Calderón Beiza, Steve Ignacio2026-11-192026-11-192026-10-07https://repositorio.usm.cl/handle/123456789/79802El presente trabajo desarrolla un sistema de optimización de portafolios aplicado al índice S&P 500, diseñado para maximizar la rentabilidad esperada y controlar el riesgo de pérdidas. La metodología integra la predicción de retornos mensuales mediante seis algoritmos de regresión de Machine Learning (Random Forest, SVR, AdaBoost, XGBoost, KNN y ANN) con el modelo de optimización matemática Mean-Value-at-Risk (MVaR). Utilizando el historial de cotizaciones de 465 acciones (2016-2025), se implementó una simulación Walk-Forward Validation con recalibración trimestral para el período 2024-2025. Las predicciones out-of-sample alimentaron al algoritmo MVaR para distribuir el capital en posiciones long-only, maximizando el Ratio de Sharpe. Los resultados evidencian que aplicar un filtro de Coeficiente de Determinación ($R^2$) es clave para depurar activos impredecibles. Durante la validación, el portafolio basado en ANN obtuvo el mayor retorno acumulado (109,41%) y riesgo ajustado (Sharpe de 2,37), superando holgadamente al benchmark. Asimismo, SVR (Sharpe de 1,47) y KNN (Sharpe de 1,51) demostraron un desempeño financiero robusto y superior al mercado, mientras que los ensambles basados en árboles (exceptuando XGBoost) presentaron rendimientos inferiores o sobreajuste severo. Se concluye que la precisión predictiva requiere de una estricta gestión de riesgo, y que la integración de algoritmos no lineales continuos y basados en distancias (ANN, SVR, KNN), respaldados por ventanas móviles, constituye el enfoque más robusto para la selección de carteras en mercados dinámicos.65 páginasesAttribution-NonCommercial-ShareAlike 4.0 Internationalhttps://creativecommons.org/licenses/by-nc-sa/4.0/Optimización de portafoliosMachine LearningPredicción de retornosGestión de riesgosInteligencia artificialOptimización de cartera basada en predicción del valor en riesgo utilizando algoritmos de regresión de Machine Learning para mercados bursátiles35609002932329 Industria, innovación e infraestructura