En el campo de la inversión, cómo construir una cartera adecuada basada en datos históricos sigue siendo un tema importante. La restricción dominante estocástica de segundo orden es una rama de la teoría de la restricción dominante estocástica. Sin embargo, solo considerar las restricciones dominantes estocásticas de segundo orden no se ajusta al entorno de inversión en condiciones realistas. Por lo tanto, agregamos una serie de restricciones al modelo básico de optimización de carteras, que reflejan el entorno de inversión realista, como la asimetría y la curtosis. Además, consideramos dos tipos de medidas de riesgo: valor en riesgo condicional y valor en riesgo. Lo más importante de todo, en este documento, introducimos el algoritmo de Optimización del Lobo Gris (GWO) en el modelo de optimización de carteras, que simula la jerarquía social y el comportamiento depredador del lobo gris. En los experimentos numéricos, comparamos el algoritmo GWO con el algoritmo de Optimización por Enjambre de Partículas (PSO) y el Algoritmo Genético (GA). Los resultados experimentales muestran que el algoritmo GWO no solo muestra una mejor capacidad de optimización y eficiencia de optimización, sino que también la cartera optimizada por el algoritmo GWO tiene un mejor rendimiento que el índice FTSE100, lo que demuestra que el algoritmo GWO tiene un gran potencial en la optimización de carteras.