Esta investigación prueba si las reglas clásicas de inversión en valor de Benjamin Graham pueden actuar como un filtro matemático para evitar que los modelos complejos de aprendizaje automático memoricen el ruido del mercado. El estudio compara las reglas puras de Graham, los factores modernos y una combinación de ambos contra los modelos XGBoost y AutoGluon utilizando 20 años de datos del S&P 500.

  • El modelo AutoGluon logró un rendimiento del 222.68% pero sufrió una caída máxima del 39.78% al comprar acciones tecnológicas volátiles antes del colapso.
  • El Random Forest puro de Graham obtuvo el mayor rendimiento general del 232.13% con un perfil de riesgo bajo, indicado por un Ratio Calmar de 1.38.
  • El Random Forest Combinado generó rendimientos del 202.91% mientras mantenía la caída máxima más baja del 34.53% entre todos los modelos probados.

Los hallazgos demuestran que el "margen de seguridad" de Graham sigue siendo un método efectivo para controlar el riesgo en la selección de acciones impulsada por IA moderna.