随着互联网技术的飞速发展,期货交易者交易行为更易受到网络舆情的影响。大量网民在互联网空间发表自己对于特定事件的观点,这些观点无形中影响他人的判断与投资决策,加剧期货商品价格波动。传统的期货商品价格预测方法忽略网络舆情对期货价格影响,在维护金融市场稳定、防范化解重大风险的时代要求下,基于网络舆情对期货商品价格进行预测,丰富期货价格预测方法,具有一定的理论依据与现实意义。本文在总结前人研究的基础上,通过构建网络舆情分类模型,将网络舆情转化为舆情因子。将所得舆情因子纳入期货价格预测模型,比较引入舆情因子前后模型的预测效果,得出应当将网络舆情纳入期货价格预测模型等相关结论。研究工作主要内容如下:第一部分,运用python爬虫方法获取2021年全年动力煤期货论坛评论文本数据,构建网络舆情分类模型,测度网络舆情因子。运用python中word2vec模块,对文本数据进行文本向量化操作。将所得词向量分别结合SVM模型、LSTM模型、双向LSTM模型,以及结合注意力机制的双向LSTM分类模型,比较不同模型分类效果。最终选择词向量结合注意力机制的双向LSTM分类模型作为本文的网络舆情分类模型,其分类准确率达到71.55%,结合分类结果构建舆情因子,为后续研究奠定基础。第二部分,以动力煤期货作为研究对象,构建基于舆情因子的期货价格预测模型,比较引入舆情因子前后模型的预测效果。使用2021年郑州商品交易所动力煤期货历史行情数据,对数据指标进行解读分析。选择当前交易日收盘价作为预测指标,分别构建一般LSTM模型、结合舆情因子的LSTM模型以及结合加权舆情因子的LSTM模型,将三种模型预测效果进行比较分析。结果表明,结合舆情因子与加权舆情因子的模型能更好拟合数据,其预测趋势准确率分别达到68.2%与75.3%,较初始LSTM模型60%的预测准确率有大幅提升。结合网络舆情因子的LSTM模型对于期货价格有更强的预测能力,将网络舆情纳入期货价格预测中有较好的实践价值。本文创新点在于,选择具有代表性、时效性与行业特性的能源期货商品数据,将不同期货商品合约数据之间的关联性纳入模型,较使用单一期货商品合约数据的传统预测方法的预测能力有显著提升;结合传统统计学方法与深度学习方法,将网络舆情融入到期货价格预测研究中,创新研究视角。