La mayoría de los métodos de aprendizaje por refuerzo (RL) para la optimización de carteras siguen limitados a mercados únicos y a un solo paradigma algorítmico, lo que restringe su adaptabilidad a cambios de régimen y condiciones heterogéneas. Este artículo presenta una versión generalizada del Sistema Modular de Aprendizaje de Carteras (MPLS), que se extiende más allá de su estructura inicial de PPO para integrar cuatro algoritmos de RL: Optimización de Política Proximal (PPO), Red Q Profunda (DQN), Gradiente de Política Determinista Profunda (DDPG) y Actor-Crítico Suave (SAC). Basándose en su diseño modular, MPLS aprovecha componentes especializados para el análisis de sentimientos, la previsión de volatilidad y el modelado de dependencias estructurales, cuyas señales se fusionan dentro de un marco de decisión basado en atención. A diferencia de enfoques anteriores, MPLS se evalúa de manera independiente en tres índices bursátiles importantes (S&P 500, DAX 30 y FTSE 100) a través de diversos regímenes, incluyendo fases estables, de crisis, de recuperación y laterales. Los resultados experimentales muestran que MPLS logró consistentemente mayores ratios de Sharpe, típicamente +40-70% sobre la Cartera de Mínima Varianza (MVP) y Paridad de Riesgo (RP), mientras limita las caídas y el Valor en Riesgo Condicional (CVaR) durante períodos de estrés como el colapso de COVID-19. Los niveles de rotación se mantuvieron moderados, confirmando la conciencia de costos. Los análisis de ablación y varianza destacan la contribución distintiva de cada módulo y la robustez del marco. En general, MPLS representa un marco modular, resiliente y prácticamente relevante para la optimización de carteras consciente del riesgo.