随着国内外股票市场的迅速发展,有关股票和股票市场的相关理论不断丰富,最开始建立的有效市场假说等理论在现代金融市场已经逐渐变得不再适用,即资产价格不能完全反映资产的基本价值。而我国的股票市场发展不过20年,信息披露机制还不完善,股民投资素质不高,信息不对称的情况较严重,投资者更容易做出不理性的行为,导致资产价格偏离其基本价值的情况更为严重。行为金融理论认为投资者行为中的非理性成分已经对股票价格、股市稳定、投资公司等产生了重要影响。因此从投资者情绪这一新的角度来研究资产价格和股票市场,不失为一种有效的手段。随着互联网和新兴技术的发展,运用爬虫技术、自然语言处理、情感分析、文本分类,可以直接从网络相关评论中提取出投资者情绪,并建立每日投资者情绪指数。借助构建的情绪指数,探索其与资产价格之间的关系,在相关分析和因果检验中都表现出两者相关且情绪指数对资产价格具有显著的预测性。相较于已有的股票预测方法,本文尝试从两个方面取改进模型的准确性。一方面,构建金融文本专属的情感词典,使用BP神经网络对股票评论进行分类,进一步准确构建每日情绪指数;另一方面深度挖掘情绪指数与资产价格之间的关系,使模型的构建更加有效。最终建立ARMAX（3,2）-GARCH（1,1）预测模型,结果表明,互联网投资者情绪确实能够影响股票价格的波动,加上情绪指数的时间序列预测模型表现得更加显著,对于股票收益率的预测更加准确。