En el presente documento probamos el uso de modelos de AutoRegressive Conditional Heteroscedasticity de cambio de Markov generalizado (MS-GARCH) y su versión no generalizada (MS-ARCH). Esto, para decisiones de trading activo en los mercados de futuros de café, cacao y azúcar. Con datos semanales del 7 de enero de 2000 al 3 de abril de 2020, simulamos el rendimiento que habría tenido un trader de futuros, si hubiera utilizado el siguiente algoritmo de trading: Invertir en la seguridad si la probabilidad de estar en un régimen de angustia es menor o igual al 50% o invertir en el bono del Tesoro de EE. UU. a tres meses de lo contrario. Nuestros resultados sugieren que el uso de modelos de Componente ARCH de Cambio de Markov con distribución t-student (MS-ARCH) es apropiado para el trading activo en los futuros de cacao y el MS-GARCH gaussiano es apropiado para el azúcar. Para el caso específico del mercado de café, no encontramos evidencia a favor del uso de modelos MS-GARCH. Esto se debe a que el algoritmo de trading condujo a señales de trading inexactas. Nuestros resultados son de uso potencial para traders de posiciones de futuros o gestores de carteras que deseen un algoritmo de trading cuantitativo para el trading activo en estos futuros de materias primas.