Este documento presenta una revisión de la literatura en la que se estudian las metodologías empleadas para la predicción del precio de las empresas de acciones y materias primas en los campos de la electricidad, el petróleo, el gas y la energía. Esta investigación también realiza un análisis de qué variables de datos se emplean para entrenar los modelos de pronóstico. Se consultaron tres bases de datos científicas para realizar la presente investigación: el Directorio de Revistas de Acceso Abierto, el Instituto de Publicación Digital Multidisciplinaria y el Enlace de Springer. Después de ejecutar la misma consulta en las tres bases de datos y considerando el período de enero de 2017 a diciembre de 2021, se incluyeron un total de 1683 artículos en el análisis. De estos, solo 13 fueron considerados relevantes para el tema en estudio. Los resultados obtenidos mostraron que en comparación con otras áreas, pocos artículos se centran en la predicción de los precios de materias primas y acciones de empresas en el campo en estudio. Además, la mayoría hacen uso de metodologías de aprendizaje automático o análisis de series temporales. Finalmente, también es notable que algunos no solo utilizan algoritmos existentes, sino que también desarrollan y prueban nuevas metodologías.