Este trabalho busca apresentar um metodo para previsao de series temporais que se utiliza da estrategia de dividir para conquistar na busca da minimizacao do erro na previsao. O algoritmo proposto realiza a selecao de exemplos atraves da clusterizacao dos dados via rede de Kohonen, com estrategias para aumentar a densidade dos dados. Para cada cluster, e gerada automaticamente, atraves de algoritmos geneticos, uma rede previsora MLP (considerando atributos de entrada, janela de tempo, topologia da rede e calibragem dos parametros) otimizada para aquela classe. Tambem foram definidos dois comites de maquinas que aliam as informacoes de semelhanca entre os padroes de entrada advindas da clusterizacao com a combinacao de conhecimentos dos especialistas obtida atraves da essencia do comite de maquinas. Todas as estrategias apresentadas constituem o portfolio de estrategias de previsao do sistema que utiliza uma selecao automatica de previsores, dotada de uma grade tridimensional dos desempenhos dos mesmos, para definir qual a melhor estrategia para realizar a previsao de cada padrao de entrada apresentado. A avaliacao do algoritmo foi realizada em series temporais economicas."