En este estudio, proponemos un modelo de pronóstico de valor en riesgo semiparamétrico y parsimonioso, basado en regresión cuantílica y métodos de aprendizaje automático, combinado con precios de mercado de contratos de opciones disponibles en el mercado interbancario de divisas extrabursátil. Nuestro objetivo es mejorar los métodos existentes para la predicción de VaR de inversiones en divisas utilizando aprendizaje automático. Empleamos dos métodos diferentes, es decir, métodos de ensamblaje y redes neuronales. Las variables explicativas son volatilidades implícitas con una interpretación económica plausible. La naturaleza prospectiva del modelo, lograda mediante la aplicación de volatilidades implícitas como factores de riesgo, asegura que la nueva información se refleje rápidamente en las estimaciones de valor en riesgo. Hasta donde sabemos, este estudio es el primero en utilizar información de la superficie de volatilidad, combinada con aprendizaje automático y regresión cuantílica, para la predicción de VaR de inversiones en divisas. Los modelos de ensamblaje propuestos logran buenas estimaciones en todos los cuantiles. El modelo de máquina de impulso de gradiente ligero y el modelo de impulso categórico ambos producen estimaciones que son mejores o iguales a las del modelo de referencia. En general, los modelos de redes neuronales son bastante inestables.