La optimización de carteras es un problema de optimización multiobjetivo (MOOP) con riesgo y beneficio, o alguna forma de ambos, como objetivos competitivos. La optimización de cartera de objetivo único requiere que se especifique un coeficiente de compensación para equilibrar los dos objetivos. Erwin y Engelbrecht propusieron un enfoque basado en conjuntos para la optimización de carteras de objetivo único, es decir, la optimización por enjambre de partículas basada en conjuntos (SBPSO). SBPSO selecciona un subconjunto de activos que forman un espacio de búsqueda para una tarea de optimización secundaria para optimizar los pesos de los activos. Los autores encontraron que SBPSO pudo identificar buenas soluciones a problemas de optimización de carteras y señalaron los beneficios de redefinir el problema de optimización de carteras como un problema basado en conjuntos. Este artículo propone el primer enfoque de optimización multiobjetivo (MOO) para SBPSO, y se investiga su rendimiento para la optimización de carteras multiobjetivo. Junto con esta investigación, se evalúa el rendimiento de la optimización por enjambre de partículas de múltiples guías (MGPSO) para la optimización de carteras multiobjetivo y se compara el rendimiento de SBPSO para la optimización de carteras con algoritmos multiobjetivo. Se muestra que SBPSO es tan competitivo como los algoritmos multiobjetivo, aunque con múltiples ejecuciones. El SBPSO multiobjetivo propuesto, es decir, la optimización por enjambre de partículas basada en conjuntos de múltiples guías (MGSBPSO), tiene un rendimiento similar a otros algoritmos multiobjetivo al obtener un conjunto más diverso de soluciones óptimas.