投资者在项目投资决策时,通常要对投资项目进行必要的调查与分析,估计未来可能收回的投资回报。过去,投资者更关注财务指标,但在知识经济的时代,非财务信息也开始受到投资者的关注。尤其是在大数据的背景下,投资者的分析可以依赖更多公开的非财务信息。本文期望以电影行业为例,探究文本类非财务信息应用于投资回报预测的可行性。现阶段,我国电影产业的收入来源主要为票房收入,产业链的制作方、发行方、院线和影院四个参与方按照协商的比例进行票房收入的分账。制作方和发行方负责影片的前期投入,承担了大部分的投资风险,现有的票房预测模型主要在电影上映前后进行预测,虽然预测的效果比较好,但是对电影的投资决策没有实际意义。所以,本文立足于电影的投资拍摄时点提出电影票房预测模型,为电影的投资决策提供参考,减少投资风险。在网络时代的背景下,消费者观点主要以网络影评、网络评分等形式的传播,在一定程度上影响着票房收入,消费者开始在电影产业中扮演价值创造的角色。本文在评估导演、演员和编剧的影响力时,从他们过去十年中参与的历史影片的影评、平均票房以及在八个华语电影奖项中的获奖情况三个维度进行衡量。通过爬虫技术、文本情感分析技术完成数据搜集和量化。最后分别用BP神经网络和多元线性回归两种预测方法进行票房预测,结果表明神经网络的预测效果更好,但是增加神经网络的隐含层数量并不能优化预测效果。结果显示模型对10亿左右的票房预测效果比较好,最终的平均相对误差比例约为16%,对于票房较高的“黑马影片”预测效果不够稳定。结果表明,文本类的非财务信息,经过量化处理之后,可以用于财务指标的分析。研究方法同样适用于能够获得消费者评价的互联网企业和通过电商平台销售商品的公司。