یکی از دغدغه های اصلی سرمایه گذاران، ارزیابی بازده سرمایه گذاری است که با استفاده از الگوهای مختلف مانند الگوی تک عاملی CAPM، سه و پنج عاملی فاما و فرنچ، و شش عاملی روی و شیجین و غیره که به الگوهای چندعاملی معروفند انجام می شود. به رغم استفاده گسترده از الگوهای مزبور، اشکالات اساسی آن ها شامل حساسیت به تغییرات غیرمترقبه، شوک های ناگهانی، تلاطم های شدید حباب قیمتی و غیره است. برای رفع آن ها، الگوی چندعاملی بر پایه استفاده از روش تابع پنالتی (جریمه) برآورد گردیده که به جای استفاده از شیوه میانگین گیری، بر اساس بهینه سازی و اجتناب از تاثیر تغییرات غیرمتعارف و سایر عوامل موثر در بازار سرمایه، عمل می کند. برای ارزیابی بازده سهام می توان از گزینش عوامل موثر و مدل سازی و ارائه الگوی متناسب با شرایط حاکم بر بازار سرمایه ایران استفاده نمود. در این مقاله، با تشکیل سبد (پرتفوی) های سرمایه گذاری و شناسایی عوامل موثر و پالایش آن، دسته بندی و برآورد الگوی تلفیقی تابع جریمه و چندعاملی (P & PCA) بر پایه داده های عملکردی در بازه زمانی انجام شد. نتایج این تحقیق نشان داد که استفاده از الگوریتم شبیه سازی گسترده تابع جریمه به شیوه تخمین(P & PCA) کارایی روش های چندعاملی را در ارزیابی بازده سهام بهبود می بخشد و استفاده از الگوریتم تلفیق تابع جریمه و چند عاملی نسبت به الگوی 5عاملی فاما وفرنچ در دوره زمانی موردبررسی از دقت وقدرت توضیح دهندگی بالاتری در برآورد بازده سهام برخوردار است. پرونده مقاله