El presente TFM propone optimizar carteras de inversión mediante la integración de modelos clásicos y técnicas de machine learning. Se analizan enfoques tradicionales, como el modelo de media-varianza de Markowitz y el CAPM, para identificar sus limitaciones en entornos volátiles. La propuesta utiliza Deep Neural Networks (DNNs) para capturar relaciones no lineales y mejorar la predicción de rendimientos y riesgos. A través de un riguroso proceso de modelado y backtesting, se evaluará el desempeño de la estrategia basada en DNN frente a métodos convencionales. El objetivo final es lograr una gestión del riesgo más precisa y obtener mayores retornos en la inversión.
