“互联网+金融”是时代背景下我国经济发展的重要方向。因此,将金融结合自然语言处理和机器学习等多种新技术,探索改变金融信息处理和整合方式并应用于投资决策过程的研究将大幅提升传统金融的服务效率。为了考察用户生成内容（user-generated content,UGC）的群体智慧及其影响,本论文对投资者社交网络平台中UGC不同发帖类型产生的金融影响进行研究。用户生成内容中含有情感,在信息传播过程中,投资者更容易参考他人的经验而改变投资决策。因此,有必要对用户生成内容特征进行研究。概括而言,本研究的主要研究内容分为三个部分:（1）研究用户生成内容的知识特征及市场反馈;（2）研究用户生成内容不同发帖类型之间的情感传递关系及其对股价的影响;（3）基于股价时序特征、用户生成内容知识特征和情感特征对股价行为进行预测。本文主要的研究步骤为:（1）基于前景理论和企业行为理论背景,通过主题模型对用户生成内容提取主题,对主题结果进行风险性特征评价,并进一步取得用户生成内容的知识特征;（2）基于社交学习的行为金融理论背景,对用户生成内容提取情感特征,构建情感-股价模型,对不同发帖类型情感之间的传递关系及其影响进行实证检验;（3）基于有效市场假说,通过小波分频处理对股价时序特征进行分解重构,对股价历史价格提取特征,再分别与用户生成内容知识特征、情感特征构成基准模型,通过与基准模型的比较研究,进一步提出融合三类特征的融合模型对股价行为预测的结果水平。在社交媒体与金融科技大力发展的背景下,本文通过对用户生成内容中主题和情感的处理可以在更大程度上发掘海量普通用户生成内容背后的隐性知识,提高决策者对证券市场变动趋势的认知。本文的结论在融合UGC知识特征、情感特征以及股票时序特征后对金融市场进行预测,结果证明了群体智慧的存在。研究有助于观测上市公司股票价格在中短期内的波动行为,为投资决策提供参考,也为市场和公司监管提供预警作用。