La tarea de invertir en los mercados financieros para obtener ganancias y hacer crecer la riqueza no es una tarea sencilla. Normalmente, los expertos en el ámbito financiero, como asesores de inversión y analistas financieros, realizan una extensa investigación en un mercado financiero objetivo para decidir qué símbolos bursátiles merecen ser invertidos. El proceso de investigación utilizado por esos expertos generalmente implica recopilar una gran cantidad de datos (por ejemplo, informes financieros, anuncios, noticias, etc.), realizar varias tareas analíticas y hacer inferencias para llegar a decisiones de inversión. El rápido aumento en el volumen de datos generado por las empresas del mercado de valores hace que realizar tareas analíticas exhaustivas sea poco práctico dada la limitación de tiempo disponible. Afortunadamente, los avances recientes en métodos de inteligencia computacional se han adoptado en varios sectores, brindando oportunidades para explotar dichos métodos para abordar eficiente y efectivamente las tareas de inversión. Este documento tiene como objetivo explorar enfoques basados en clasificación, principalmente basados en aprendizaje automático, para abordar la tarea de seleccionar símbolos bursátiles para construir carteras de inversión a largo plazo. Basándonos en estos enfoques, proponemos un conjunto de características que contiene varias estadísticas que indican el rendimiento de las empresas del mercado de valores que pueden ser utilizadas para entrenar varios modelos de clasificación. Con fines de evaluación, seleccionamos cuatro años de datos de la Bolsa de Arabia Saudita y aplicamos nuestro marco propuesto a ellos en un entorno de inversión simulado. Nuestros resultados muestran que los enfoques basados en clasificación tienen el potencial de ser adoptados para construir carteras de inversión, generando retornos sustanciales y superando las ganancias producidas por el índice del Mercado de Valores de Arabia Saudita para el período probado.