随着我国经济不断发展,股票市场制度不断完善,股票投资成为常见的投资行为,但投资者受自身知识水平以及信息寡众的影响,使得投资收益率较低。因此,如何准确的识别股票价格的波动从而做出正确的投资决策进而提高股票投资收益率成为业界、学界以及众多投资者非常关心的问题,本文也从这个角度出发试图选择一些有效的指标和模型构建一个预测精度较高的模型用以辅助投资者做出投资决策。过去有大量预测单个交易日股价涨跌的研究,本文对此进行改进,选择预测一段时间内的股价涨跌,即以股票价格未来某一段时期内的最高价相对于基期的涨幅（最高涨幅）为被预测变量。我国股票市场上的数次暴涨暴跌表明我国的投资市场投机风险较大,这意味着股票投资者情绪以及他们对股票关注度的变化都可能引起股价的变化。其中,投资者情绪和对股票的关注度在一定程度上决定他的投资决策,进而引起股市的波动。在指标的选择方面,因为投资者关注度和投资者情绪这两个场外因素都会在一定程度上影响投资者决策进而影响到股价波动,所以本文拟基于互联网数据构建投资者情绪和关注度指标。本文将投资者关注度和投资者情绪这两个场外因素加入机器学习算法中观察是否能够提升预测精度,并基于此构建一个高精度的预测模型辅助投资者做出投资决策。首先本文利用东方财富股吧获取了沪深300指数的热议词,然后把部分热议词作为关键词下载其对应的百度指数,由此构造了投资者关注度指标。其次,把部分关键词作为微博搜索关键词抓取微博文本内容,对获取的文本进行情感分析后构造了投资者情绪指标。在模型的选择方面,随着计算机处理性能的不断提高,包括以神经网络、支持向量机等智能算法为基础的人工智能预测模型在金融资产价格预测方面得到了广泛的应用,利用非线性拟合和复杂信息处理上的优势,借助于计算机软件的帮助,使得股票价格波动的预测更为准确。由于本文探究的是一个二分类问题,所以选择了被普遍使用的3种二分类预测模型（决策树模型,支持向量机模型,BP神经网络模型）进行研究。根据以上内容,本文将这两个指标分别加入3个二分类预测模型中。研究结果显示加入两种指标的模型都具有更高的准确率和精确率,其中加入投资者关注度指标后模型的预测表现更为优秀。同时,为了得到更高的预测精度,本文分别把AdaBoost提升算法应用于这三个预测模型,即利用AdaBoost提升算法把这3个预测模型分别作为弱分类器模型进行融合加权,形成3个学习能力较强的预测模型。结果表示AdaBoost提升算法对这3个预测模型都有一定程度的优化,其中决策树-AdaBoost提升模型的表现是最优的,它的预测结果对于辅助投资者作投资决策有较大作用。