¿Se ha vuelto obsoleto el marco de media-varianza? En este artículo, reemplazamos los métodos tradicionales de varianza-covarianza de optimización de carteras con medidas de entropía relativa de Tsallis y de información mutua. Su objetivo es mejorar la gestión del riesgo y la diversificación en ecosistemas financieros complicados. Utilizamos los retornos diarios del S&P 500 y del índice de criptomonedas Bitwise 10 (datos de 2019-2024) y realizamos nuestro análisis hasta el año 2020 bajo choques extremos. Se entrenaron muchos modelos con diferentes configuraciones, como comerciantes de media-varianza (MV), media-entropía (ME) y media-información mutua (MI) y sus variantes correspondientes, utilizando el ratio de Sharpe, el alfa de Jensen y el valor de entropía del riesgo (EVAR). Los hallazgos indican que los modelos entrópicos superan a los modelos convencionales en términos de diversificación y, especialmente, en la gestión del riesgo extremo. Debido a que las condiciones de normalización adecuadas a menudo no se satisfacen, podemos ver informalmente que después de una recalibración de la frontera efectiva, obtenemos de EVAR un aspecto de resiliencia acumulada ante estos eventos raros, mientras que también observamos el gran potencial de los modelos basados en entropía para replicar dependencias no lineales entre activos. Los resultados muestran que los modelos que combinan entropía e información mutua optimizan la relación ganancia-pérdida (GLR), proporcionando una diversificación estable y una mejor gestión del riesgo, mientras maximizan los retornos en entornos de mercado complejos y volátiles.