金融领域随着互联网的快速发展呈现出崭新的繁盛景象。海量的财经媒介信息借助互联网在投资者之间不断交互,其蕴含的投资者情绪影响着投资者的投资决策,从而影响股价的波动,进而对金融市场的稳定产生影响。本研究尝试对财经媒介信息进行情感分析,挖掘其中所蕴含的投资者情绪。同时,深度学习方法的不断发展为本研究提供了“先进的武器”。因此,本研究基于深度学习方法,对财经媒介信息进行情感分析研究,主要研究以下两部分内容:构建情感词典,以及金融新闻的情感分类。首先,由于目前的情感词典大多为通用情感词典,不适用于金融领域,本研究借助词向量技术,构造神经网络分类器,提出一种自动构建领域情感词典的方法,并进行实验证明该方法的有效性。接着,本研究以金融新闻为研究对象,以长短时记忆神经网络和注意力机制为基础,提出一种层次化注意力模型,来挖掘新闻中的投资者情绪,并进行实验证明该模型优于基于情感词典的统计方法、传统的机器学习方法和一般的深度学习方法,同时也证明:加入注意力机制能够提高模型的性能。在证明模型性能的基础上,本研究尝试探究投资者情绪与股价间的相关性。实证发现,投资者情绪与股价间存在相互影响:新闻中的投资者情绪股价影响存在延迟性;股价波动会影响新闻中的投资者情绪,且影响较为快速。最后,总结全文研究,提出不足与展望。