制造业采购经理指数（PMI）作为反映宏观经济情况的核心指标,其是通过对相关企业的采购经理人进行月度调查汇总而成的一个综合指数,反映相关企业采购经理对中国未来经济的信心。该月度调查包含着采购经理人的主观看法,所以调查结果不可避免会受到采购经理人的情绪影响。对于采购经理而言,财经新闻是其了解目前经济情况的主要来源之一,这些新闻会直接影响到其对中国未来经济的看法,进而影响到采购经理人指数的具体表现,所以有必要加入情感指数对中国制造业采购经理人指数进行预测分析。本文首先构建情绪指数,在爬取到新闻文本数据之后,将新闻情感分为正向、负向与中立三类。为保证分类结果的准确性,先抽取出部分新闻数据作为训练集,分别基于情感词典、预训练Bert模型对其做初步分类,若分类结果一致,则认为分类完成,否则进行人工分类。利用该标记好的训练集再去训练新的分类模型,对比发现改进后的情感词典表现最优,便使用该方法对所有新闻文本数据进行分类。最后汇总单篇新闻情感得到月度情感指数。接下来分别构建ARIMA模型、BP神经网络模型以及LSTM模型三个基准模型,发现在针对PMI的建模预测中,神经网络模型表现相对较优。然后在基准模型中加入情感指数,发现加入后的模型预测误差均有不同程度的降低,表明在预测PMI时加入情绪指数可以有效提高模型的预测精度。最后引入自适应白噪声完全集合经验模态分解（CEEMDAN）方法构建组合预测模型,结果表明引入降噪技术之后可以进一步提高模型的预测效果。最终给出本文使用的模型:加入情感指数的CEEMDAN-LSTM模型,该模型对PMI进行超前一期预测具有较好的预测结果。经过检验发现,该模型与其他模型有显著差异,即加入情绪指数的CEEMDAN-LSTM模型有着更好的预测性能和更小的预测误差,并且能够提前一期对PMI指数进行预测,为PMI的预测提供了新的预测思路和方法。