随着数据处理技术的飞速发展,自然语言处理（NLP）技术在文本挖掘和智能分析领域应用越来越广泛,并且与计量金融相结合,延伸扩展到金融领域。本文基于python语言,收集相关文本,扩充构建了金融领域、货币领域词典;建立了货币政策强度、上证指数月收益率及个股股评情感序列;基于计量金融软件Eviews和R语言,分析了货币政策和股评情感对股市收益率的影响,并评价了相关模型的预测能力;主要完成以下内容:本文收集并阅读了近5年的关于文本挖掘、投资情绪、货币政策与股市关系的文献,梳理了相关研究方法,提出了具体的研究思路与方法;利用Python语言编写程序,爬取了部分股评,并实证分析了Snownlp、基于词典匹配分析、机器学习、深度学习等文本情感分类方法的优劣;其中深度学习的识别准确率最高,可以达到88%以上,其次是基于词典匹配分析方法,识别准确率达到81%,但是深度学习方法需要一定数量和满足一定条件的标注样本;爬取并整理了30多万字的股评,利用jieba工具进行分词,基于词频、tf-idf、词向量等模型,选取专业代表性、时效性较强的词汇或者短语作为种子词,以种子词为样本,利用wordexpansion自动构建大规模的金融领域词典;结合股票涨跌幅度和句法结构,更新了部分词汇的权重,补充到原有的CFSD金融词典中。其次,本文以央行发布的季度货币政策执行报告和月度的专业货币政策评论文献作为样本,进行分词处理,基于tf-idf模型提取出关键短语,构建了货币领域词典,并通过统计近两年来每个短语每月出现的次数,乘以该月对应的权重,计算该短语的强度值;利用构建的金融领域、货币领域词典,建立了货币政策强度、上证股评情感序列及个股股评情感序列;上证指数受宏观政策的影响较大,专业机构对宏观政策的理解较为一致,因此上证指数评论强度序列能较好地体现指数月度收益率;基于Eviews软件,建立多变量的VAR模型,分析了上证指数月收益率和货币政策强度之间的关系,发现广义货币M2增长的变化构成了对上证指数变动的格兰杰因果关系;选取样本内数据进行预测能力检验,发现多变量的VAR模型对上证指数月度收益率趋势预测较为精准。最后,基于多变量的VAR模型分析了个股日收益率与发帖数量、股评情感强度和成交量之间的关系,发现个股日收益率变化构成了对发帖数量、股评情感强度和成交量变动的格兰杰因果关系;选取样本内数据进行预测能力检验,发现多变量的VAR模型对个股日收益率趋势和情感强度预测精度不高,预测值的震荡幅度偏大;对成交量和发帖数量的变化趋势预测较为精准;基于改进的Garch模型,将个股股评情感序列作为外生变量引入到方差方程,对比传统的Garch模型,发现方差方程引入情感序列后,条件方差的峰值略微有所增大,但是不是很明显,预测的平均绝对误差率由0.018799降至0.01879;基于R语言,考虑货币政策、股评情绪因素的影响,分别建立了单因素、多因素的GARCH-MIDAS模型,分析了货币政策、股评情感对上证指数月收益率和个股收益率的影响;预测了2021年4月上证指数月收益率和次日个股的收益率。