در حوزه ی مطالعات مربوط به سرمایه گذاری ، مدل های کمّی و عملی شامل روش هایی است از جمله: محاسبات نرم افزاری برای پیش بینی سری زمانی مالی، بهینه سازی چند منظوره ی بازده سرمایه و کاهش ریسک و همچنین انتخاب ابزارهای سرمایه گذاری برای مدیریت سبد سهام می باشد. در میان این موارد، انتخاب سهام ، مدتهاست که به عنوان فعالیتی چالش برانگیز و مهم تلقی می شود. این رشته تحقیقات به طور ویژه ای وابسته به رتبه بندی قابل اطمینان سهام بمنظور ساخت موفقیت آمیز سبد سهام می باشند. پیشرفت-های اخیر در یادگیری ماشینی و داده کاوی، منجر به ایجاد فرصت های چشمگیری برای حل موثرتر چنین مسائلی شده است. در این مطالعه تلاش می کنیم روشی برای انتخاب موثر سهام با استفاده از مدل های فازی به همراه الگوریتم های ژنتیک(ga) ارائه دهیم. ابتدا یک ساز و کار امتیاز دهی سهام با استفاده از متغیرهای اساسی ابداع می کنیم و توابع عضویت فازی را بمنظور تغییر مقیاس مناسب امتیازات اعمال می کنیم. سپس با استفاده از این امتیازات رتبه بندی نسبی سهام را بدست آورده و سهم های با رتبه ی بالا برای تشکیل سبد سهام بکار گرفته می شود. همراه با مدل رتبه بندی سهام، از ga بمنظور بهینه سازی پارامترهای مدل و به طور همزمان انتخاب ویژگی متغیرهای ورودی استفاده می کنیم. نشان خواهیم داد که بازده پرتفوی حاصل از روش پیشنهادی ما، به طور قابل توجهی بهتر از معیار است. بر اساس نتایج امیدوار کننده ای که بدست آمد، انتظار داریم این روش ترکیبی فازی- ژنتیک بتواند موجب پیشرفت تحقیقات در محاسبات نرم افزاری مالی گردد و راه حلی موثر برای انتخاب سهام در دنیای واقعی ارائه کند.