进入2020年以来,因全球新冠疫情危机、中美贸易摩擦等原因,我国股市流动性水平波动较大,酝酿股市流动性风险。与此同时,网络平台信息的高效交互,为投资者情绪提供了极佳的互动和发酵的平台。当情绪极度偏离时,负面消息的冲击就使得投资者容易做出方向一致的不理智投资决策,加之股市波动的非对称效应,投资者面对坏消息的反应更大,争相抢夺流动性,导致股市流动性螺旋,股票市场流动性风险就会与市场风险相伴而生。这不禁让人思考,是否可以利用网络信息对股市流动性风险进行预警。本文从行为金融学的视角出发,引入网络信息变量,运用SVM模型构建基于网络信息文本的股市流动性风险预警模型,发现较传统预警指标而言,其对于股市流动性风险具有更好的预警效果。本文首先使用2020年1月至2021年3月内东方财富网“上证指数吧”与“创业板指吧”的网络文本,经过文本清洗与情感分类后得到网络信息变量,并使用同时段的市场指标和技术指标,与网络信息变量共同构成本文的预警指标体系。以GARCH模型估计的股市流动性风险压力指数作为本文的因变量。并以是否加入网络信息变量为界定原则,构造了两类支持向量机（SVM）模型,对股市流动性风险进行了预警。本文通过实证发现,投资者更乐于在交易日发表对股市的看法,更倾向于在股票开市和交易时进行投资观点的输出和交流;对预警指标体系进行主成分分析的结果显示,交易特征、网络互动特征、价格特征、网络情绪特征、波动特征和人气意愿特征可以显著地代表市场中的大部分信息,能够有效地对股市流动性风险进行预警;网络信息变量可以显著提高模型对股市流动性风险的预警准确率,提升模型对于中高风险的预警能力,并且与其他机器学习模型相比,SVM模型在情感分类和流动性风险预警方面有明显的优越性。本文的研究成果将有助于监管部门对网络舆论更好的进行引导和管控,完善股市流动性预警机制,保障中国金融市场高质量发展。