21世纪以来,我国资本市场快速成长,随着改革开放以来国内经济的快速发展,居民的收入水平不断提高,更多居民将个人理财的方式从银行储蓄存款、国债等扩展到股票投资。根据中国结算发布数据,截至2022年2月,A股投资者数量已经突破2亿人,散户资金量占股市资金的50%左右。投资者结构导致情绪对市场资金的走向影响被放大,直接反映到股价的波动率上。此外,绝大部分投资者是无法将全部时间投入到股市研究中去的,有限关注度的特性导致股票价格的波动受到关注的影响较大。因此,通过技术手段将媒体情绪和投资者关注进行合理量化,并引入到股价波动率预测中去将有利于股票市场的健康发展。本文通过选取医药生物板块股票指数作为研究标的,通过因子和模型的创新提高对其股价波动率的预测精度。因子方面,引入投资者关注和媒体情绪两个创新因子,结合技术性指标。其中,投资者关注通过对板块关键词百度指数爬取,并与已实现波动率进行时差相关分析得到;媒体情绪通过板块关键词获取新闻文本,并利用Bert模型自动进行本文情绪识别得到;利用XGBoost对技术性指标进行特征筛选。模型方面,本文分别利用线性回归模型、机器学习和深度学习中LSTM、TCN模型比较引入两种因子前后对于波动率的预测精度和损失。并选择最优股价波动率预测模型和因子组合,应用到Va R值计算的风险管理中。本文实证表明:（1）LSTM、TCN模型相比于线性回归模型损失可以下降30%-50%,拟合优度可以提升54%-62%。相比于机器学习模型损失可以下降15%-20%,拟合优度可以提升30%-40%。（2）技术性指标的引入使LSTM和TCN模型的损失和拟合优度改进1%-2%,媒体情绪和投资者关注的引入使得损失下降3%-4%,拟合优度提升2%左右。上述因子同时引入,LSTM和TCN模型在损失上下降10%-18%,拟合优度上提升4%-7%。（3）基于长短期记忆模型,融入技术性指标、媒体情绪和投资者关注的股价波动率预测,提高了最大风险损失准备的成功率。利用0.05分位点的分位数回归得到的Va R值,在测试集482个交易日内,失败天数为12天,失败率2.4896%。