تاکنون تحقیقات بسیاری در چهارچوب مدل های خطی یا غیرخطی و با استفاده از مدل های آماری و ابزارهای یادگیری ماشین در هوش مصنوعی برای برآورد نرخ بازده سهام در ایران معرفی شده است. هدف عمده این روش ها استفاده هم زمان از متغیرهای مستقل متفاوت برای بهبود مدل سازی نرخ بازده سهام است ؛ درحالی که در فرایند پیش بینی پذیری نرخ بازده، علاوه بر نحوه مدل سازی، میزان همبستگی متغیرهای مستقل با یکدیگر و درنتیجه افزایش اریبی برآوردگرهای مدل نیز از اهمیت ویژه ای برخوردار است. ازاین رو، در این مقاله بر اساس مدل ترکیبی درخت تصمیم و رگرسیون لجستیک به صورت هم زمان متغیرهای اثرپذیر را تشخیص داده شده و سپس مدلسازی غیرخطی نرخ بازده انجام شده است. به منظور بررسی مدل پیشنهادی، اطلاعات 100 شرکت پذیرفته شده در بورس اوراق بهادار طی بازه زمانی 1390-1397 در نظر گرفته و بر اساس مدل پیشنهادی، وزن های انتخاب پرتفوی بهینه برآورد شده است. نتایج بررسی ما نشان می دهد که الگوریتم ترکیبی پیشنهادی، از مدل های رقیب بازدهی بهتری دارد.