Este estudio presenta un marco avanzado de trading adaptativo que integra el Aprendizaje Profundo por Refuerzo (DRL) con el Algoritmo de Combinación de Modelos Iterativos (IMCA) para superar las limitaciones críticas de los métodos de conjunto estáticos en la optimización de carteras globales. Usando un conjunto de datos diverso de 39 acciones de los EE. UU., Australia, Europa, Tailandia y una criptomoneda (BTC-USD), la investigación evalúa rigurosamente la adaptabilidad de los modelos bajo condiciones de mercado volátiles. Las condiciones de mercado volátiles, como COVID-19, la crisis de SVB y el colapso de la criptomoneda en 2022, se capturan a través de métricas de volatilidad (por ejemplo, drawdown), con modelos DRL como PPO/TD3 que se adaptan a través de señales de recompensa dinámicas. Esta integración de activos cruzados es particularmente crítica, ya que captura las dinámicas complejas y correlaciones entre los mercados financieros tradicionales y los activos digitales emergentes. Aunque los modelos DRL como PPO y TD3 superan a las estrategias tradicionales, siguen siendo vulnerables a los drawdowns del mercado y a la alta volatilidad. IMCA supera significativamente a estos modelos, logrando el mayor retorno acumulativo del 29.52% y un ratio de Sharpe superior de 0.829 al recalibrar dinámicamente los pesos del modelo en respuesta a las dinámicas del mercado en tiempo real. Este estudio aborda una brecha de investigación sustancial, destacando el fracaso de los modelos de conjunto tradicionales, que dependen de ponderaciones estáticas, para adaptarse a condiciones financieras cambiantes, lo que resulta en rendimientos ajustados al riesgo subóptimos. IMCA ofrece un enfoque dinámico y basado en datos que optimiza continuamente las estrategias de cartera en regímenes de mercado fluctuantes, demostrando su escalabilidad y robustez en diversas clases de activos y mercados regionales, y proporcionando un marco empírico para la gestión de carteras adaptativa. Las recomendaciones de política subrayan la necesidad de que las instituciones financieras adopten modelos adaptativos impulsados por IA como IMCA para mejorar la resiliencia, rentabilidad y capacidad de respuesta de la cartera en mercados inciertos.