12 modelos de optimización cuantitativa con mercados globales y backtesting walk-forward sin look-ahead bias.
Modo guiado: parámetros simplificados + asistente proactivo
1
Seleccionar Acciones
Activos de mercados globales
2
Método
Estrategia y parámetros
3
Resultados
Pesos óptimos y métricas
4
Backtest
Validación walk-forward
5
Doctor
Diagnóstico de cartera
6
Regime-Aware
Optimización adaptativa GARCH
Selecciona Método de Optimización
Métodos Clásicos
Mean-Variance (Markowitz)
Maximiza retorno ajustado por riesgo según aversión al riesgo del inversor.
Mínima Varianza
Minimiza la volatilidad total del portafolio.
Máximo Sharpe
Maximiza retorno por unidad de riesgo asumido.
Equal Weight (1/N)
Peso idéntico. Benchmark simple y sorprendentemente robusto.
Inverse Volatility
Pesos inversamente proporcionales a volatilidad individual.
Basados en Riesgo
Risk Parity
Cada activo contribuye por igual al riesgo total.
Máxima Diversificación
Maximiza el ratio de diversificación del portafolio.
Mínima Correlación
Pesos inversamente proporcionales a correlación promedio.
CVaR Optimization
Minimiza pérdida esperada en la cola de distribución (tail risk).
Métodos Avanzados
HRP (Hierarchical Risk Parity)
Clustering jerárquico + inversión de varianza por clusters.
Black-Litterman
Equilibrio de mercado + views subjetivas del inversor.
Robust MVO
Mean-Variance con shrinkage de Ledoit-Wolf para mayor estabilidad.
🤖
¿No sabes qué método elegir?
Cuéntame tu perfil de riesgo y horizonte de inversión.
Te recomiendo el método más adecuado y te explico sus diferencias.
Abrir asistente IA →
Parámetros principales
⚙️ Configuración avanzada (opcional)
Parámetros
Limite por plan: Plus 2a · Pro 10a · Advisor ilimitado
ConservadorAgresivo
Moderado
Expresa tus expectativas sobre activos individuales. El modelo combina estas views con los retornos de equilibrio del mercado (CAPM). Sin views, usa solo equilibrio de mercado.
Resultados
Métricas del Portafolio
Distribución de Pesos
Peso vs Riesgo?
Frontera Eficiente
Tabla de Pesos
Matriz de Correlación
Minimum Spanning Tree?
Exportaciones por plan: Plus CSV+Excel · Pro/Advisor CSV+Excel+PDF
🎲
Simulaciones Monte Carlo — Plan Plus o superior
Simula miles de trayectorias de tu cartera usando tres procesos estocásticos
(GBM, GBM fat-tails y Bootstrap histórico) para estimar distribuciones de
rentabilidad, VaR, CVaR y probabilidad de pérdida.
⚠️
Para usar GJR-GARCH ejecuta primero el análisis en Step 6 (Regime-Aware).
Fan Chart — Trayectorias del Portfolio
Bandas de percentiles P5/P25/P50/P75/P95. Línea central = mediana.
Distribución de Valor Final
Histograma del capital final tras N simulaciones.
Métricas de Riesgo (MC)
Tabla de Percentiles
⚠️ Las simulaciones MC son modelos estadísticos, no predicciones.
Los resultados asumen parámetros estacionarios estimados sobre datos históricos.
Rentabilidades pasadas no garantizan resultados futuros.
El optimizador Regime-Aware combina detección de regímenes GARCH con múltiples modelos de optimización.
El sistema detecta automáticamente si el mercado está en fase Bull, Neutral o Bear, y adapta los pesos del portafolio.
El modelo dual GJR-GARCH estima la volatilidad condicional del portafolio con dos componentes (baja y alta volatilidad).
Un softmax convierte estas estimaciones en 3 probabilidades de régimen (Bull, Neutral, Bear). Cada régimen activa un optimizador diferente y las probabilidades ponderan la contribución de cada uno al portafolio final (blending suave, no switch duro).
Bull / Risk-On
Max Sharpe — maximiza retorno ajustado por riesgo
Neutral / Balanced
HRP — paridad de riesgo jerárquica (robusto, sin inversión de covarianza)