В работе рассмотрен алгоритм для долгосрочного инвестирования, позволяющий находить оптимальные решения в пространстве меньшей размерности. Снижение размерности достигается путем применения метода главных компонент или ядерного метода главных компонент. Подбор весов для портфеля осуществляется с помощью метода Марковица. В качестве гиперпараметров для модели рассмотрены размер окна, параметр сглаживания, период ребалансировки и доля объясненной дисперсии в методах уменьшения размерности. Представленный алгоритм содержит регуляризацию весов с учетом комиссии за перебалансировку портфеля. Подбор гиперпараметров осуществляется на основе коэффициента Мартина, что позволяет учитывать максимальную просадку для рассматриваемых алгоритмов. Показано, что предложенный алгоритм, оптимизированный на данных с 1990 по 2016 год, способен обеспечить более высокую доходность и значение коэффициента Шарпа, чем бенчмарк S&P 500 в период с 2017 по 2022 год. Это свидетельствует о том, что с помощью корректировки весов в портфеле можно улучшить производительность алгоритма.