股票正在成为中国居民资产配置的一个重要方向。但是股票价格的波动瞬息万变,如果不能准确预测股价走势,把握合适的买卖时机,不但无法保障收益,还会承担巨大风险。目前的股票分析主要依靠炒股软件的技术指标,基于经验人工判断。这种方式主要存在两个问题。第一,技术指标种类繁多,每种指标的适用范围不同,而且单一指标的预测效果较差,通常需要结合不同的指标综合判断。这对于投资者来说有较大的学习成本。第二,技术指标本身是通过价格、成交量等反映在股市本身的客观事实演变而来,无法反映投资者的主观态度和情绪。为了解决以上问题,本文对股价的预测问题进行研究,通过预测模型,为投资者提供“买入”、“持有”、“卖出”三种投资信号,帮助投资者进行决策。本文工作主要依照以下两个方面展开。(1)基于技术指标的股价预测。首先,对股价预测的目标进行定义,确定买入、持有、卖出的阈值,将这三类结果作为预测输出。其次,对MACD、RSI、KDJ等技术指标进行量化,作为预测输入。最后,通过实验对比,选择表现最优的参数,构造出一个基于BP神经网络的股价预测模型。(2)加入了投资者情绪指标的股价预测。首先,通过网络爬虫,对“股吧”中的股评信息进行抓取。其次,构造了专门针对金融领域的词典,利用N-GRAM新词发现算法构建分词词典,利用PMI算法扩展情感词典。然后,对比了情感词词典、朴素贝叶斯两种情感分类算法,构造出一个性能最优的情感分类器。最后,利用构建的情感分类器对股评信息进行情感分类,计算投资者情绪指标,并将其作为输入加入到股价预测模型。本文探索性地将投资者情绪指标作为变量引入股价预测的模型中,实验结果表明,投资者情绪指标对于预测股价的走势具有指导意义,能够在一定程度上提高股价预测的准确性。并最终融合技术指标与投资者情绪指标,基于BP神经网络构造出一个性能不错的股价预测模型。