由于绝大多数主动型投资基金无法实现超过基准指数的投资收益，且被动型投资基金具有较低的管理费用与成本，所以，被动型投资基金或许是一个很好的投资选择。一般来说，被动型投资基金的目标是跟踪一个基准指数，其跟踪效果是基金好坏的衡量标准。对于被动型投资资金的基金经理来说，如何在保证跟踪效果的基础上使用更低的成本构建投资组合，是一个关键问题。　　本文使用三种不同的算法来构建复制组合，并比较不同算法下指数的跟踪效果。第一种方法为分层市值法，该方法根据股票的市值大小来进行选股。第二种方法为基于支持向量机的方法，这是一种机器学习的方法，该方法通过一些指标或因子对股票进行分类。第三种方法为IWO(Invasive Weed Optimization)算法，该方法是一个随机搜索算法。　　除此之外，本文尝试使用高频数据。使用高频数据主要有三个优点。第一，高频数据能够增大优化计算时的数据量，避免部分离群值对优化结果的影响。第二，短期高频数据具有足够大的数据量，从而可以增大股票备选池。第三，使用高频数据能够考虑更多短期的动量因素。　　本文以沪深300和中证500作为研究对象，通过使用跟踪误差和平均换手率作为算法优劣的衡量指标，本文认为，在沪深300指数复制中，应该选择分层市值法;在中证500指数复制中，应该选择SVM方法。