En los más de 70 años desde que Markowitz introdujo la optimización de media-varianza para la construcción de carteras, académicos y profesionales han documentado numerosas debilidades en el enfoque. En este artículo, proponemos dos mejoras fácilmente comprensibles a la optimización de media-varianza en el contexto de carteras de múltiples clases de activos, cada una de las cuales proporciona pesos de cartera menos extremos y más estables. El primer método sacrifica una pequeña cantidad de optimalidad esperada a cambio de una menor concentración de pesos, mientras que el segundo método vuelve a muestrear aleatoriamente los activos disponibles. Además, desarrollamos un proceso para probar el rendimiento de los enfoques de construcción de carteras en datos simulados asumiendo grados variables de habilidad de pronóstico. Finalmente, mostramos que los métodos mejorados logran mejores rendimientos ajustados al riesgo fuera de la muestra que la optimización estándar de media-varianza para niveles de habilidad de inversor realistas.