Ya sea para inversores institucionales o inversores individuales, existe una necesidad urgente de explorar modelos autónomos que puedan adaptarse a los mercados no estacionarios y con baja relación señal-ruido. Esta investigación tiene como objetivo explorar los dos desafíos únicos en la gestión cuantitativa de carteras: (1) la dificultad de representación y (2) la complejidad de los entornos. En esta investigación, sugerimos un modelo basado en procesos de decisión de Markov que incluye métodos de aprendizaje profundo para realizar la optimización de estrategias, llamado SwanTrader. Para lograr mejores decisiones en el proceso de gestión de carteras desde dos perspectivas diferentes, es decir, el análisis de patrones temporales y la captura de información de robustez basada en observaciones del mercado, sugerimos una red de aprendizaje profundo óptima en nuestro modelo que incorpora un autoencoder de denoising disperso apilado (SSDAE) y un autoencoder basado en memoria a largo y corto plazo (LSTM-AE). Los hallazgos en tiempos de COVID-19 muestran que el modelo sugerido que utiliza dos modelos de aprendizaje profundo ofrece mejores resultados con un perfil de rendimiento atractivo en comparación con cuatro modelos estándar de aprendizaje automático y dos modelos de aprendizaje por refuerzo de última generación en términos de ratio de Sharpe, ratio de Calmar y valores de beta y alfa. Además, analizamos qué modelos de aprendizaje profundo y funciones de recompensa fueron más efectivos en la optimización de las decisiones de gestión del agente. Los resultados de nuestro modelo sugerido para los inversores pueden ayudar a reducir el riesgo de pérdida de inversión, así como a tomar decisiones acertadas.