Este estudio investiga la optimización de carteras para acciones del SET50 utilizando algoritmos de Aprendizaje Profundo por Refuerzo (DRL) para abordar la volatilidad del mercado. Cinco algoritmos de DRL - Advantage Actor-Critic (A2C), Optimización de Política Proximal (PPO), Gradiente de Política Determinista Profunda (DDPG), Actor-Crítico Suave (SAC) y DDPG con Retardo Gemelo (TD3) - fueron evaluados por su efectividad en la gestión del riesgo y la optimización de rendimientos. Proponemos un Algoritmo de Combinación de Modelo Iterativo (IMCA) que ajusta dinámicamente los pesos del modelo en función de las condiciones del mercado para mejorar el rendimiento. Nuestros resultados demuestran que IMCA superó consistentemente a las estrategias tradicionales, incluido el modelo de Varianza Mínima. IMCA logró un rendimiento acumulativo del 14.20% y un Índice de Sharpe de 0.220, en comparación con el rendimiento del modelo de Varianza Mínima de -4.35% y un Índice de Sharpe de 0.018. Esta investigación destaca la adaptabilidad y robustez de los algoritmos de DRL para la gestión de carteras, especialmente en mercados emergentes como Tailandia. Subraya las ventajas de las estrategias dinámicas basadas en datos sobre enfoques estáticos.