大数据时代的到来，使得互联网中数据体量巨大，数据类型丰富，其中网络中绝大多数的数据均为非结构化数据。在非结构化数据中，文本与音频、视频及图片相比，其信息价值及性价比都是相对较高的。网络文本数据中，新闻资讯作为大众获取信息的主要来源，随处可见。近些年，利用传统的结构化数据己逐渐满足不了研究需求，开始出现对如新闻文本等非结构化数据的分析和挖掘。在文本数据中，词与词之间存在着强弱不同的语义关联，本文采用的研究方法是将其转化为文本语义网络进行后续分析，利用网络信息来进行模型预测。
　　在理论应用上，本研究将整套方法创新性地推广到金融投资领域，选取黄金期货价格相关新闻作为实验对象。在金融投资市场，黄金期货作为一种成熟的黄金衍生品，备受投资者的青睐，其价格的变动影响着投资者的决策，同时也是投资者关注的焦点。因此，预测黄金价格成了学术界近几年的热门研究课题。
　　本文主要基于爬取到的黄金期货相关的新闻文本进行探索性分析，以利用非结构化的新闻文本数据来预测黄金期货价格为研究目标，一方面可将无法评估量化的关键词作为变量加入模型中，增强模型的可解释性，另一方面对关键词构成的加权文本网络进行分析，进一步将网络信息加入预测模型中，有助于模型的预测。其中具体的研究内容如下：
　　首先，基于Python爬虫技术从网络中爬取了近9年与黄金期货相关的新闻，和对应时间段内的黄金期货价格；接着，基于R软件文本挖掘方法，对爬虫得到的文本数据进行清洗等预处理，通过文本分析将新闻文本处理成文本词汇矩阵；进一步，基于WGCNA算法，利用文本词汇矩阵进行加权网络分析，探究网络的性质和结构，分析网络性质随时间的动态变化，并利用Gephi软件将网络结构可视化地呈现出来；最后，本研究用加入文本网络信息的SGLS-Logistic模型来预测黄金期货价格跌涨，并将其与Lasso-Logistic、MCP-Logistic模型作比较，证明其分类效果更优。