En esta investigacion se ha implementado una tecnica no parametrica para la estimacion de la matriz de varianzas y covarianzas para un conjunto de portafolios de gran tamano y alta dimension. La metodologia disenada no supone ningun tipo de distribucion de probabilidad sobre los rendimientos, es una tecnica libre de distribucion. Las estimaciones de las covarianzas son realizadas a traves de coeficientes de correlacion no parametricos tales como la tau de Kendall y el rho de Spearman, en lugar de las versiones habituales que usan el coeficiente de correlacion de Pearson el cual supone normalidad en los datos. Se ha probado la metodologia introducida en datos reales como sinteticos y el rendimiento de la tecnica en terminos del ratio de Sharpe es bastante competitiva respecto a metodologias clasicas ya estudiadas en la literatura especializada. En la segunda fase del proyecto hemos centrado la atencion en la mejoria computacional de los algoritmos y en el diseno de nuevas versiones robustas de la matriz de covarianzas. En cuanto a la a la medicion del riesgo multivariante se diseno una version multivariante del Valor en Riesgo (VaR) el cual tiene un enfoque direccional cuya direccion esta asociada a las preferencias del inversor. Se ha demostrado que existen otras direcciones que pueden ser mas interesantes que las direcciones clasicas definidas a traves de la funcion de distribucion de probabilidad de las perdidas. En la segunda fase se avanzo significativamente en la implementacion de esta medida multivariante pero en otro tipo de escenarios distintos a los financieros. En la tercera fase de este proyecto se han construido las fronteras eficientes con nuestra metodologia y se obtiene que son mejores que las construidas con los estimadores habituales.