Proponemos un novedoso modelo de trading multiperiodo que permite a los gestores de cartera realizar una asignación óptima de la cartera mientras incorporan sus opiniones de inversión interpretables. La ventaja significativa de este modelo es su diseño intuitivo y reactivo que incorpora los últimos regímenes de retorno de activos para resolver cuantitativamente la pregunta de los gestores: ¿cuán seguros deben estar de que una determinada opinión de inversión está ocurriendo? Primero, describimos un marco para la asignación de cartera multiperiodo formulado como un problema de optimización convexa que equilibra el retorno esperado, el riesgo y los costos de transacción. Utilizando un marco tomado del control predictivo de modelos introducido por Boyd et al., empleamos la optimización para planificar una secuencia de operaciones utilizando pronósticos de cantidades futuras, siendo solo el primer conjunto ejecutado. El trading multiperiodo se presta a un reajuste dinámico de la cartera al obtener nueva información. En segundo lugar, utilizamos el modelo de Black-Litterman para combinar las opiniones de inversión especificadas en un formato de combinación lineal simple con la cartera de mercado. Se propone un método basado en datos para ajustar la confianza en las opiniones del gestor comparándolas con pronósticos de cambio de régimen actualizados dinámicamente. Nuestra contribución es incorporar tanto el trading multiperiodo como las opiniones de inversión interpretables en un solo marco y ofrecer un nuevo método de uso de cambios de régimen para determinar la confianza de cada opinión. Este método reemplaza la necesidad de los gestores de cartera de proporcionar niveles de confianza estimados para sus opiniones, sustituyéndolos por un enfoque cuantitativo dinámico. El marco es reactivo, manejable y probado en 15 años de datos históricos diarios. En un ejemplo numérico, se encuentra que los beneficios de este método ofrecen mayores retornos en exceso para el mismo grado de riesgo tanto en el caso en que una opinión de inversión resulta ser correcta, como, más notablemente, también en el caso en que una opinión resulta ser incorrecta. Para facilitar su uso y futuras investigaciones, también desarrollamos una biblioteca de software de código abierto que replica nuestros resultados.