股票市场是一个国家经济市场的重要组成部分之一,我国股市相较于欧美等一些资本主义国家,发展时间较短,体系尚不成熟。随着改革开放以来我国经济的不断发展,人们生活水平的不断提高,财富不断积累,股市不仅仅是投资者的财富增长渠道,普通民众也越来越多地参与股票市场。然而在纷繁复杂的股票市场中,如何选择可投资的股票成为了有待解决的问题,为了避免投资的亏损,股票价格的趋势预测成为了一个重要的热点问题和难题。因此对股票市场预测系统的设计和实施不仅仅具有深刻的理论意义,而且也具有重要的使用价值。因此本文使用了 xgboost模型基于股票的技术指标和上市公司新闻对股票的价格进行预测,并在最后使用网格搜索法对模型进行改进,提升预测的准确性。本文首先概括总结了股价预测的国内外研究现状以及相关的历史文献,然后详细介绍了本文中所使用到的模型理论,主要包括xgboost模型理论、主成分分析和股票市场概述。接下来本文选取了科大讯飞、中国平安、中国石油、中国中车和三一重工五只股票来进行实证分析,首先获取了以上五只股票的历史交易数据和股票技术指标,通过主成分分析降低样本数据的维度,使用降维后的数据作为xgboost模型的输入特征对股价进行预测,预测结果表明使用xgboost模型基于股票技术指标能够对股价的趋势进行大致的预测,但是真实值和预测值之间具有较大的差异。然后为了提升预测的精确度,本文获取了上市公司的每日新闻标题,通过文本分析对其进行情感打分,得到每日的新闻情绪分数,并将其加入到模型的输入特征中对股价进行预测,发现股价预测的准确度有了一定的提升。最后为了提升模型的预测性能,本文将xgboost模型中较为重要的8个参数使用网格搜索法进行调整优化,找到最佳参数,使用参数优化后的模型对股价进行预测,预测结果表明运用网格搜索法调整后的模型能大幅度提升模型对股价预测的精确度。经过论证分析,本文可能的创新点有以下两点:（1）将上市公司的每日新闻进行情感分析,计算其情绪分数,随后将其作为特征加入训练集中进行股票价格的预测,以此来探究新闻情绪对股价预测准确性的影响。（2）提出网格搜索法优化的xgboost金融预测模型。本文挑选出xgboost模型中较为重要的8个参数,使用网格搜索法对其进行调整优化。