O problema de index tracking estuda a reprodução da performance de um índice com um portfólio formado por um número restrito de ativos. Esta abordagem é especialmente importante em situações reais, onde custos de transação estão associados à compra e venda de ativos, impossibilitando uma replicação fiel do benchmark. No entanto, essa restrição de cardinalidade do portfólio acrescenta uma complexidade adicional, por isso, sua solução pode levar muito tempo. Para contornar este problema, metaheurísticas foram propostas com o objetivo de alcançar boas soluções em um tempo razoável. Este trabalho analisa a performance de cinco algortimos genéticos aplicados a duas formulações de modelos para a otimização deste problema de seleção portfólio: um linear e outro quadrático, em termos de tempo de execução e qualidade da solução. Os resultados mostram que a abordagem híbrida dos GAs foi capaz de retornar soluções competitivas em menos tempo do que um solver genérico, tanto em períodos de otimização simples quanto em estratégias de rebalanceamento do portfólio, de forma a ser uma alternativa confiável à um gestor de fundos para ajudar em seu processo de tomada de decisão, permitindo diversos experimentos em um curto período de tempo antes da formação do portfólio.