近年来,我国股票市场发展速度很快,股票各项指数波动较大,股市的不稳定很大程度上受投资者的投资情绪所致。随着自媒体的快速发展,其具有时效性,普泛性,不可控性强等特点,媒体报道的新闻内容可能会使得上市公司面临着更加恶劣的舆论环境,影响投资者的决策行为,进而对股价产生影响。基于此,学者们产生了诸多文本情感倾向的研究,通过大量的技术手段得出股市的趋势运行思想与方法,但是这些研究方法却很难在现实中去实现。在当今大数据时代,通过有效的研究,可以为投资者以及管理者提供决策与管理制度意见,规避市场风险,在实际应用与理论研究中都具有重要的意义。本论文在前人研究的基础上,设计出一种资讯情感量化的方法,并与股票行情及技术指标结合,构建了一个新的股票价格预测模型,本文的研究结果可以为市场投资策略提供有力的研究思路,为监管者提供决策意见。核心工作有:（1）从投资者情绪视角,利用爬虫技术自动化爬取个股资讯信息,运用BERT模型对个股资讯进行分类,然后构建资讯情绪指数（下文统称senti）;使用LSTM模型,基于市场客观影响情绪指标的开盘价,收盘价,最高价,最低价,市盈率,换手率,乖离率,MACD指标,对比加入senti指标前后对股票预测效果的影响。通过实验研究,融入量化文本指标的股票预测模型可以很好的拟合股票的短期走势。（2）使用格兰杰因果检验以及时间滞后互相关性分析技术分析了不同股票的资讯与对数收益率之间的因果关系,最后采用策略能否收益来衡量模型的有效性,通过以资讯情绪指数以及股价预测模型作为交易信号,设计了两个投资策略,回测验证了本文设计的资讯量化方法具有一定的获利机会,说明本研究具有一定的参考意义。通过对比研究分析,不同股票资讯情感与对数收益率之间的因果程度也不一样,股价受多因素影响。