我国股市发展至今已有二十余年,但是投资者的盲目性、投机性高等问题依旧存在。其中股民情绪作为股市非理性因素如何在市场上发挥作用一直是研究的热点问题。随着网络的发展使得大量的股民在社交平台上以评论的形式发表对股市未来走势的看法,这些评论承载了股民的情绪和一些重要的信息。加上近年来文本挖掘的快速发展,使得以股评来挖掘投资者情绪成为可能。本文主要基于深度学习的文本挖掘技术,以股评作为基础数据来挖掘股民情绪并构建量化指标,最后将其作为股价走势预测的输入特征,进一步研究情绪指标和股市之间的关系。本文首先采用Scrapy框架爬取东方财富网上证50支股票的所有评论数据,然后选择浦发银行的数据作为样例进行数据预处理,主要包括去除空值、构建股评术语词典来增加分词准确度、构建股市停用词去除文本数据噪声等。将每条评论切分好之后,进行词嵌入模型的训练,本文采用Word2vec将所有预处理过的数据训训练模型,最终挑选出几个股市术语作为中心词,选出与其最接近的五个词最为结果展示,详见表2.8。然后将训练好的词嵌入模型运用到机器学习模型和深度学习模型的文本分类中。本文机器学习主要使用的是SVM,深度学习模型中对比单核卷积神经网络、多核卷积神经网络模型和长短时记忆网络模型,由483条数据作为测试集得到的指标结果见表3.3和附录2。通过对比不同参数下的模型,发现多核卷积神经网络表现好于单核卷积神经网络和长短时记忆网络,其精确率稳定在80%左右,而其余两个模型精确率最高为73.06%和75.17%。因此本文将多核卷积神经网络训练好的模型作为情绪分类器。通过加入阅读量使得以往的情绪指标更加合理之后,本文将基于卷积神经网络的股民情绪指标作为特征输入去预测股价走势涨跌,结合常见的技术性指标,对比前后模型得出,股民情绪指标对于预测股价走势有一定的提升作用,说明该模型可以挖掘出一定的投资者情绪信息,对于股市的投资有一定的指导意义。