金融领域中的股票市场不仅可以体现出我国经济发展的基本情况,而且牵动着众多投资者的心,因此股价趋势的有效预测对利益相关者来说具有重要的现实意义。现代信息技术的广泛应用使得资本市场投资者能够更及时的获得有价值的信息,同时也更容易受到论坛、专业投资网站的影响,本文融合了资本市场的多源异构数据对股票指数的涨跌进行预测,研究工作主要包含三个方面:第一,根据对股指预测相关研究成果的梳理,发现新的业界需求,明确研究目标。通过对传统股票市场投资理论及其影响因素的理论梳理,本文发现在大数据信息环境下,原有经典股票市场信息论正在受到巨大冲击。从个股股指,到宏观大盘,股票市场行情的走势越来越难以预测,丰富的信息源对整个市场的投资信心带来了更多不确定因素。面对这一挑战,本文进一步对现有股票预测相关研究进行了汇总。结合新的股票交易信息环境和文献研究结论,本文认为在现有的富数据环境下,大量个股的第三方文本信息可作为面对股指预测挑战的新突破口。第二,基于研究目标,探索研究路径,构建问题解决模型。尽管学界相信群体投资信心水平对股指有显著影响,但如何将现有富文本数据量化为反映投资信心的数据指标,当前研究鲜有涉及。首先针对研究目标,本文提出了一种基于多源异构数据的长短期神经网络（Long Short-Term Memory,LSTM）模型,用以完成对资本市场交易数据、技术指标数据、百度指数以及投资者情绪四种源数据的量化来预测股票指数的走势。其次,在量化“投资者情绪”的问题上,本文采用了一种可提取深度情感特征的卷积神经网络（Convolutional Neural Networks,CNN）情感分析模型。该模型利用CNN结合词向量对文本进行情感分析,可产出适用于LSTM网络的反映投资者情绪的量化数据特征。上述两个模型,构成了本文的问题解决方案主体。第三,收集实验数据,完成模型相关实验工作。为保证入模数据真实可靠,贴近投资实务,本文选择“上证50指数”作为研究对象,选用该指数的三年交易数据和各类技术指标作为直接数值型数据特征;编写爬虫程序截取对应交易期内“百度指数”和该类个股的“股吧”论坛数据作为投资者情绪类数据源,通过基于CNN的情感分析模型输出反映投资者情绪的量化数值型数据特征。在此基础上,使用基于LSTM的股指预测模型,完成相关实验工作,验证了模型的有效性和可靠性。本文为国内股指涨跌预测研究中的数据选取、数据处理和特征提取等方面提供一定的参考价值,对辅助交易决策具有重要的经济和社会价值。