지수 상향 추종은 시장수익률을 좇는 지수 추종에 기반을 두고 지수 이상의 수익을 내기 위한 목적함수를 최적화시키는 문제이다. 지수 편입종목을 모두 사용하는 경우 발생하는 큰 거래비용과 비유동성 등의 문제를 완화시키기 위하여 지수 편입종목들 중 일부만을 선택하여 포트폴리오를 구성하는 부분복제 방식을 사용하였다. 기존의 지수 상향 추종 방법들은 테스트하는 모든 구간에서 하나의 목적함수만을 가지고 최적의 포트폴리오를 찾고자 하였으나 변동성이 큰 금융시장에서 항상 만족스럽게 작동하는 궁극의 전략을 찾는 것은 불가능에 가깝다. 또한, 시간에 따라 통계적 특성이 크게 변하는 금융시장의 특성 상 학습 데이터에 대한 목적함수를 최적화시키는 것과 함께 모델의 일반화 성능을 향상시키는 것이 중요하지만 기존의 방법들은 이를 위한 직접적인 방법이 부족하다는 한계점을 가지고 있다. 이러한 문제점들을 해결하기 위하여 본 논문은 여러 목적함수들을 적응적으로 조합하여 포트폴리오를 구성하는 앙상블 학습과 학습데이터에 대한 목적함수 이외의 다른 필터링 조건을 적용하여 포트폴리오를 선택할 수 있는 3단계 포트폴리오 선택 알고리즘을 제안한다. 약 5년간의 S&P500 지수를 사용한 실험에서 제안한 방법은 지수와 기존 방법들보다 27% 이상 높은 Sharpe ratio를 보이며 3단계 포트폴리오 선택 알고리즘과 앙상블 학습이 지수 상향 포트폴리오를 선택하는데 효과가 있음을 보여준다.