El modelado semi-no paramétrico (SNP) de la distribución de rendimientos ha demostrado ser una metodología flexible y precisa para la gestión del riesgo de cartera que permite la estimación de dos pasos de la matriz de correlación condicional dinámica (DCC). Para este modelo SNP-DCC, proponemos un procedimiento paso a paso para calcular correlaciones condicionales por pares bajo distribuciones SNP marginales bivariadas, superando la maldición de la dimensionalidad. El procedimiento se compara con la suposición de equicorrelación dinámica (DECO), que es un modelo parsimonioso cuando las correlaciones entre los activos no son significativamente diferentes pero requiere la estimación conjunta del modelo SNP multivariado. La evaluación del riesgo de ambas metodologías se prueba para una cartera de criptomonedas mediante técnicas de backtesting y para diferentes medidas de riesgo: valor en riesgo, pérdida esperada y pérdida mediana. Los resultados respaldan nuestra propuesta mostrando que el modelo SNP-DCC tiene un mejor rendimiento para niveles de confianza más bajos que el modelo SNP-DECO y es más apropiado para fines de diversificación de cartera.