موضوع گزینش پرتفوی بهینه چالشی است که از دیر باز سرمنشأ بحث های نظری متفاوتی بوده و بر همین اساس، از الگوهای تکنیکی مختلفی بدین منظور استفاده شده است، به گونه ای که هر یک از روش ها از مزایا و کاستی های ویژه ای برخوردار بوده اند. در این میان مسئله انتخاب پرتفوی بهینه به کمک الگوریتم های ژنتیک، کمتر مورد توجه پژوهشگران و تحلیل گران قرار گرفته است، در حالی که جامعیت و توان تکنیکی قابل ملاحظه این الگوریتم ها می تواند گزینش مناسبی را به دست دهد. مطالعات پیشین، کارایی الگوریتم ژنتیـک را به عنوان یک روش جستجوی تصادفی جامع، در مقایسه با سایر روش های بهینه سازی به اثبات رسانیده است. در این مطالعه گزینش پرتفوی بهینه بر اساس یک الگوی ترکیبی با استفاده از مدل میانگین-واریانس مارکوئیتز و با اعمال شاخص نقدشوندگی سهام، در یک فرآیند دو مرحله ای نقطه تمرکز می باشد. در مرحلـه نخـست، با استفاده از یک مجموعه شاخص های مالی، سهام شرکت ها رتبه بندی گردیده و سهام برتر انتخاب می شوند. از جمله انتقاداتی که به مدل مارکوئیتز وارد می باشد این است که در این مدل، تنها به دو معیار میانگین و انحراف معیار بازده ها توجه می شود. این در حالی است که سرمایه گذاران عملاً معیارهای گوناگونی از جمله نقدشوندگی در تشکیل پرتفوی مورد ملاحظه قرار می دهند. لذا در مرحلـه دوم از بین سهام برتر و با ادغام معیار نقدشوندگی در مدل مارکوئیتز، بهینه سازی تکنیکی صورت می گیرد. نتایج آزمون های آماری نشان داد که الگوریتم ژنتیک، ابزاری سودمند را برای انتخاب پرتفوی به دست می دهد که می تواند به سرمایه گذاران در طراحی استراتژی سرمایه گذاری و ساختاربندی پرتفوهایشان به گونه ای موثر کمک کند که به حداکثر بازده، ریسک قابل قبول و درجه مطلوبی از نقدشوندگی دست یابند.