中国资本市场中个人投资者数量很多,这使得股票价格的变动很容易受到投资者情绪的影响.投资者情绪是股民将国家政策、市场环境、公司盈利状况等一系列信息进行综合分析后得到的情感态度.投资者的决策会随着投资者情绪变化而变化,进而影响股票价格.安踏体育作为国产体育品牌的龙头,在国内的体育股票中占据重要的地位.本文致力于将投资者情绪纳入股票价格预测指标,并利用现代机器学习算法对安踏体育的股票价格进行预测.首先,本文通过R语言的网页信息爬取技术,对东方财富网站及同花顺ifind中安踏体育2019-2021年共计741个交易日的股票数据进行爬取.提取的指标包括开盘价、涨跌率、乖离率、能量潮等十四个指标.同时,从东方财富股吧对安踏体育2019-2021年每个交易日的股民发言进行爬取,爬取了 1321条股吧文本数据.文本数据包含的指标有阅读量、评论数、评论内容、作者和时间.然后,本文对提取到的数据进行处理.对于数值型数据,为了摆脱量纲对于预测结果的的影响,对数据进行了标准化处理,并利用主成分分析法进行降维,提取四个主成分来代表原始数据中的股票价格信息.对于文本型数据,为了更好地提取投资者情绪,本文利用7种基本机器学习分类器进行原创文本分类,将股民的原创文本与资讯、公告等非原创文本分离开来,再将非原创文本剔除.接着对原创文本进行正则化、分词处理,并绘制词云图来直观展现出股民正面、负面情感词的分布情况.通过匹配情感词典,将原创文本与情感词典的匹配结果横向加总,得出每个交易日股民的情感得分,从而完成对投资者情绪的提取和量化.最后,本文利用现代机器学习方法对股价进行预测.将提取出的投资者情绪作为影响股票价格的因素纳入分析模型,分别使用了 PCA-SVR模型、PCA-RF模型和PCA-XGBoost模型进行建模.三种模型参数调优后的R2值分别为93.8%、92.6%和95.2%,MSE值分别为0.28、0.29和0.20,结合模型的数据回代对比图可以说明三种模型均可以比较准确地预测股票价格,证明了模型的有效性.另外,将三种算法的预测效果进行对比可以发现PCA-XGBoost模型的预测效果是最好的,这是由于其代价函数中加入正则项能够降低模型的方差,有效避免了过拟合.而且PCA-XGBoost模型的运行速度较快.所以综合来看,针对安踏体育的股价预测,PCA-XGBoost模型是一种比较优秀的模型.值得注意的是,三种模型在纳入投资者情绪指标后,R2的值均明显提高,同时MSE的值降低,进一步验证了投资者情绪是股票价格预测中不容忽视的影响因素.