企业年报由大量文本和经济数据构成,这些文本和经济数据一直是我们数据分析和文本挖掘中的热点,如何快速准确的提取这些信息,以及对提取的数据进行预测,对文本进行分析是本文研究的重点。在数据研究方面本文首先利用LSTM模型,对用户关心的股票价格及其变化趋势进行预测,实验中利用相应的特征比如开盘价,收盘价等和标签实现了预测任务。通过结果可以观察到,模型可以预测出未来一段时间的股价走势,以及预测的股价也和真实值较为贴近。其次,为了更好的捕捉行业未来的动向,我们进行了股价收益排名预测,因为比起股价,更多用户更加关心每只股票的收益情况,但是传统的回归任务并不能很好的考虑排名中的位置信息,在每次迭代中,不能更好的利用位置信息进行位置排序更新。为了解决这一问题,我们引入了排序学习的方法。结合排序学习的方法,我们提出基于排序学习的股价收益预测模型,实现对股价收益排名的合理预测,实验结果表明在股价排名预测任务中有显著的提升效果,并最终在可视化环节,对预测的排名进行展示。在文本处理方面,首先着手于文本分类实验,将报表中的财务指标描述类文本从PDF中进行提取,在进行完分词,去停用词等预处理后,利用朴素贝叶斯分类器,实现了企业盈利亏损的二分类实验,并且在测试集上的准确率为0.832。其次是对文本中的实体和实体间的关系进行抽取,实体识别任务采用基于标注的识别方式借助LTP工具包,成功识别了报表中的人名,机构名等实体,借助基于依存关系的中文关系抽取方法,对文本的关系进行抽取,得到关系三元组,结合识别出来的实体,过滤出符合需求的实体关系三元组,最后利用企业关系图谱的方式进行可视化呈现,并将其他实验结果和重要经济数据也进行了可视化呈现。对企业报表进行合理的经济数据进行分析以及对企业报表中文本信息挖掘和提取,并最终将所得到的结果进行可视化呈现。这种将理论和实践相结合的方式,在进行学术研究的同时,也充分的利用了其研究的成果。对可视化的企业数据和文本信息进行参考,不仅对关心企业经营状况的投资者有着十分深远的意义,而且对企业自身的发展,产能结构调整等方面也都具有十分重要的意义。