Este trabajo desarrolla un enfoque práctico de optimización multiperiodo que incorpora restricciones del mundo real, incluidas decisiones discretas y restricciones de riesgo cónico. Ampliando modelos anteriores de un solo período, nuestro marco emplea un árbol de escenarios binario derivado de los rendimientos mensuales de acciones seleccionadas aleatoriamente del S&P 500 para representar la evolución del mercado a lo largo de múltiples períodos. La formulación captura restricciones esenciales de la cartera, como comisiones de transacción, diversificación sectorial y umbrales de inversión mínima, lo que resulta en un enfoque de optimización robusto y completo. Para resolver de manera eficiente el problema resultante de programación de conos de segundo orden con enteros mixtos (MISOCP), empleamos un algoritmo de aproximación externa con una estrategia de inicio en caliente, que mejora significativamente los tiempos de solución y la eficiencia computacional. Experimentos numéricos demuestran la efectividad del modelo, mostrando una mejora promedio en el conteo de iteraciones y en el tiempo computacional al utilizar el enfoque de inicio en caliente.