Rynek kapitałowy jest miejscem spotkania podaży i popytu. Orientacja na zysk, możliwy do osiągnięcia za pośrednictwem, giełdy stymuluje dwa procesy: 1) kupno instrumentów finansowych lub 2) ich sprzedaż, czyli długą lub krótką opcję. Inwestowanie to proces, któremu towarzyszą wahania – często na poziomie <1% dziennie. Stąd inwestorzy indywidualni poszukują rozwiązań alternatywnych, do których należą instrumenty pochodne, dziennie oscylujące nawet o 100%. Dlatego dostrzeżono potrzebę opracowania instrumentu – narzędzia wyceny – ułatwiającego inwestorom indywidualnym podejmowanie decyzji inwestycyjnych. Wykorzystywany model Blacka-Scholesa (BSM) stosuje sześć zmiennych niezależnych. Zdecydowano skompilować alternatywny model wyceny bazujący na algorytmie genetycznym (GA) na podstawie indeksów spółek notowanych na NASDAQ: Facebook, Apple, Amazon, Netflix i Google (tzw. spółki FAANG), przy zastosowaniu oprogramowania Eureqa GA. Celem artykułu jest prezentacja wyników badań będących próbą opracowania skuteczniejszego modelu wyceny opcji przez porównanie dokładności algorytmu genetycznego (GA) i Blacka-Scholesa (BSM) oraz ewaluacji luk w ruchach cen instrumentów bazowych. Komparacja algorytmu genetycznego z tradycyjnym modelem wyceny opcji Blacka-Scholesa pozwoliła na opracowanie nowego modelu inwestycyjnego o charakterze liniowym – inwestorzy mogą dokonywać prognoz za pomocą tylko jednej zmiennej – ceny akcji, co znacznie powinno zoptymalizować podejmowanie strategicznych decyzji inwestycyjnych, bowiem presja zakupowa powoduje szybki wzrost cen instrumentów bazowych, co implikuje niechęć właścicieli opcji do sprzedaży instrumentów pochodnych w momentach wzrostów ujemnych. Prezentowany model charakteryzuje większa skuteczność inwestycyjna, szczególnie istotna dla indywidualnych inwestorów, którzy zazwyczaj nie są w stanie osiągnąć efektu skali zysku na podstawie wartości detalicznego portfela inwestycyjnego.