自前年年底的疫情的爆发,新冠肺炎无疑对于世界的经济造成了深刻的影响,其中也包括中国。从零食餐饮、运输交通、住宿旅游、影视娱乐都遭受了不同程度的影响。突发性的公共卫生事件将在公众间不断传递恐慌,关于疫情的信息传递干扰以及社会群体性恐慌了形成对金融市场长短期影响,中国作为一个完善金融体系的新兴市场,期权期货制度慢慢引入,投资主体大体以个户为主,且其中大部分人是缺少专业投资知识的,非理性市场参与者因为对于有效信息的辨识不足、投资理念的不成熟导致了疫情期间交易者的情绪不稳定,继而影响了资本市场的稳定性,导致了“同涨同跌”这类不太容易在资本市场出现的异常情况的发生。因此基于投资者情绪波动对于股票市场的波动性进行研究具有意义。因此本文选取了沪深300指数作为了研究对象,来代表中国股市的指数情况,并选取百度指数作为舆情指数以及股票相关技术指标做市场内指标,以此构造了特征,并通过主成分分析对选取的特征进行降维。首先对标签进行了金融时间序列相关的检验以及相关模型的拟合,而后在传统的RNN、LSTM模型的基础上添加了注意力机制,通过学习对信息进行的权重分配后产生相应的预测值。同时引入对应的目标函数,并在优化方法中引入Adam算法,提高向最优解的收敛速度。在选择参数时,着重的研究了学习速率在模型多次迭代后目标函数的最小值问题,并选取了合适学习速率、批次大小、神经网络层数等。在进行模型拟合的时候,测试集的损失函数较训练集更大,模型出现了过拟合问题,于是在模型的输入层加入了伯努利式的dropout层,通过损失函数对模型进行比较,发现基于注意力机制的LSTM对模型的拟合最佳。