یکی از حوزه های جدید در مطالعات مالی استفاده از هوش مصنوعی به منظور ایجاد سیستم های پشتیبان تصمیم است. سیستم معاملاتی سهام یکی از انواع این سیستم هاست که به منظور یاری رساندن به سرمایه گذاران در اتخاذ تصمیم های سرمایه گذاری توسعه داده شده است. عملیات معاملاتی موفق بایست در نزدیکی نقاط برگشت در روند قیمت دارایی ها صورت پذیرد. در سالهای اخیر مطالعات متعددی بر روی ایجاد سیستم هایی که برگشت روند قیمت را نشان می دهند، متمرکز شده است. تحلیل تکنیکال که تلاش می کند سیگنال های معاملاتی را ارائه کند بسیار مورد استفاده قرار گرفته و معمولا بخشی از سیستم های معاملاتی را تشکیل می دهد. تحلیل تکنیکال بر پایه ی تعداد زیادی از قواعد تکنیکال تلاش می کند سیگنال برگشت روند را در اختیار سرمایه گذاران قرار دهد. اما نقطه ضعف آن وابستگی به تجربه سرمایه گذار در تعیین قواعد تکنیکال و پارامترهای آنهاست. در حقیقت عملکرد تحلیل تکنیکال بسیار وابسته به کیفیت تعیین پارامترهای تکنیکال است. در این مطالعه سعی شده است تا سیستمی معاملاتی بر پایه ی قواعد تکنیکال ایجاد شود و عملکرد آن با کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی ارتقاء داده شود. الگوریتم ژنتیک کمک می کند پارامترهای تکنیکال به خوبی تعیین شوند و زمانی که قواعد مختلف سیگنال معاملاتی را پیشنهاد دادند، با استفاده از یک شبکه elman پیشنهاد معاملاتی را با ترکیب سیگنال های قواعد مختلف در اختیار قرار می دهد. نتایج به دست آمده بر اساس نمونه ای 15 تایی از سهام بازار ایران نشان می دهد عملکرد سیستم پیشنهادی از نظر آماری تفاوت معنی داری با عملکرد سیاست معاملاتی شناخته شده خرید و نگهداری دارایی ندارد و به عبارت دیگر از پتانسیل سودآوری مشابه ای برخوردار است.