Una inversión en una cartera no solo puede garantizar rendimientos, sino que también puede controlar de manera efectiva los factores de riesgo. La optimización de carteras es un problema de optimización multiobjetivo. Con el fin de ayudar mejor a un tomador de decisiones a obtener su solución de inversión preferida, se diseña un sistema interactivo de toma de decisiones multicriterio (MV-IMCDM) para el modelo de Media-Varianza (MV) del problema de optimización de carteras. Teniendo en cuenta el requisito de flexibilidad de un modelo de preferencia que brinde un papel orientador en MV-IMCDM, se construye un modelo de preferencia basado en autoaprendizaje DT-PM (modelo de preferencia de árbol de decisiones). En comparación con el modelo de preferencia basado en funciones actual, el DT-PM considera completamente la racionalidad limitada de un tomador de decisiones. No requiere la suposición de que la estructura de preferencia del tomador de decisiones y el cambio de preferencia se conozcan de antemano y pueden generarse automáticamente y actualizarse completamente aprendiendo de la retroalimentación de preferencia del tomador de decisiones. Los resultados experimentales de una comparación muestran que, en el caso de que la estructura de preferencia y el cambio de preferencia del tomador de decisiones sean desconocidos de antemano, las actuaciones de orientación y ajuste del DT-PM son notablemente superiores a los modelos de preferencia basados en funciones; en el caso de que la estructura de preferencia del tomador de decisiones sea conocida de antemano, las actuaciones de orientación y ajuste del DT-PM se aproximan al modelo basado en función predefinida. Se puede concluir que el DT-PM puede concordar con la ambigüedad de preferencia y la variabilidad de un tomador de decisiones con racionalidad limitada y puede aplicarse de manera más amplia en un sistema de decisión real.