lo haga la precisi n del modelo. Con los modelos desarrollados en este trabajo se particip en la competencia NN3 Neural Forescasting Competition y se obtuvo el tercer lugar al construir modelos para todos los problemas con solo cuatro t rminos.