Millán-Palacios, SandraSánchez-Soriano, Javier2025-12-192025-12-192025-07Millán-Palacios, S & Sánchez-Soriano, J 2025, 'Investment Portfolios Optimization with Genetic Algorithm : An Approach Applied to the Spanish Market (IBEX 35)', Electronics (Switzerland), vol. 14, no. 13, 2559. https://doi.org/10.3390/electronics141325592079-9292unpaywall: 10.3390/electronics14132559https://hdl.handle.net/10641/6845Publisher Copyright: © 2025 by the authors.Los resultados de este estudio validan el uso de algoritmos genéticos monobjetivo como una herramienta eficaz para la optimización de carteras en el mercado español. Mediante un enfoque evolutivo con funciones objetivo avanzadas y una estructura por fases (entrenamiento, validación y prueba), se mejoraron significativamente la calidad y la estabilidad de las carteras generadas. El modelo de algoritmos genéticos monobjetivo con una función objetivo compleja (SGA-COF-1) proporcionó rendimientos excepcionales con una elevada robustez y fue adaptable a diferentes perfiles de riesgo, incluidos los criterios ESG. Estas aportaciones abren múltiples líneas de investigación futuras, como la incorporación de modelos predictivos, la expansión a mercados internacionales y el uso de algoritmos evolutivos más sofisticados. El marco metodológico propuesto (flexible y escalable) proporciona una base sólida para el desarrollo de soluciones de inversión cuantitativa automatizadas y sostenibles. [Traducción automática al español; idioma original: inglés.]The results of this study validate the use of single-objective genetic algorithms as an effective tool for portfolio optimization in the Spanish market. Through an evolutionary approach with advanced objective functions and a phased structure (training, validation, and testing), the quality and stability of the generated portfolios were significantly improved. The single-objective genetic algorithms with a Complex Objective Function (SGA-COF-1) model delivered outstanding returns with high robustness and were adaptable to different risk profiles, including the ESG criteria. These contributions open multiple future research directions, such as the incorporation of predictive models, expansion to international markets, and the use of more sophisticated evolutionary algorithms. The proposed methodological framework (flexible and scalable) provides a solid foundation for the development of automated and sustainable quantitative investment solutions.1326728enghttp://creativecommons.org/licenses/by-nc-nd/4.0/ESG criteriaIBEX 35artificial intelligenceautomated quantitative investinggenetic algorithmsobjective functionportfolio optimizationrobust portfolio constructionControl and Systems EngineeringSignal ProcessingHardware and ArchitectureComputer Networks and CommunicationsElectrical and Electronic EngineeringYesyesjournal articleopen access10.3390/electronics14132559https://www.scopus.com/pages/publications/105010302182https://www.scopus.com/pages/publications/105010302182#tab=citedBy