Os modelos de séries temporais tradicionais consideram apenas as observações quantitativas com relação a um determinado fenômeno a ser explicado. No entanto, existem situações que ocorrem em determinados cenários que são capazes de gerar interferências nas observações, mas nem sempre podem ser quantificadas, pois são variáveis qualitativas. O objetivo deste estudo foi desenvolver uma estratégia metodológica capaz de captar os efeitos de variáveis qualitativas é otimizar as previsões dos modelos tradicionais. A metodologia adotada para isso foi a Design Science Research Methodology – DSRM, que visa, através de um processo rigoroso de projetar artefatos para resolver problemas, avaliar resultados do projeto e comunicar as conclusões obtidas. As variáveis quantitativas selecionadas para aplicação da estratégia foram índices de bolsas de valores localizadas em todos os continentes, criptomoedas, e as variáveis qualitativas foram as frequências de focos de queimadas ocorridos nos países em que as bolsas estão localizadas. Foram ajustados os modelos ARIMA e extensões para todas as séries, como ARIMAX-GARCH. Esses modelos foram melhorados pela aplicação da estratégia da inserção das variáveis qualitativas na metodologia Box Jenkins, como exógenas do tipo dummy “0” ou “1”. As observações foram divididas em quartis e definidas como dummies “1” em todos as frequências posicionadas acima do terceiro quartil. As dummies inseridas nos modelos mais complexos, como ARIMAX-GARCH são estatisticamente significativas.