股市指数的波动是证券投资者所关注的焦点内容,其影响因素涵盖诸多方面,有直接相关的影响因素和一些难以被察觉到的潜在因素。近年来,随着计算机运算能力的加强和众多人工智能算法的出现,越来越多的学者和投资者们将人工智能算法结合股票市场规律进行股票价格波动预测研究,将其应用在量化投资和股票市场监管等方面并取得了显著成效。本文从股民言论角度出发,挖掘言语信息中的情感倾向与股票指数变化之间的相互关系,构建基于评论的股票指数预测模型。为了将非理性的决策因素投资者情绪应用于股票市场的股票指数波动预测中,本文融合深度学习算法构建一种较为精确的股票指数波动预测模型,提出了一种基于自然语言处理和卷积神经网络相结合的情感倾向提炼方法,通过情感指标与股市指标结合构造出投资者情绪度量指标并使用股民情感倾向数据结合改进的LSTM模型(ELSTM)预测未来股票指数波动。研究得到如下结论:(1)基于股吧评论的投资者情绪指标能够反映股票指数的变化,经过OLS回归检验证明了本文构造了有效的投资者情绪复合情感度量表达式。(2)排除政策、自然灾害以及金融大环境影响的前提下,根据投资者情绪变化态势与股价指数变化综合分析得出,在股价攀升阶段,投资者情绪变化和股价变化无正负相关性;而在股价下跌阶段,复合投资者情绪指数对于股价变化有可预测性,指数与情绪呈正相关关系。(3)结合了情感指标的ELSTM模型在股票市场预测上发挥作用明显预测准确率大幅提高,能够对沪深300走势做出较为准确的预测,预测效果优于其他模型,对沪深指数走势预测准确率达85.4%,对不同板块股票预测综合准确率达64.3%,相较于普通时间序列模型和LSTM模型准确率有大幅提高,证明了模型可行性。对相对不活跃的行业概念股走势预测有一定预测作用,为投资者投资以及股市分析提供了新的解决方案,给股市指数预测提供了新的途径。该论文有图22幅,表10个,参考文献61篇。