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
Diagnóstico
Diagnóstico de cartera
6
Regime-Aware
Optimización adaptativa GARCH
¿Cuál es el modelo adecuado para ti?
Cuéntame tu perfil y te recomiendo el método y los parámetros óptimos
Selecciona Método de Optimización
¿No sabes cuál elegir?
Métodos Clásicos
Mean-Variance (Markowitz)
Maximiza retorno ajustado por riesgo según aversión al riesgo del inversor.
✓ Para ti si quieres maximizar rentabilidad ajustada al riesgo
Mínima Varianza
Minimiza la volatilidad total del portafolio.
✓ Para ti si priorizas preservar capital ante todo
Máximo Sharpe
Maximiza retorno por unidad de riesgo asumido.
✓ Para ti si buscas la mejor relación rentabilidad/riesgo
Equal Weight (1/N)
Peso idéntico. Benchmark simple y sorprendentemente robusto.
✓ Para ti si prefieres simplicidad y no sobreoptimizar
Inverse Volatility
Pesos inversamente proporcionales a volatilidad individual.
✓ Para ti si quieres reducir exposición a activos volátiles
Basados en Riesgo
Risk Parity
Cada activo contribuye por igual al riesgo total.
✓ Para ti si cada activo debe contribuir igual al riesgo total
Máxima Diversificación
Maximiza el ratio de diversificación del portafolio.
✓ Para ti si tu cartera tiene activos poco correlacionados
Mínima Correlación
Pesos inversamente proporcionales a correlación promedio.
✓ Para ti si quieres minimizar el contagio entre posiciones
Métodos Avanzados
HRP (Hierarchical Risk Parity)
Clustering jerárquico + inversión de varianza por clusters.
✓ Para ti si tienes muchos activos y desconfías de la matriz de covarianzas
Black-Litterman
Equilibrio de mercado + views subjetivas del inversor.
✓ Para ti si tienes una visión de mercado y quieres incorporarla
Parámetros principales
Estima correlaciones que cambian en el tiempo (Engle 2002). Actívalo si tus activos se correlacionan más en caídas que en subidas. Aumenta el tiempo de cálculo ~3-5x.
Parámetros
Fuente: US Treasury via FRED · Actualización diaria
Limite por plan: Plus 2a · Pro 10a · Advisor ilimitado
Estima correlaciones que cambian en el tiempo (Engle 2002). Actívalo si tus activos se correlacionan más en caídas que en subidas. Aumenta el tiempo de cálculo ~3-5x.
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).
Modelo estadístico — no es una predicción. Asume parámetros estacionarios.
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.
Ejemplo de output real
🟢Bull72%
🟠Neutral18%
🔴Bear10%
Max Sharpe 72% + HRP 18% + Inv. Vol 10% → pesos finales blended
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)