Segun arXiv q-fin, los mercados financieros presentan una naturaleza intrinsecamente no estacionaria, caracterizada por transiciones frecuentes entre distintos estados estructurales. Estos cambios generan una ineficacia notable en métodos tradicionales de gestión de portafolios, que asumen condiciones estables a lo largo del tiempo. Soluciones actuales, como el entrenamiento en ventanas móviles o ajustes online básicos, sufren de altos costos computacionales y una utilización inadecuada del conocimiento acumulado, lo que impacta negativamente en los rendimientos y en la capacidad de respuesta ante nuevas condiciones. La metodología de aprendizaje continuo (CL) emerge como alternativa viable, permitiendo a los agentes de trading almacenar y transferir experiencias a través de tareas sucesivas. En este trabajo, se presenta ReCAP —una propuesta innovadora que integra aprendizaje continuo en la gestión de portafolios—, diseñada específicamente para abordar la complejidad de entornos financieros en evolución. ReCAP utiliza un módulo de detección adaptativa de regímenes para dividir los datos históricos en periodos de duración variable, lo que permite el aprendizaje específico por régimen y la creación de una biblioteca de políticas. Durante operaciones de trading continuas, un módulo de selección de régimen combina dinámicamente las políticas almacenadas según el estado actual del mercado, permitiendo una respuesta rápida ante cambios estructurales. La actualización se limita a dos componentes: el módulo de selección y la política asociada al régimen actual, lo que asegura la preservación del conocimiento útil sin pérdidas significativas. Pruebas amplias sobre cinco conjuntos de datos reales indican que ReCAP supera consistentemente a estrategias convencionales, generando mayores retornos a largo plazo y una adaptación más ágil ante transiciones de régimen.
Para los inversores peruanos, este enfoque representa una herramienta clave frente a la volatilidad del mercado local. El mercado peruano, especialmente en sectores como el oro, el crédito y las acciones, ha mostrado oscilaciones significativas en los últimos años, impulsadas por eventos macroeconómicos y políticos. Una estrategia que no considere la evolución de las condiciones de mercado puede resultar en pérdidas acumuladas, incluso con un diseño inicial sólido. ReCAP, al permitir una adaptación proactiva y basada en datos históricos, ofrece una perspectiva más realista sobre cómo los portafolios deben responder a cambios sin necesidad de reconfiguraciones radicales. Aunque el modelo se desarrolló en entornos globales, su lógica de detección de regímenes puede ser aplicada a contextos regionales, incluyendo el Perú. El desafío no es solo alcanzar retornos altos, sino mantener la estabilidad de la inversión frente a shocks inesperados. Este tipo de enfoque tecnológico, aunque aún en etapa experimental, ilumina el potencial de integrar inteligencia artificial en estrategias de inversión, ofreciendo una línea de acción más resiliente y alineada con la realidad del mercado peruano.