En este estudio, probamos el beneficio de usar modelos de cambio de Markov (M-S) para pronosticar las opiniones de las 26 acciones más negociadas en los EE. UU. en un contexto de selección óptima de Black-Litterman (B-L). Con datos históricos semanales de estas acciones desde el 1 de enero de 1980, estimamos y simulamos (desde el 7 de enero de 2000 hasta el 7 de febrero de 2022) tres carteras que utilizaban opiniones de M-S en cada acción y las mezclábamos con las opiniones de equilibrio del mercado en un contexto de B-L. Nuestra posición era que las carteras óptimas de B-L podrían generar alfa (rendimiento adicional) frente a una estrategia de comprar y mantener y una cartera gestionada activamente con parámetros de cartera de muestra (a la Markowitz, SampP). Nuestros resultados sugieren que el rendimiento superior de las carteras gestionadas por B-L solo se mantiene a corto plazo. A largo plazo, el rendimiento de las carteras de B-L, el SampP y la cartera de mercado son estadísticamente iguales en términos de rendimiento o su eficiencia media-varianza en un análisis ex-ante o ex-post.