股票价格预测在商业和金融领域具有重要的意义。近年来,在金融领域使用人工智能技术进行数据分析和预测已经成为一个炙手可热的方向。在股票价格预测这个方向,传统的方法是分析股票历史量价数据,随着大数据时代的来临,越来越多的人考虑利用新闻资讯作为股票价格预测的依据。本文通过对股票相关的在线新闻和股票历史量价数据进行综合建模,来预测股票的价格走势。主要研究内容包括:(1)利用word2vec工具将新闻中词汇转变成词向量,使用基于循环神经网络和卷积神经网络的层级式神经网络对新闻正文进行语义建模,并且引入新闻标题信息以及Attention机制来赋予新闻文本序列不同的关注度,确保模型能够从新闻中捕捉到与股价走势变化更相关的信息;(2)利用特征工程中的方法,从股票历史量价数据中提取特征,经过归一化后使用多层神经网络进行量价建模,与建模新闻的结果进行融合,共同进行股票价格预测;(3)设计了一个股票模拟买卖系统,依据股市总体表现构建了牛市,熊市,平稳期三个测试集,依据预测模型预测出股票的置信度,通过模拟盘进行股票买卖,计算出投资获得的收益,来评估预测模型的性能表现。我们最终得到的预测模型能够利用股票相关新闻和历史量价数据,每天对股票给出一个置信度,依据置信度来指导证券投资者的交易行为,帮助他们提高投资股市的收益。