指数化投资管理的关键在于选择合适的方法技术构建最优的投资组合,使得跟踪组合与目标指数之间具有最小的跟踪误差。本文就在国内外学者的研究基础上提出了使用聚类选股,然后使用时间加权支持向量回归机来获取组合中股票的最优权重的指数复制方法。本文以沪深300指数作为基准指数,构建了一个包含30只成份股的跟踪组合。在选股阶段,首先利用成份股的beta系数这一系统风险特征,根据不同的系统风险趋势特征来对股票聚类分层,如此构建的股票组合可以有效的分散风险,并且可以解决行业分类的不足。然后,对该聚类作了有效性分析,通过与沪深300成份股的证监会行业分类进行对比,验证了该聚类的有效性。最后,计算每个类应该选取几只股票,按照每个类中股票的流通市值指标来选股。这样就得到了基于beta值聚类选股的30只股票组合。在对投资组合中的股票进行权重优化阶段,本文考虑到金融数据具有时序性,越靠近现在的数据对于未来的影响越强烈,越是久远的数据对未来的影响越小,所以在指数跟踪方法中非常有必要将时间因素考虑进去。基于此,本文在上述30只股票组合的基础上构建了一个基于时间加权的支持向量回归机(SVR)指数复制模型,希望可以解决构建跟踪组合时金融数据的时序性问题。利用时间加权支持向量回归机(SVR)模型计算所选股票组合的最优权重,最终获得了指数复制跟踪模型的最优跟踪组合。在实证分析中,本文将建立的时间加权SVR指数复制模型与传统的二次规划权重优化模型以及普通的SVR模型进行对比分析。结果表明,时间加权SVR指数复制模型得到的跟踪组合,在样本内外的跟踪误差都是最小的,其跟踪效果最佳;而传统的二次规划优化指数复制模型表现的跟踪效果最差,虽然在测试集上的跟踪效果与普通的SVR指数复制模型的效果相差不大,但是在测试集上的表现却明显不如SVR模型,这是因为SVR模型是基于结构风险最小化原则,可以很好地提高模型的泛化能力。