随着人工智能技术的迭代跟新和金融领域数据的细化与清晰化,使得股票量化投资和精准投资变的越来越符合实际。本项目旨在设计基于机器学习模型的股票预测和股票推荐系统,根据每日股票数据和股民情绪对股票的走势作出预测,为股民投资给出一定的建议;还可以根据预测结果为用户推荐优势股和与用户自选股类似的股票。本系统结合股票技术指标和股民舆情双重影响因子对股票价格趋势作出预测,简要步骤为首先根据深度学习模型对股民舆论进行舆情分析,然后与基本技术指标相结合喂入预测模型中完成股票价格预测。本系统可分为账户信息管理模块、自选股管理模块、数据收集与预处理模块、股票预测模块、实时行情模块和股票推荐模块。本人在项目中完成了:所需历史数据获取,主要包括股票历史数据、舆情历史数据、有标签的舆情文本和中文预料。模型架构与训练,主要包括训练LDA主题模型并实现股票分类,之后进行股票个性化推荐测试并取得良好的效果;改造BERT-WWM模型并训练,之后在有标签的中文数据集上对模型进行鲁棒性测试并取得良好的效果;架构预测模型并训练,之后在真实数据集上对模型进行鲁棒性检验并取得良好的效果。系统设计与实现,主要包括系统需求分析、系统设计、系统实现与系统测试等。本项目使用Django、Nginx、u WSGI等进行开发和部署,最终系统达到预期的要求。但是,项目中还存在着可以进一步优化的部分,期望在今后的工作中可以不断完善。