股票价格的准确预测长久以来受到投资者和学者的广泛关注。影响股价走势的因素很多,这给股价预测带来了异常艰巨的困难。本文从信息与股价的关联关系这个角度试图通过信息的变化来预测股价走势,即从过去数据中找出股票价格与股市信息两者的关联规律并用其预测将来的价格运动。近年来,随着瓦联网的深入发展,人们发现互联网股市信息与股价波动存在着明显的关联关系,如何揭示这种关联关系成为了当前计算机和金融领域的一个研究热点。本文提出了一种基于词汇极性的观点挖掘方法,挖掘互联网股市信息中蕴含的观点倾向,并考察这种观点倾向与股价走势的关联关系,从而通过这种关联关系来预测股票价格的走势。股市信息的观点倾向即作者在信息中表达的认为股价会上涨或者下跌的立场。词汇极性是词汇所体现的与股票价格关联的特性。基于词汇极性的观点挖掘方法通过识别出的词汇极性对观点倾向进行更新,实现了文档语句级的观点倾向性抽取,并提高了挖掘结果的质量。而神经网络具有很强的非线性逼近能力和自学习、自适应等特性,方法最后运用神经网络来学习股票价格和观点倾向之间的关联规律,并用其预测未来股价走势。实验结果表明,该方法能够取得较好的预测效果,并证明了互联网股市信息的观点倾向与股价走势存在着一定的相关性。