近些年随着中国国民经济水平的不断提升,越来越多的人开始重视资金管理。相比于银行的定期活期储蓄,股票、基金等易于操作、收益成效快、流动性强的投资理财方式逐步走进大众视野,越来越多的人开始倾向于将可支配的流动资金投入股票市场,实现财富自身的保价和升值。然而股票投资的高额回报率往往伴随着极高的风险系数,股票投资者们需要时刻关注股市信息,规避风险,把握投资机会,来实现个人投资收益的最大化。随着时间的推移和信息技术的发展,互联网信息以其更新速度快、传播范围广等优势,使得公众逐渐体验到了从互联网上获取信息的快捷与便利。投资者们也更加倾向于在各大网络平台上获取、分享金融财经方面的资讯或者投资经验,这些文本讯息中往往会隐含着对股票市场发展态势的情感倾向。财经文本中的情绪性信息在一定程度上影响投资者的心理,干扰投资决策,进而影响到股票市场的发展。因此现阶段在股票金融市场分析领域也更加倾向于在传统的数字指标基础之上,结合自然语言处理技术引入文本的情绪性的参考因子进行辅助建模。本文以此为切入点,针对中文财经文本展开分析,主要完成了以下几项工作:收集各大财经网站的文本信息,并对财经文本初步进行情感倾向打标,构造了中文财经文本领域的情感倾向分类数据集,基于带噪数据集提出了结合集成学习与置信学习的多模型分类器训练流程,实现对财经文本情感倾向判决,并对原始数据集进行优化。针对财经文本分析需求展开深入研究,以财经文本情感倾向分析为主要任务,同时引入实体识别辅助任务,在传统命名实体之外,定义了情感词实体,在情感分析和命名实体识别两项自然语言处理基础任务之间引入了关联性,采用基于Attention-Seq2Seq的多任务学习模型,实现了在进行文本情感倾向判决的同时,提取财经文本中提及的股票、指数等股民关注的命名实体信息的功能。在前两项工作的基础上搭建了财经文本情感量化系统,实现了财经文本收集、财经热点词发现与词云可视化、财经情感分析与量化的功能。