随着互联网和大数据技术的飞速发展,我们以已步入信息时代,在现如今信息化的时代背景下,极大地改变了人们获取信息、发表观点和看法的方式和方法。从信息的获取来看,人们获取信息的渠道从过去的报纸、杂志、广播、电视等传统媒体过渡到如今各式各样的网站、资讯软件,甚至于论坛、社交软件等等,越来越多的人们通过互联网获取信息来了解生活中所发生的一切。互联网技术的发展大大降低了现如今人们获取信息的成本,扩展了人们信息渠道的多样性。身处信息化时代的中国的投资者们也受到了信息化时代带来的冲击,投资者获取股票市场的信息渠道更加广泛,表达情绪和观点的平台也更加多样化,而互联网财经新闻作为投资者们获取财经信息的重要来源,对于投资者的行为和资本市场有着难以忽视的影响。网络爬虫技术和文本挖掘技术的发展让我们对互联网财经新闻进行分析成为了可能,这为股市的分析和预测带来了新的视角。传统的对股票市场的分析大多基于股票市场的历史数据、宏观经济数据和财务指标等等结构化的数据,而文本这类的非结构化数据由于缺少有效的量化和分析手段,常常难以挖掘其中有用的信息,文本挖掘领域的发展让我们能够合理的运用文本中所蕴含的信息来进行分析,已有越来越多的学者开始通过挖掘文本中所包含的信息来研究投资者行为和股票市场,本文正是基于文本挖掘技术来研究互联网财经新闻对于中国股票市场的影响。近年来,财经新闻媒体的发展越来越迅速,财经新闻媒体的快速发展给投资者带来了很大的影响。由于我国证券市场中个人投资者的比例很高,而个人投资者往往由于自身的局限性,其投资行为并不是完全理性的,存在着过度自信、羊群行为,并且很容易受到外界信息的干扰。财经新闻作为财经信息的载体,是投资者们获取财经信息的重要渠道之一,在很大程度上会影响投资者的行为。根据以往学者的理论研究,财经新闻对股市的作用机理主要是基于行为金融学框架下的有限关注理论和投资者情绪理论。根据这两个理论,本文通过文本挖掘技术构造相应的新闻媒体关注度指数和新闻媒体情绪指数将新闻文本所蕴含的信息进行量化,并通过向量自回归模型来研究新闻媒体关注和新闻媒体情绪对股市成交量和收益率的动态影响。具体的研究方法首先通过网络爬虫技术爬取财经新闻文本,然后通过文本挖掘技术,用LDA算法提取每个新闻文本的主题并通过LSTM算法提取新闻文本的情感倾向,然后根据每个新闻文本所属的主题、时间和情感倾向构建媒体关注度指数和情感倾向指数,并创造性地构造了媒体情感的分歧指数来衡量媒体情感的分歧程度。然后通过格兰杰因果检验来确定这三个指数与股市相应板块的成交量和收益率之间的相关关系,并通过建立向量自回归模型的脉冲响应函数来反映新闻文本对股市的动态影响。研究结论如下:（1）媒体关注度会引起股市成交量的变化,当新闻媒体对某一主题的财经新闻的报道数量增加时,会引起股票市场相应板块的成交量上升,且这种影响存在一至两天的滞后期,并且该影响在最初的三至四天内会逐渐增强并达到最大值,之后会逐渐衰减并逐渐趋于零。通常整个过程会持续10天左右。另通过格兰杰因果关系发现,财经新闻报道数量的变化并不会对收益率产生显著的影响。（2）新闻媒体发布的财经新闻所蕴含的情感分歧程度会引起股票市场中相应板块的成交量和收益率。当新闻媒体对于某一上市公司或者新闻事件持有不同的看法时,起初会抑制成交量,随着时间的推移,会促进成交量上升,同时会对收益率产生一个正向的冲击,但持续时间较短,一般持续在5天左右。（3）从财经新闻的异质性出发,不同主题的财经新闻对股市成交量和收益率的影响存在共性,但也存在差别。就房地产主题与医药主题而言,股市中相应板块对财经新闻的媒体关注度和情感指数变动的反应方向无太大区别,但其反应的滞后时间、强度大小和持续时间存在着些许差别。医药板块的成交量对媒体关注度的冲击的反应更为迅速、强度更大且持续时间更长。而房地产板块的成交量对情感分歧指数的冲击的反应更大,但衰减速度更快。房地产板块的收益率对情感分歧指数的冲击的反应更大,且在最初存在一个负向的冲击。不同主题的财经新闻对股市成交量和收益率的影响存在共性,但也存在差别。