La gestión de carteras ha sido durante mucho tiempo uno de los desafíos más significativos en inversiones a gran y pequeña escala por igual. El objetivo principal de la gestión de carteras es realizar inversiones con la tasa de retorno más favorable y la menor cantidad de riesgo. Por otro lado, la predicción de series temporales ha atraído una atención significativa en los últimos años para predecir la tendencia de los precios de las acciones en el futuro. La combinación de estos dos enfoques, es decir, predecir el precio futuro de las acciones y adoptar métodos de gestión de carteras en las series temporales pronosticadas, ha resultado ser una línea de investigación novedosa en los últimos años. Es decir, para tener una mejor comprensión del futuro, varios investigadores han intentado predecir el comportamiento futuro de las acciones y posteriormente implementar técnicas de gestión de carteras en ellas. Sin embargo, debido a la incertidumbre en la predicción del futuro, la fiabilidad de estas metodologías está en cuestión y no está claro en qué medida se puede confiar en sus resultados. Por lo tanto, enfoques probabilísticos también han ingresado al ámbito de la investigación y se han realizado intentos para incorporar incertidumbre en la predicción futura y la gestión de carteras. Este problema ha llevado al desarrollo de la gestión de carteras probabilística para datos futuros. Este documento de revisión comienza con una discusión de varios métodos de predicción de series temporales para datos del mercado de valores. A continuación, se proporciona una clasificación y evaluación de enfoques de gestión de carteras. Posteriormente, se discute el método de muestreo de Monte Carlo como la técnica más prevalente para el análisis probabilístico de datos del mercado de valores. El método de gestión de carteras probabilístico se aplica a datos futuros de la Bolsa de Valores de Shanghai en forma de un estudio de caso para medir la aplicabilidad de este método a proyectos del mundo real. Los resultados de esta investigación pueden servir como un ejemplo de referencia para el análisis de otros datos del mercado de valores.