Los inversores siempre prestan atención a los dos factores de retorno y riesgo en la optimización de carteras. Hay diferentes métricas para el cálculo del factor de riesgo, entre las cuales la más importante es el Valor en Riesgo Condicional (CVaR). Por otro lado, el Análisis Envolvente de Datos (DEA) puede utilizarse para formar la cartera óptima y evaluar su eficiencia. En estos modelos, la cartera óptima se crea con acciones o empresas de alta eficiencia. Dado que el espacio de búsqueda es vasto en los mercados reales y existen limitaciones como el número de activos y su peso, el problema de optimización se vuelve difícil. Los algoritmos evolutivos son una herramienta poderosa para hacer frente a estas dificultades. La industria automotriz en Irán involucra a fabricantes de automóviles internacionales. Por lo tanto, es esencial investigar el mercado relacionado con esta industria e invertir en ella. Por lo tanto, en este estudio examinamos este mercado basado en el índice de precios del grupo automotriz, luego optimizamos una cartera de empresas automotrices utilizando dos métodos. En el primer método, la medición de CVaR fue modelada mediante DEA, luego se utilizaron la Optimización por Enjambre de Partículas (PSO) y el Algoritmo Competitivo Imperial (ICA) para resolver el modelo propuesto. En el segundo método, se aplicaron PSO e ICA para resolver el modelo CVaR, y se analizó la eficiencia de las carteras de las empresas automotrices. Luego, se compararon estos métodos con el modelo clásico de Media-CVaR. Los resultados mostraron que el índice de precios automotrices estaba sesgado hacia la derecha, y existía la posibilidad de un aumento en el retorno. La mayoría de las empresas mostraron eficiencia favorable. Esto se mostró en el retorno de la cartera producida utilizando el modelo DEA-Mean-CVaR aumentó porque la propuesta de inversión se basó en la acción con el mayor retorno esperado y fue efectiva en tres niveles de riesgo. Se encontró que al resolver el modelo Mean-CVaR con algoritmos evolutivos, el riesgo disminuyó. El límite eficiente del algoritmo PSO fue mayor que el del algoritmo ICA, y mostró carteras más eficientes. Por lo tanto, este algoritmo fue más exitoso en la optimización de la cartera.