随着互联网信息技术的高度普及,社交媒体开始在人们的生活中扮演着越来越重要的角色。尤其在我国的证券市场上,一方面,社交平台日益成为投资者获得信息和传播信息的主要渠道,另一方面,社交媒体对股票市场的重大影响也引发了学术界对该领域研究的深度思考。21世纪以来,虽然人工智能技术的深度发展进一步推动了学术界对股票市场领域的研究,使得媒体信息逐渐成为研究该领域的强有力工具。但是,股票市场领域的相关研究在技术上仍存在着诸多问题。相比于传统的计量经济学模型,机器学习模型虽然因其良好的预测效能而广受推崇,但是该类模型却在分析解释方面存在较大的不足。为了解决这一问题,本文试图将机器学习模型与运筹学领域知识相结合。首先,通过使用精确且高效的自然语言处理方法对媒体信息进行挖掘,构建多维度情绪和股票价格特征。然后针对特征集合构造SVM,XGboost和LSTM三类股票价格趋势预测模型并从中选取出最优模型。最后,利用SHAP Values方法从多维度分析社交媒体对于股票价格趋势的影响,进一步扩展机器学习方法在股票分析领域的相关研究。通过实证研究得出的结论包括（1）社交媒体信息对于行业股价变动具有一定的影响。相比于基于股票历史价格的基准模型,结合社会舆情的股价变动预测模型平均可以提高约6个百分点的精度,达到0.75左右的准确率。（2）不同情绪倾向的媒体信息对于股票价格的影响有较大的差异。具体表现为偏向积极情绪的信息对股票价格变动起着正向作用,偏向消极情绪的信息对股票价格变动起着负向作用,并且这种影响随着情绪倾向的强度而发生着变化。（3）媒体信息的曝光度也对股票价格的变动产生重大作用。具体来说,随着媒体信息关注度的提高,其对股票价格变动的影响越强烈。（4）社交媒体对于不同行业的影响在程度上存在差异。相比于生活类行业,对金融商务类行业的影响要更大一些。