随着互联网时代的到来,社交媒体正日渐成为人们生活不可或缺的一部分。社交媒体为广大用户提供了一个即时的分享平台,用户可以通过文本、图片、音视频等方式在平台上分享消息,而平台的社交属性又使得这些消息可以沿着关注链呈指数级的传播。除了作为网民提供信息的重要平台,社交媒体也已经逐步成为网民获取信息的重要渠道。而伴随着移动互联网的兴起,微博凭借其面向移动用户的特点,得到了更加迅猛的发展。在全球范围内,80%的网民都在使用社交网络。中国互联网络信息中心报告显示,截止到2015年6月,中国网民达到了 6.68亿,其中,社交网络的使用率超过7成,而微博使用率则超过30%。2015年第三季度,微博的月活跃用户数已经超过2亿人,成为了中国最重要的社交媒体。微博的蓬勃发展带来了大量的内容信息,对于这些由用户生成内容进行挖掘,具有十分重要的意义。微博内容具备巨大的挖掘价值,这些信息一方面体现了用户对于自身生活状态、生活环境的态度,另一方面也包含了用户对于关乎国计民生的大事的意见和声音。通过对于微博的挖掘,提取出公众对于金融领域和事件的态度和情绪,厘清公众微博挖掘内容和金融问题的关系,对于个人和机构的投资决策,以及管理机构的政策制定都有重要的意义。对于微博平台的挖掘,一方面可以针对用户产生的内容进行挖掘,提取出用户在发布内容时传递出的潜在信息,另一方面,可以针对信息在传播过程中体现出来的用户关注关系网络进行挖掘。本论文基于上述思路,分别对微博进行了情感分析和图论分析,挖掘出微博文本和结构中包含的信息。为了将微博挖掘结果应用于金融领域,本论文设计了 一种基于金融主题模型的关联算法,在微博与金融实体之间建立对应关系。依据对应关系,将微博挖掘结果与对应的金融时间序列进行关联性分析。根据关联性分析的结果,利用微博挖掘结果对金融时间序列进行分析和预测,并通过基于预测结果,实现自动交易策略,验证了微博内容挖掘结果对于金融时间序列预测的效果。