近年来我国人民生活水平不断上升,越来越多的人愿意参与到投资活动中,其中股市由于进入门槛低且回报可观,成为普通投资者的首选。行为经济学认为,人们的非理性行为是影响股市的重要因素。随着互联网的普及,人们更多地通过网络媒体表达自己观点和看法。通过对这些数据进行情感分析,可以在一定程度上获悉市场参与者的情感倾向,进而为市场决策提供帮助,给投资者降低风险提供参考。基于这一思路,本文展开了以下方面的研究。首先,本文提出了一种基于词语热度的文本特征提取方法,用来处理专业领域新闻短评。该方法充分挖掘了新闻文本的时效性,以弥补传统方法在超短文本上的局限,并通过实验证明了该方法的可行性及优势;其次,针对缺少专业领域情感词典和外部标记样本的实际情况,本文提出了一个基于聚类的扩充传统情感词典的方法。之后借助扩充后的情感词典,完成基于机器学习方法的文本情感分类;最后,本文根据新闻短评的情感倾向计算出每日的情感指数,并结合实际数据和真实场景分析该指数与大盘表现的关系。然后设计了一个基于有监督学习方法的股市风险预测模型,并通过实验验证了该模型的有效性。研究结果表明,从新闻短评中得到的情感指数与股市相关参数有着密切关系,通过情感指数预测股市风险是可行的。同时,本文针对缺少外部标记和专业情感词典情况下的情感分析问题,给出了一种切实可行的方法。