上市公司年报是关于公司上一财政年度主要活动和运营状况的综合报告,提供了公司业务、风险、运营和财务状况以及盈利驱动因素的详细分析。上市公司年报是投资者们对公司投资前景分析的主要对象。但年报中80%的信息内容以文本的形式表现,这些文本中的情绪反映了公司管理层对公司发展的信心,情绪变化与公司业绩发展和股价变化密切相关,如何通过机器学习挖掘年报中的情绪特征进行股票价格预测具有非常重要的意义。过往的研究工作主要采用各种定量化财务数据来进行股票市场的预测。然而近年来,越来越多的研究工作发现金融文本情感分析能够有效地被用来预测股价变化。虽然针对上市年报情感特征,大量研究工作证明了度量方法的有效性,但仍需继续探索一种更加精确的度量方法与上市公司年报中的其他异构特征进行融合,更加准确地进行股票趋势预测。本文选取香港上市公司年报作为分析目标,首先验证了上市公司年报中情感基调变化在股票趋势预测方面的有效性,并分析了香港金融市场对上市公司年报中情绪信息的敏感事件窗口,以及金融危机期间年报情感特征的表现。然后针对上市公司年报,设计了一种新的情感基调变化向量来度量金融年报中的情感变化,并引入了语言学中情感词权重的概念,并将其与传统的词汇权重概念相结合,提出了一种新的情感平滑核。最后,基于该情感核函数,提出了一种基于情感平滑核和多样异构特征的多核算法框架。将金融文本情感特征引入到金融多核学习预测框架中,将金融文本情感特征与金融定量数据特征相融合,综合分析市场状况。实验结果表明,北美金融市场的研究结论同样适用于香港金融市场,本文提出的情感平滑核特别适用于本文提出了情感基调变化向量中蕴含的情感特征的学习,多核算法框架在股票趋势预测方面性能明显优于传统的多核算法框架。