La presente investigación se plantea como un modelo de inversión en renta variable, (empresas incluidas en el índice S&P500, cuyas acciones cotizan en las bolsas NYSE o NASDAQ). El modelo considera el análisis de temas trascendentales en el periodo analizado, luego combina métodos de optimización de portafolios y de predicción econométrica, que permiten realizar una evaluación financiera. La optimización de portafolios con las acciones seleccionadas inicia con el modelo de Markowitz, complementado con backtesting de los portafolios de máxima rentabilidad y varianza mínima. En seguida, se modelaron las nuevas fronteras eficientes con base en el método MCMC, acorde con dos simulaciones: Gaussiana e histórica. Ambos puntos de este apartado involucran el tema de machine learning aplicado en finanzas cuantitativas. Se realizó la proyección de precios de los activos seleccionados, mediante modelos econométricos GARCH, que permitieron estimar los flujos de caja de los portafolios optimizados según las nuevas fronteras eficientes resultantes de MCMC. Finalmente, se realizó la evaluación financiera del modelo con base en los indicadores de valor presente neto (VPN), tasa interna de retorno (TIR), y costo promedio ponderado de capital (WACC) con base en una regresión robusta para estimar la beta de cada acción.