Portfolio Lab
12 modelos de optimización cuantitativa con mercados globales y backtesting walk-forward sin look-ahead bias.
Maximiza retorno ajustado por riesgo según aversión al riesgo del inversor.
Minimiza la volatilidad total del portafolio.
Maximiza retorno por unidad de riesgo asumido.
Peso idéntico. Benchmark simple y sorprendentemente robusto.
Pesos inversamente proporcionales a volatilidad individual.
Cada activo contribuye por igual al riesgo total.
Maximiza el ratio de diversificación del portafolio.
Pesos inversamente proporcionales a correlación promedio.
Minimiza pérdida esperada en la cola de distribución (tail risk).
Clustering jerárquico + inversión de varianza por clusters.
Equilibrio de mercado + views subjetivas del inversor.
Mean-Variance con shrinkage de Ledoit-Wolf para mayor estabilidad.
El HMM Gaussiano detecta 3 regímenes de mercado (Bull, Neutral, Bear) a partir de la volatilidad y momentum del portafolio. Cada régimen activa un optimizador diferente y las probabilidades filtradas del HMM ponderan la contribución de cada uno al portafolio final (blending suave, no switch duro).
Max Sharpe — maximiza retorno ajustado por riesgo
HRP — paridad de riesgo jerárquica (robusto, sin inversión de covarianza)
Inverse Volatility — pesos inversamente proporcionales a volatilidad individual
Selecciona qué grupos de features usa el HMM para detectar regímenes. Más grupos = más señales, pero requiere más datos históricos.