尽管中国证券市场不断发展,投资者热情不断增加,但是很多个体投资者无法对自己的投资作出系统分析。收益率计算是用户投资分析的重要基础,目前传统收益率计算方法在用户复杂投资场景下存在着收益率跳变、收益与收益率正负不一致等问题。传统的用户投资分析方法提供的维度较少且结果不够直观。另外随着互联网信息平台的迅速崛起,金融新闻在快速增加。新闻中的金融事件可以让用户了解自己投资盈亏波动中的事件因素,从而认识证券市场内部规律和提高投资水平。基于此,本文主要研究如何利用证券指数行情、股票行业信息等结构化数据和金融新闻文本非结构化数据组成的异构数据,对用户投资进行分析,研究内容包括以下几个方面:基于结构化数据的用户投资量化评价分析方法研究。为解决复杂投资场景下的收益率计算问题,本文提出基于SEA网格的时间成本双加权收益率计算方法,通过和传统方法对比,验证了其有效性。提出了基于结构化数据的用户投资量化评价分析方法,设计了盈利能力、择时能力等六个维度指标的计算方法,对用户投资进行多维度分析,并实现了用户投资量化分析平台。基于新闻文本数据的金融事件抽取方法研究。为利用金融新闻文本中的事件信息来分析用户投资的盈亏波动情况,本文展开事件抽取方法的研究。考虑到现有方法大多基于有触发词标注的语料,而标注触发词比较耗费精力,因此本文研究无需触发词标注的一种基于多层指针解码网络的事件类型和事件主体联合抽取方法。通过设计标签注意力增强网络将事件类型信息融入词向量,获得性能提升。为解决传统指针解码网络解码多个事件主体时的匹配错位问题,本文加入头尾指针匹配预测,提高解码的准确性。引入对抗训练方法,进一步提升模型性能。实验结果显示,本文提出方法的性能超过了其它对比方法,加权F1值达到了92.11%。使用该方法从新闻文本中抽取出21615条金融事件数据,为后续事件维度分析打下坚实基础。结合结构化数据和金融事件数据的用户投资事件维度分析方法研究。为量化金融事件对股价的影响,本文引入事件研究法分析事件的影响,并设计权重因子量化影响程度。设计对用户投资进行事件维度分析的方法,提出了可信度指标来评估分析结果。实验表明通过结合事件数据,能有效提供用户投资盈亏波动中的事件因素,帮助用户更好分析自己的投资。