چکیده: سودآوری و سرمایه‌گذاری در بازار بورس، نقش سازنده ای در رونق اقتصادی و ایجاد بستر مناسب شغلی و رفاهی در جامعه دارد. از طرفی بازار بورس و سرمایه، پر نوسان بوده و قابل پیش بینی نیست. بنابراین، ارائه راهکارها و تکنیک هایی که ریسک سرمایه‌گذاری در بازار بورس را کاهش داده و در مقابل سودآوری را افزایش دهند مهم و ضروری محسوب می شود. در بازار سهام از قوانین تجاری برای کسب سود بیشتر استفاده می شود اما این به تنهایی کافی نیست و باید برای بازدهی بالا در بازار بورس از ترکیب استراتژی-های مختلف و مناسب بهره برد. در تحقیق پیش رو، سعی شده است یک استراتژی مبتنی بر عملکرد الگوریتم خفاش ارائه شود. استراتژی پیشنهادی با نام SMBAT بر پایه تئوری آشوب بوده و با ترکیب آن با الگوریتم خفاش سعی کردیم از مزایای هر دو در کسب بازدهی از بازار بورس استفاده کنیم. در ادبیات موضوع، استفاده از الگوریتم ژنتیک و pso رایج بوده و ما در این تحقیق الگوریتم pso را به منظور مقایسه نتایج دو الگوریتم بکار برده ایم. در سایر رویکردهای معاملاتی، تنها از یک بخش از اطلاعات برای کسب نتیجه استفاده می شود و این باعث می شود درصد خطا و کاهش سود بالا رود. در صورتی که بتوانیم از مزایای چندین رویکرد در معامله‌گری در بورس استفاده کنیم می توانیم بازدهی را دوچندان کنیم. در رویکرد پیشنهادی، سعی داریم از الگوریتم خفاش، برای تعیین بهینه ترین وزن های خرید و فروش با هدف به حداکثر رساندن سود استفاده کنیم. به ازای هر سهم، یک آرایه 11 بعدی از بهینه ترین وزن ها ارائه شده و یک استراتژی خرید و فروش بر اساس سود پیشنهاد می شود تا وزن ها در طول زمان بروز شوند. برای تعیین بهترین وزن ها، از الگوریتم خفاش در بلند مدت برای کسب سود استفاده کردیم. وزن های خرد و فروش به ازای سهام، با هر اجرای الگوریتم بروز شده و وزن های مناسب تری برای کسب سود از خرید و فروش پیشنهاد می شود تا با برقراری شرط پایان بهینه ترین وزن خرید و فروش به ازای سهام پیشنهاد شود. با توجه به اینکه، تعداد قوانین برای معامله‌گری و کسب سود زیاد می باشد ما سه شرط را در الگوریتم برای کسب سود لحاظ کردیم. مجموعه داده‌ها به صورت داده‌های range, up-trend و down-up-range برای سهام مختلف بورس اوراق بهادار تهران می باشد. نتایج نشان داد که استراتژی پیشنهادی توانست در مقایسه با الگوریتم ترکیبی pso با توجه به ریسک بالای سرمایه‌گذاری سود بالاتری نیز کسب کند. با محاسبه صحت، الگوریتم مقدار 76% را کسب کرد و با دقت 83% موفق شد F-score تقریبأ 76% درصد را به خود اختصاص دهد.