随着网络技术的普及,每个人既是信息的发布者和传播者又是信息的受众,金融领域与网络论坛深度融合拓宽了投资者沟通和交流的平台,这些金融论坛不仅改变了信息的传播方式,也加剧了金融市场的“羊群效应”等非理性投资行为。近年来深度学习等算法越来越多的运用于金融市场,对网络论坛的投资者情绪以及金融数据的相关研究也越来越丰富,股指期货市场作为金融市场的重要组成部分也吸引着金融研究者们对其进行预测研究。本文以深度学习方法为基础,首先进行了股指期货吧投资者情绪相关研究,以挖掘投资者对股指期货市场的情感倾向以及投资意图,更好的预测股指期货市场的趋势走向。本文对2015年1月5日至2021年3月31日的股指期货吧主题帖文本数据进行收集,发现其存在“交易日效应”。其次抽取5017条主题帖进行人工标注作为训练语料库,分为消极、中级、积极三类文本数据,对比Bi LSTM文本分类器和BERT文本分类器在训练数据上的分类效果,结果表明BERT模型的分类效果优于Bi LSTM模型,因此选用BERT模型作为股指期货吧主题帖的情感分类模型对118722条主题帖进行标注后采用股票留言板信息构建情绪指标的方法构建股指期货吧的投资者情绪指标。本文其次进行了股指期货收益率相关研究,以选取适合的收益率预测模型并研究投资者情绪对股指期货收益率预测能力的提升效果。以沪深300股指期货为研究对象,采集了上述时间段1520个交易日的交易数据,选取包含投资者情绪指标在内的基本行情指标、技术指标等15个特征变量,通过加入投资者情绪进行对比实验,研究投资者情绪指标在随机森林、卷积神经网络（CNN）、长短期记忆模型（LSTM）下对沪深300股指期货收益率的预测能力。选取预测效果最好的LSTM模型进行改进以期得到更好的预测效果,通过加入卷积层和池化层的LSTM-CNN模型提取各时间点隐向量特征、引入注意力矩阵的LSTM-attention模型合理分配权重,改进了LSTM模型,达到了更优的预测效果并证明了投资者情绪与股指期货市场存在相互作用,能够提升模型对沪深300股指期货收益率的预测能力。