股票市场作为金融市场的重要组成部分,在企业募资、个人理财投资等方面起着重要的作用。股票市场的波动受多种因素综合影响,其中新闻又是与普通投资者关联最为密切的信息因素。在大数据时代,仅靠人工来判断新闻对股市的影响是不可能的。因此,我们利用先进的技术手段量化了新闻与股票之间的关联性。本文的研究主要分为三个部分。首先我们选定了沪深300指数中权重较高且属于不同行业的6只股票作为研究对象。提出了波动次数的概念结合波动率作为衡量股票跳跃性波动的指标。研究新浪个股新闻发布时间与股票跳跃性波动之间的关联。研究表明个股新闻发布时间与股票跳跃性波动之间存在指数分布关系。其次我们选用了道琼斯工业指数及八年间的新闻数据,新闻数据包含了每个交易日的25条当日热点新闻。我们设计了新颖的BLA神经网络,基于每日热点新闻研究了其与当日道琼斯指数收盘涨跌的关系。证实了热点新闻与道琼斯指数收盘价的涨跌存在着关联性且BLA网络分析是有效的。最后我们在基于道琼斯指数及之前新闻数据的基础上,设计基于情感分类来分析新闻与股指涨跌相关性的模型。面对没有情感标记的数据集,我们采用了自学习的主客观分类方法以及简洁的基于词典的积极消极分类方法。最终将情感向量传入长短期记忆网络中进行训练。实验表明情感分类与深度学习相结合能取得更好的表现效果。