Maestría en Analítica Estratégica de Datos · 2026

Optimización de portafolios de inversión: análisis comparativo entre proximal policy optimization (PPO) y el modelo de Markowitz aplicado a ETF´S del mercado estadounidense

Esta investigación compara la optimización de portafolios mediante el modelo clásico de Markowitz frente al aprendizaje por refuerzo con Proximal Policy Optimization (PPO), utilizando los ETFs SPY, DAX y GLD durante el periodo 2015-2025. Implementando la metodología CRISP-DM, el estudio evalúa el desempeño financiero a través del retorno esperado, la volatilidad y el Ratio de Sharpe. Los resultados evidencian la superioridad técnica del modelo PPO, que superó al enfoque tradicional con un incremento del 38% en el Ratio de Sharpe y un 85% en rentabilidad esperada. Mientras Markowitz mantuvo una postura conservadora con un retorno del 11.96%, el agente PPO capitalizó la volatilidad del mercado logrando un 22.13%. Estos hallazgos confirman que el aprendizaje por refuerzo constituye una alternativa más robusta y eficiente que los métodos clásicos, ofreciendo estrategias dinámicas que maximizan significativamente los beneficios frente a las limitaciones estáticas de la optimización media-varianza.