作为最受欢迎的加密货币之一,比特币吸引了投资市场大多数人们的高度关注,同时,投资者对比特币的投资力度也逐渐增加。但比特币去中心化和交易匿名化的特点也给一些非法分子团体进行非法洗钱等不合法的行为造成了极大的便利。因此,为了更大程度的保障国家对比特币的监管,保证投资者的资金安全,对比特币的价格进行预测就显得非常必要。本文以比特币（Bitcoin）的日收盘价作为研究对象进行分析预测,选取2016年1月4日至2018年12月31日的比特币交易量、多种主要汇率、多种指数、区块链技术指标以及比特币相关新闻、谷歌趋势等多种指标构建特征系统,其中需要使用情感分析、LDA主题分类等文本挖掘方法将新闻文本数值化。在预测模型方面,本文构建了一种新的混合预测模型LSTM-AM-CNN,该混合模型整合了长短期记忆（Long Short Term Memory,LSTM）网络、卷积神经网络（CNN）以及注意力机制（Attention Mechanism,AM）。首先利用LSTM部分提取输入数据中的时间特征,再通过Attention机制对LSTM的输出序列根据重要程度分配不同的注意力权重,最后经过CNN部分进一步抓取局部特征。为了验证LSTM-AM-CNN模型较好的预测性能,本文选取了三个基准模型LSTM、LSTM-AM、LSTM-CNN进行对比分析。结果表明,本文提出的模型在RMSE、MAE、MAPE上的表现都要优于基准模型。另外,通过比较两组不同的特征组合情况（包含情感特征的情况与不包含情感特征的情况）下上述模型的预测结果,证实了引入情感特征在提升比特币价格预测准确度上的有效性。