股市一直是中国经济市场的重要组成部分,备受政府和股票投资人的广泛关注。历经了三十余年的发展,中国的证券市场已从无到有,并逐渐发展成一套相对完善的市场系统。股票价格的正确预测能够带动金融市场的稳定运转,也能够使投资人最大限度的回避风险,并采取最合理的投资决策,以便获取最高利润。作为金融产业的重要板块,医药类上市股份公司在国民股市中的地位也日益重要,自2020年以来,随着全球新冠疫情的大爆发,全世界的金融市场备受冲击,对于此类突发事件的发生,医药行业的股票市场受到关注。通过对相关股票预测文献的梳理,发现以往的股票预测方法存在数据源单一的局限性,只研究单一因素对股票市场的影响。事实证明,人们对股票市场的情绪、股票事件等有效指标对股票价格波动具有重要影响。近年来也有学者开始关注加入市场情绪对股票价格预测进行研究,但是该领域还存在以下两个问题:1)目前研究表明,对财经新闻和论坛评论进行情感分析时,很少分析或研究财经新闻和论坛评论数据的融合,情绪值如何融合才能使其在股票预测研究中具有有效性;2)怎样使用多源异构数据以及数据如何融合依旧是一个难点,特别在金融领域方面,相关的研究较少。针对以上问题,本文设计了基于多源异构数据融合的医药股票价格预测研究,其中多源异构数据为文本型数据和数值型数据。本文选取的文本型数据有两种,分别为股票的股吧评论数据和股票财经新闻数据;数值型数据为股票的历史数据。对于以上获取的文本数据,先进行文本情感分析,以此为基础构建情感指数;然后将情感指数和股票历史数据进行融合,最终使用融合后数据对股票价格进行预测。本文研究内容主要包括以下部分:首先,对股票市场预测的研究背景和研究意义进行总结,提取出本文的创新点;然后,基于股票历史数据和基于市场情绪的股价预测方法这两个方面,对国内外研究现状进行文献综述;介绍了使用网络爬虫技术获取文本型数据,然后对文本进行分词、去除停用词和特征提取等文本预处理,并进行文本情感分析,包括文本表示技术、基于金融情感词典的情感分析和构建情感指数;构建的情感指数融合了股吧评论数据和股票财经新闻数据的情绪值,即对文本数据进行了融合。然后,对获取的2019年～2021年股票历史数据和市场情绪进行实证分析,分别使用皮尔逊相关系数和斯皮尔曼相关系数验证了构建的情感指数与股票的收益率之间具有相关性。使用线性回归、支持向量机、随机森林和XGBoost这四种机器学习模型对多源异构数据进行建模和分析,均表明构建的情感指数是有效的。实验结果表明,加入情感指数的准确率高于未加入情指数,验证了市场情绪对股票价格具有一定影响。最后,基于选取的数据,使用均方误差、平均绝对误差和平均绝对百分比误差这三个指标,通过对比分析,选择了线性回归模型,验证了该模型预测具有可行性、准确性。本文的结论如下:第一,市场情绪对于股票的价格有一定的影响,构建情感指数融合多种文本数据,尽可能的提取股票市场情绪用于股票价格预测中,可提高股票预测精度。第二,从多源异构数据角度出发,选择多种来源数据和多种结构数据,从不同角度分析股票市场,融合多个特征有利于股票市场研究。第三,选择合适的模型对股票价格进行预测,本文经过比较选择了线性回归模型,线性回归模型在处理多源异构数据融合的医药股票价格预测中有较好的预测效果。因此,本文提出的建议如下:第一,股票投资机构和投资人应关注股票的互联网媒体信息,从这些信息中提取重要的特征,对股票做相应的判断和决策。第二,政府在突发事件的发生时应该运用政策手段,采取相应措施,以应对股市的异常动荡,保障经济和股票市场的平稳运行。