La presente tesis se enfoca en el problema de la construcción de portafolios de inversión. Los portafolios de inversión dependen de los estimadores de covarianza para determinar su riesgo. En esta tesis se busca construir estimadores más cercanos al valor de la matriz de covarianza poblacional. Se hace uso de métodos de reducción de sesgo en valores propios de la teoría de matrices aleatorias. Con los nuevos estimadores de covarianza se construyen gráficas de frontera eficiente y se calculan métricas para evaluar el desempeño de los conjuntos de datos. Se utilizaron cuatro métodos, los cuales son la técnica de recorte, la técnica de Tracy-Widom (TW), el método de contracción lineal y el método de contracción no lineal, a través de la función QuEST. Se construyen los portafolios a partir de las estimaciones de la matriz de covarianza. En particular, los modelos de portafolios a utilizar son el modelo Markowitz, también llamado de media-varianza, y la paridad de riesgo jerárquica. Los datos sintéticos que se usan en este trabajo son de origen sintético y empírico. Los datos se generaron con números aleatorios independientes a partir de una distribución gaussiana con media cero y varianza igual a uno. Los datos empíricos son portafolios compuestos de acciones y dos portafolios heterogéneos de distinta composición, los cuales incluyen acciones, mercancías, criptomonedas e indicadores financieros. Se observó que que al aplicar las técnicas de recorte, TW y contracción no lineal se mejoró la estimación del riesgo subyacente del portafolio. También se observó que con el método de contracción lineal no se lograron los resultados esperados.