Según arXiv q-fin, un estudio reciente propone un marco para la asignación de activos que combina modelos de switching de Markov con aprendizaje por refuerzo (RL). Este enfoque se aplica a tres clases de activos: acciones representadas por el ETF SPY, títulos de deuda a largo plazo (TLT) y oro (GLD), utilizando datos diarios de estos instrumentos desde 2004 hasta 2025. La investigación inicia con la identificación de patrones de comportamiento del mercado mediante una cadena de Markov discreta, seguida por la estimación de un modelo oculto de Markov gaussiano con tres estados, seleccionado por el criterio de información de Bayes (BIC). Los regímenes detectados —bajo volatilidad, transitorio y alto riesgo— muestran alta persistencia y dinámicas de retornos condicionales que coinciden con hallazgos recientes sobre estados no lineales del mercado. En condiciones de estabilidad, el ETF SPY muestra superior rendimiento, mientras que TLT y GLD actúan como protectores durante episodios de estrés. A partir de estos patrones, se definen reglas de asignación condicionadas al estado del mercado. Las estrategias se evalúan en un periodo de prueba de 30 por ciento fuera de muestra, con una demora de ejecución de un día, para evitar sesgos por anticipación. Ambas estrategias, basadas en el modelo de HMM, superan al benchmark pasivo de SPY, y la política impulsada por el aprendizaje por refuerzo logra el mejor desempeño ajustado al riesgo, con una relación de Sharpe más elevada y reducciones significativas en las caídas de valor, sin perder la transparencia por ser basada en acciones discretas y predefinidas. Un análisis de sensibilidad confirma que la especificación de tres estados es más robusta que alternativas de dos estados. El sistema conjunto de HMM-RL demuestra que el aprendizaje por refuerzo puede potenciar sistemáticamente la detección de regímenes, ofreciendo un marco empírico, transparente y adaptable para la asignación táctica de activos.
Para inversores peruanos, este enfoque representa una alternativa viable frente a estrategias tradicionales de inversión pasiva. En un contexto de fluctuaciones económicas recurrentes, como las observadas en los mercados latinoamericanos, la capacidad de detectar transiciones en el estado del mercado permite ajustar la exposición a activos de mayor estabilidad en momentos de riesgo. El oro y los títulos de deuda a largo plazo, por ejemplo, pueden servir como herramientas de mitigación del riesgo cuando el mercado se vuelve volátil, algo que puede ser especialmente útil en entornos de alta incertidumbre, como los que enfrenta el Perú por sus ciclos económicos y políticos. Además, el hecho de que el sistema sea completamente interpretable, sin depender de algoritmos oscuros, aumenta su viabilidad para inversionistas que buscan transparencia y control. Aunque los datos se basan en mercados globales, su estructura puede adaptarse a contextos regionales, incluyendo la dinámica de instrumentos locales o alternativos. La combinación de modelos estadísticos con estrategias de aprendizaje automático no solo mejora el rendimiento, sino que también fomenta una toma de decisiones más proactiva y en línea con las condiciones reales del mercado.