در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون ARIMA و روش های نوینی، چون شبکه های عصبی برای قیمت سهام قرار دارند.
در این پژوهش به روشی دست یافته شده که حاصل ادغام رگرسیون معمولی و رگرسیون فازی به همراه بهینه سازی و نافازی سازی پارامترها با الگوریتم ژنتیک می باشد. در پایان دو روش رگرسیون معمولی و رگرسیون فازی نافازی شده با الگوریتم ژنتیک با هم مقایسه می شود.