近年来随着我国经济的发展,人们积累了越来越多的财富,传统的储蓄已经无法满足人们日益增长的投资需求,股市作为一项重要的投资方式因其丰厚的回报越来越为投资者所青睐,股票价格预测问题成为了投资者关注的热门问题。传统的股票价格预测思路是从股票历史量价数据中提取规律来预测未来的股价变化。但引起股票价格变化的因素是多种多样的,尤其是在国内市场,投资者理性的缺乏导致跟风现象严重,因此研究投资者对新闻事件的反应以及他们的情感倾向对于提高股票预测模型的表现很有价值。本文建立了一种结合投资者情感分析的股票短期价格预测模型,并以此为基础提出了一种适用于短线投资的股票交易策略。首先,针对股票市场可选标的繁杂、数据量庞大的问题,通过筛选具有市场代表性的指数与个股构建了历史行情数据集和对应的股评文本数据集,建立了基于历史行情的LSTM预测模型,并与经典的时间序列预测模型ARIMA进行对比评测。其次,研究股评文本的情感分析方法,采用SVM模型对文本进行情感分类,并建立了投资者情绪指标,然后将投资者情绪指标和历史行情数据共同作为LSTM网络的输入,构建了融合投资者情绪指标和历史交易信息的股票价格预测模型,实验结果显示该模型在数据集上表现卓越,优于仅仅关注历史行情数据的LSTM模型及ARIMA模型。最后,在上述基于情感分析的预测模型基础上,结合传统的投资分析技术进行股票短线交易技术的研究,综合主动选股、量化择时及仓位管理等思想构建了一套股票短线交易策略,并在沪深股市进行了实盘模拟检验。实验表明,本文提出的基于情感分析进行股票价格短期预测的方法在特定样本上是可行且有效的,并且本文构建的交易策略也是有效的,这些方法为广大投资者更理性的参与股市投资提供了一种可行的新思路。