股票投资是一种非常活跃的投资理财方式。投资者在股票市场上的交易行为都以盈利为目的。目前,股票预测大多仅基于股票交易的历史数据。本文研究结合股票评论文本情感分析的股票预测模型。模型设计中分析情感倾向、股票交易指标、时间序列等方面的数据。情感分析:本文以活跃股评论坛特定股票的股评文本作为分析数据。这些论坛数据是大量含噪音的短文本,反映的是中小股票投资者的观点。使用SVM分类器,利用JAVA版本的LIBSVM工具包进行文本分类,计算分析得到情感倾向指数Bs。工作改进:分析多时段数据建立BP网络预测模型,并根据MIV算法求解不同时段数据的不同影响值;在计算文本情感倾向指数Bs时,加入文本作者影响权重。模型设计:只有五个股票交易指标作为输入量的BP神经网络模型,作为参考模型,记为模型一;结合情感指数Bs和五个股票交易指标的多指标BP网络模型,记为模型二;分析预测日之前五个交易日收盘价的多时段BP网络预测模型,记为模型三。结论:包括情感指数的预测模型二要比模型一的准确性高;模型三结合MIV算法得出了预测日前五个交易日的影响权重值,结果符合越靠近预测日的数据影响权重越大的趋势。