在研究股票市场的波动情况时,除了综合分析影响股市的相关金融数据外,还可以借助于股评短文本数据加以考量。然而,由于受情感分析技术的限制,目前对股评文本数据分析主要是基于手工标注情感极性基础上再进行股市波动预测,存在时间长、成本高、利用股票实际数据不充分等方面的问题。基于此,本文提出了一种将股票历史数据与股评文本数据有机融合,通过建立股票涨跌“五极”情感分析模型与“专家”权重函数模型,对个股涨跌趋势进行预测的统计分析方法。首先,利用种子词典与情感倾向点互信息算法建立情感词典将股评情感标注为涨、中性和跌三个极性;在此基础上,对照股票历史数据中涨跌幅度大小的具体信息,提取股票文本数据的特征词并更新情感词典库,将三类情感进一步标注为粒度更细的大涨、小涨、中性、小跌与大跌五个极性,再利用完成标注的股评数据训练分类器模型,实现对新的股评的五极情感分类。其次,利用每支股票下的评论者所对应的评论分类结果、每位评论者的分类预测准确率以及分类结果频数,计算每个分类结果所占的百分比;根据分类预测准确率对评论者进行“典型排序”,选取评论者中的“专家”并对排序结果进行归一化,建立权重函数模型,计算每位“专家”在预测得分中的权重;再将分类结果所占比例与每位“专家”的权重结合,建立“专家”预测模型,计算“专家”对个股的预测得分与预测的准确率,并从纵横两个方面分析了不同“专家”在同一时段以及同一“专家”在不同时段,对个股预测准确率的变化趋势。最后,将情感极性分类结果与实际股票涨跌数据相结合,利用实证分析的方法,对构建“五极”情感分析模型与“专家”权重函数模型进行了检验。结果表明:“五极情感标注”的准确率大于75%,由此训练生成的分类器模型,其预测的准确率也超过了70%,而建立的“专家”权重函数模型预测的准确率在60%到100%之间波动,稳定在80%左右。论文构建的“五极”标注模型,一定程度上实现了情感标签的自动标注,有助于解决人工标注复杂繁琐的问题;构建的“专家”权重函数模型,对探索基于个股评论数据的股票价格涨跌趋势预测,不失为一种新的尝试,具有一定的创新性。