现有研究表明,新闻信息是影响股票走势的重要因素之一。有关股票的新闻信息通常以文本的形式出现,而机器学习在处理文本等信息时表现优异。如何有效的提取新闻中关于股票的有效特征,将其与交易数据统筹起来,提高股票预测的准确率,成为当下股票走势预测研究的一个热门方向。目前,在新闻事件纳入股票预测的范围时,一种是直接提取新闻情感极性,由于情感极性大多有比较隐晦的特点,会造成信息遗漏;一种是直接提取微博、推特等信息,带有强烈的主观色彩。为了克服上述缺点,本文从国泰安数据库中提取中兴通讯近10年的新闻数据,很大程度上避免了微博上等带有强烈情感倾向的信息。基于该新闻数据及其历史交易数据,首先根据新闻事件文本利用卷积神经网络进行新闻事件分类,得到训练集分类准确率为87.08%,测试集分类准确率为85.12%,并计算了各分类的召回率、F值、精确度三个评价指标;其次利用长短期记忆人工神经网络进行新闻情感极性预测,得到训练集分类准确率为89.04%,测试集分类准确率为87.23%;最后分别用历史交易数据、历史交易数据结合新闻分类特征、历史交易数据结合新闻情感特征,作为长短期记忆人工神经网络的输入,进行股票涨跌预测,当涨跌阈值设为0.04时,融合历史交易数据和新闻情感特征矩阵预测的准确率最高,训练集分类准确率为84.21%,测试集准确率为81.03%。对比逻辑回归和随机森林方法,长短期记忆人工神经网络提升效果更明显。基于上述分析,本文得到以下主要结论。卷积神经网络和长短期记忆人工神经网络分别是提取新闻信息和预测新闻情感极性的有效方法。相较于历史交易数据和融合新闻文本信息的历史交易数据,融合新闻文本信息、新闻情感极性和历史交易数据将包含更多有用信息,在预测股票涨跌时的效果更为显著。但在使用新闻信息时也要选择适当的方法,部分方法如逻辑回归可能会有反作用,而使用长短期记忆人工神经网络、随机森林这些方法时,加入新闻信息对提高预测准确率均有一定效果。