ردیابی شاخص که به عنوان یکی از روش‌های مدیریت غیرفعال سرمایه‌گذاری شناخته شده است، به دنبال تشکیل پرتفوی، به‌گونه‌ای است که در طول زمان با کمترین میزان خطا، بازده‌ای نزدیک به شاخص داشته باشد. در این پژوهش به بررسی کاربرد یک مدل برنامه‌ریزی صفر و یک در خوشه‌بندی ‌سری‌های زمانی به‌منظور تشکیل پرتفوی ردیاب شاخص پرداخته شده ‌است. به‌منظور اجرای فرآیند خوشه‌بندی، معیار‌های متنوع سنجش شباهت سری‌های زمانی از جمله، ضرایب همبستگی پیرسون، اسپیرمن، کندال و اردم و همچنین فاصلۀ مبتنی رویکرد پیچیش زمانی پویا، مورد استفاده قرار گرفته‌است. آزمون خارج از نمونه بر روی نسبت بازار و خطای ردیابی پرتفوهای مبتنی بر شاخص 50 شرکت فعال‌تر بورس اوراق بهادار تهران 4 فصل تابستان 96، پاییز 96، زمستان 96 و بهار 97 نشان از این موضوع دارد که پرتفو‌ها در ردیابی شاخص موفق عمل نموده‌اند و متوسط خطای ردیابی روزانۀ پرتفوی مبتنی بر ضریب همبستگی پیرسون از دیگر پرتفو‌ها پایین‌تر است. همچنین آزمون سخت‌گیرانه مقایسات زوجی بر روی خطای ردیابی پرتفو‌ها نیز حاکی از آن است که خطای ردیابی پرتفوی ردیاب شاخص مبتنی بر ضریب همبستگی پیرسون، در سطح اطمینان 99 درصد به‌طور معنا‌داری از دیگر پرتفوها پایین‌تر است. پرونده مقاله