随着股指期货在中国的推出，指数化投资作为一种投资模式越来越受到青睐，指数化投资的研究也越来越受到重视。指数化投资是被动投资领域的一种重要的投资方法。指数化投资策略的核心内容就是构造并保持一个能尽量拟合指数收益的股票组合，及如何跟踪指数的问题。研究指数跟踪问题有着重要的理论意义和应用价值,它是指数衍生品产品设计、指数套利及实施指数化投资策略的一个核心环节。　　 本论文通过对指数跟踪技术国内外发展现状的分析和指数跟踪技术的研究，确定了以通过成分股自身数据自动进行指数跟踪作为研究方向，采用遗传算法与二次规划方法相结合进行指数跟踪算法设计。通过指数跟踪问题遗传算法模型化后，相应的进行了染色体设计、群体设计、遗传因子设计和股票权重算法的设计。　　 在算法的实现上，采用了当前流行的面向对象的编程语言Java语言进行遗传算法的开发，同时采用了Matlab语言。借助Matlab当中强大的计算功能，实现矩阵运算与二次规划函数计算，并通过Matlab build for java工具箱将用Matlab编写的M函数编译成java语言当中的类方法。从而通过java语言编写遗传算法和Matlab编译的函数进行矩阵与二次规划计算相结合，实现了基于遗传算法与二次规划方法的指数跟踪算法。　　 在实证分析当中，一方面，通过样本期与预测期进行跟踪效果的对比，另一方面，通过遗传算法与最大市值占比法进行跟踪效果对比。通过两方面的对比分析，从而验证指数跟踪领域采用遗传算法的效果。　　 通过实证分析得到，本论文的遗传算法和二次规划方法的结合算法，所产生的股票组合达到了很好的跟踪效果，股票组合与指数的相关性与跟踪误差都很好。证明了遗传算法与二次规划算法结合是解决指数跟踪问题的不错的选择。