Este estudio presenta una metodología novedosa que integra el modelo Black-Litterman con Redes Neuronales de Memoria a Largo Plazo (BL-LSTM). Utilizamos las predicciones de la LSTM como puntos de vista en el modelo Black-Litterman. La cartera resultante tiene un mejor rendimiento que la tradicional media-varianza (MV) y los fondos cotizados en bolsa (ETFs) utilizados como referencia. La propuesta capacita a los inversores para tomar decisiones más perspicaces, basadas en una síntesis de datos históricos y técnicas predictivas avanzadas. Esta metodología se aplica a un mercado de agua. Invertir en el mercado del agua permite a los inversores apoyar activamente soluciones hídricas sostenibles, al tiempo que potencialmente se benefician del crecimiento del sector, contribuyendo a alcanzar el ODS 6. Además, nuestro modelado permite considerar las puntuaciones ambientales, sociales y de gobernanza (ESG) de las empresas en el proceso de construcción de la cartera. En este caso, las decisiones de los inversores tienen en cuenta el comportamiento socialmente responsable de las empresas en un sentido amplio, incluidos aspectos relacionados con el trabajo decente, el respeto a las comunidades indígenas y la diversidad, y la ausencia de corrupción, entre otros. Por lo tanto, esta propuesta proporciona a los inversores una herramienta para promover prácticas de inversión sostenible.