随着网络社交媒体的快速发展以及我国网络普及率的不断提升，网络社交媒体平台已成为投资者之间，以及投资者和企业沟通交流的重要渠道。一方面，投资者可以在网络社交媒体平台上获取企业发布的信息，与其他投资者交流、分享投资经验。另一方面，企业也可以通过网络社交媒体平台了解投资者情绪，进行客户关系管理。在企业和投资者使用社交媒体平台的过程中，产生了大量有价值的数据，这些数据通常与股票市场具有一定程度的相关性，如何利用这些数据对股票市场进行预测，为投资者提供投资建议；哪些数据在预测模型中的重要性程度更高。这些问题是当前学术界和企业界研究的热点，也是本文研究的重点。
　　本文以深交所上市企业中数据较完整的234家企业作为样本公司，从企业生成信息、用户生成信息以及企业-用户交互生成信息三个维度出发，通过网络爬虫代码抓取了新浪微博42万条企业生成数据、深交所互动易平台中23万条企业与用户交互产生的问答数据，以及将近300万条雪球网、股吧平台中的用户发帖数据。基于这部分社交媒体数据，本文抽取了10个特征变量，构建Stacking集成学习框架，预测股票价格涨跌以及换手率。
　　本文的研究结果表明，在股票市场预测模型中，用户生成信息的重要性程度，大于企业生成信息，大于企业-用户交互生成信息。其次，本文构建的Stacking集成学习框架在回归和分类两类方法中，预测准确率均有提升。最后，本文构建的特征变量和模型对样本公司股票价格涨跌预测的平均准确率为76.4%，并且所有样本公司的股票价格涨跌预测准确率均在70%以上，同时有18.38%的公司准确率达到了80%以上。本文丰富了社交媒体数据对股票市场预测的相关研究，同时能够为广大投资者的投资行为提供参考。