Prever o comportamento de séries temporais financeiras é um objetivo perseguido por muitos. Se valendo de um histórico de observações passadas, busca-se obter uma estimativa acurada para o futuro da série em questão, podendo, então, se antecipar às tendências do mercado. O estudo e o tratamento dessa série de observações passadas é a base para o desenvolvimento de modelos quantitativos de previsão do comportamento do preço de diferentes ativos do mercado financeiro. Mais conhecido como um método de previsão de demanda, o modelo de Winter tem se mostrado, também, uma poderosa ferramenta de antevisão de séries complexas de naturezas distintas à sua de origem. O modelo tende a superar outros conhecidos como Redes Neurais e modelos ARIMA quando há presença característica de sazonalidade e tendência. Processos de otimização podem ser utilizados em tais modelos visando atingir um desempenho melhor. Algoritmos genéticos fornecem um mecanismo de busca paralela e adaptativa baseado no princípio de sobrevivência dos mais aptos e na reprodução dos mesmos. São utilizados em simulações de computador em que uma população de representações abstratas de solução é selecionada em busca de uma solução ótima. Neste contexto, esse trabalho se propõe a aplicar o método de Winter no tratamento de séries de preços de contratos futuros de commodities negociadas no mercado financeiro. O desafio perseguido foi, não só o de obter boas previsões para os preços em questão como, também, o de explorar as informações obtidas visando conseguir lucros superiores à simples valorização das commodities ao longo dos anos, tudo de forma completamente automática. Analisando ativos de diferentes naturezas, colocamos a funcionalidade do modelo à prova enquanto um modelo quantitativo de investimento. O GA encaixam-se no projeto objetivando otimizar os parâmetros do modelo gerando melhora significativa nos resultados. Como resultado, encontramos a viabilidade do Método de Winter como base para uma estratégia quantitativa. No entanto, o modelo desenvolvido melhor se encaixou em séries de dados observados em que não ocorreram mudanças repentinas em seu comportamento.