La predicción del movimiento de los tipos de cambio en los mercados de divisas es un objetivo desafiante para el cálculo de pronósticos en el análisis de series de tiempo. Dada la complejidad que se presenta en la dinámica de este tipo de mercados, la implementación de modelos eficientes de predicción a partir de la información de las tasas de cambio observadas, es una tarea compleja. El presente estudio implementa y compara dos modelos de aprendizaje de máquina en la predicción del movimiento intradiario del mercado spot USD/COP. Los modelos propuestos se basan en técnicas de clasificación conocidas como redes neuronales artificiales (RNA) y máquinas de soporte vectorial (SVM). Indicadores de análisis técnico, velas japonesas y retornos de los precios fueron seleccionados como variables de entrada a los modelos. Se implementaron combinaciones de parámetros para los modelos propuestos con el fin de mejorar el desempeño en la predicción. Los resultados del experimento evidenciaron que el promedio en el desempeño para los modelos de RNA (57,8 %) y SVM (55,6 %) resultaron significativos para la predicción del movimiento del mercado spot USD/COP.