股票市场投资是众所周知的“激进型”投资方式,区别于银行存款、国家债券等传统金融投资方式的稳健,股票市场投资往往存在较高的风险,但对于广大投资者的逐利心理而言,这种门槛低、收益高、简单且直接的投资方式正投其所好,股票市场投资成为了近年来最受大众青睐的投资方式。因此如何更加精准的对股票市场进行预测,帮助专业投资知识匮乏的投资者们防范风险、获取有效信息、获得利益成为了有实际意义的研究课题。互联网时代的到来加速了信息的交流与传播,扩宽了人们获取股市交易信息的方式,如财经论坛、上市公司发布的资讯、微博财经博主更新的内容,投资者们只需手机或电脑即可获得庞大的股市信息,投资者根据对信息的获取与心理预期进行对比来决定投资策略和交易行为。投资者的注意力与精力有限是行为金融学领域的观点,关注的有限限制了投资者消化吸收全部的股市信息,只会关注自己感兴趣的信息,互联网搜索引擎的发展使得投资者可以从海量信息中主动搜索自己想获取的相关信息。本文在众多搜索引擎中选取百度指数日数据并采用相对变化率来衡量投资者关注,挖掘投资者关注与股票市场表现之间的关系,突破了以往只使用历史交易数据分析市场表现的局限性,进一步将关注度引入到神经网络模型中,将行为金融学与深度学习相结合,构建了一个新的投资者关注股票预测模型,对推动神经网络的发展以及神经网络与金融市场的结合有着重要的意义。本文收集了百度指数日数据以及股票历史交易数据,构建回归模型通过Stata软件研究投资者关注与股票市场之间的关系,并进一步划分牛熊市,验证在牛市和熊市不同周期下投资者的关注度不同是否会造成股票收益率的差异。为研究投资者关注对股票市场指标的影响是否会表现在股票价格预测能力上,通过将投资者关注因子纳入长短期记忆神经网络（LSTM）对股票收盘价格进行预测,考虑到股票数据的复杂性和冗余性,为了高效精准的学习股票数据之间的隐藏信息和规律,将主成分分析方法（PCA）与LSTM进行结合,构建了一个新的投资者关注下的股票预测组合模型。经过实验分析得出结论:投资者关注与所选股票市场指标之间存在着相关关系,且在不同市场周期下,投资者关注对股票收益率影响存在差异。预测模型通过对比实验得出结论,构建的新模型对股票价格的预测更加准确,表明投资者关注能提高股市预测模型的精度,其对股市的影响表现在对股票市场信息更好的解释能力和对股票趋势更强预测能力上。这一结论对于投资者、上市公司和政府而言,可以帮助投资者合理决策、公司有效经营、政府积极调控,营造一个平稳发展的市场。