پژوهش حاضر به بررسی عوامل مؤثر بر بهینه سازی فین تک در بازارهای مالی با استفاده از رویکرد ترکیبی می پردازد. فین تک به عنوان یکی از تحولات اساسی در دنیای مالی، به ویژه با استفاده از فناوری های نوین مانند هوش مصنوعی، بلاک چین، و پردازش داده های کلان، توانسته است تغییرات قابل توجهی در نحوه تعاملات مالی ایجاد کند. هدف این تحقیق شناسایی و مدلسازی مؤلفه های مؤثر بر بهینه سازی فین تک در بازارهای مالی و استفاده از مدل های بهینه سازی به منظور بهبود عملکرد آن ها است. در ابتدا، به منظور شناسایی مؤلفه های کلیدی، از روش کیفی و تکنیک فراترکیب استفاده شده است. در این بخش، اسناد و مقالات مرتبط با فین تک و صنعت بانکداری بررسی و داده های استخراج شده از مطالعات دیگر تحلیل شده اند. این داده ها شامل ابعاد مختلفی از جمله امنیت سایبری، شاخص های هوش مصنوعی، مقیاس پذیری سیستم ها و تأثیرات اقتصادی و اجتماعی فناوری های مالی می باشند. پس از شناسایی مؤلفه های اصلی، در بخش کمی تحقیق، مدلسازی بهینه سازی فین تک بر اساس این مؤلفه ها با استفاده از روش های برنامه ریزی ریاضی صورت گرفت. مدل های پیشنهادی برای بهینه سازی با استفاده از نرم افزار GAMS و الگوریتم اپسیلن محدودیت و همچنین نرم افزار MATLAB با الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) بهینه سازی شدند. نتایج به دست آمده از مدل های بهینه سازی نشان می دهند که بهبود در مؤلفه های شناسایی شده می تواند منجر به افزایش کارایی و کاهش هزینه ها در سیستم های فین تک شود. این تحقیق همچنین نشان می دهد که استفاده از رویکرد ترکیبی و تحلیل همزمان داده های کیفی و کمی می تواند به شبیه سازی دقیق تری از عملکرد فین تک ها در بازارهای مالی کمک کند و راهکارهای بهینه تری برای بهبود فرآیندهای مالی ارائه دهد.