金融市场变化具有连续性，其统计数据依时间发展顺序来组织，因此关于金融市场业务的预测问题可以应用时间序列分析方法来解决。然而在使用时间序列分析法时，仅仅根据金融统计数据本身，并不能得到最好的预测结果，原因是这些统计数据只涵盖了金融环境中所有相关信息的一小部分，政策消息、官方声明、机构意见、民众意向等都无法从统计数据中得到体现，这显然会影响预测的效果和准确性，而新闻事件作为主要的媒体信息来源，恰恰包含了上述所说的外部影响因素。该文将金融市场统计数据的时间序列分析方法，和市场相关新闻事件的文本挖掘方法结合在一起，通过对新闻事件语料进行情感分析，获取其中所反映的金融市场外部影响因素，并对其进行量化处理，将其作为补充和修正加入到时间序列分析模型中，以获得优化的预测结果。该文使用目前流行的网络微博作为新闻事件数据源，针对中文微博的特点，文中使用基于规则的句法分析方法，将每条微博对金融业务未来走势的态度和预测影响进行量化。该文最终建立的用于预测的模型，是基于神经网络的NARX时间序列模型。利用实际证券指数数据，并根据本文提出的方法进行建模，最终实验得到的分析与预测结果说明，针对性的微博文本分析方法可以得到更准确的外部影响因素量化结果，且将新闻事件中蕴含的这些外部影响因素加入时间序列分析模型中，可以对金融业务的变化趋势进行更好的预测。