随着网络技术的发展,博客、微博、贴吧、论坛等自媒体的媒介手段越来越流行,这些信息渗透到了生活的方方面面,用户可以自由在网络上发声,对于感兴趣的内容进行评论、点赞、转发等操作。因而产生了如雪球、集思录、淘股吧等专业的对于股票、债券、投资等进行专业讨论的博客、贴吧等网站及手机APP。聚集了一批股民,这些人会在股吧、论坛、社区获取上市公司相关的信息,同时对于这些信息进行主观性地评论。大量股民,会浏览这些帖子及评论,对于一条公司的消息报道,当大量用户呈悲观性的评论时,用户便会受到情绪影响,抛售股票,而当大量用户对股票一片叫好时,用户便又会加仓买入,这些网络舆情信息,极大地影响着股民的正常投资决策。这导致了在互联网技术日益发达的今天,用户能够从各种渠道获取公司信息和评论,从而进行股票买卖的决策,而不是根据公司经营基本概况,如主营业务情况、市场环境、公司未来增长等因素。本文主要研究和探讨上市公司的网络舆情对于股价以及波动率的影响。从帖子和评论量、单位时间新增帖子数、单位时间新增回帖数、用户对于公司情感指标、话题热度、KOL影响力、股市总体热度等多个角度,通过支持向量机、贝叶斯分类等计量方法以及RNN、LSTM等深度学习方法,分析舆情信息对公司股价以及波动率的影响。根据以往这方面的研究分析,正面舆情的传播量对于股票的股价和交易量影响较少,而负面舆情的情况则刚好相反,传播越广,股价下降越大,成交量也越大。但在以往的研究中,只是简单的根据帖子的评论量、转发量这些简单的指标进行分析,并没有对舆情中具体指标以及舆情中情感度指标进行量化分析。因而本文根据股民在雪球、股吧等渠道中每日对于公司的评论信息中,抽取出情感词,设立公司每日的舆情评分,判断股民对于公司每日的评价情感得分。以及当出现爆炸式话题,带来传播度的迅速扩张或持续关注某个帖子等因素时,网络舆情对于公司股价以及波动率的影响。将通过自然语言处理以及深度学习等方法,进行分析,判断这些指标对于公司股价的影响。本文通过舆情信息的爬取,并通过局部敏感哈希的算法来过滤重复舆情数据,在获取的有效舆情数据中,提取出了3个高阶舆情特征:舆情热度特征、舆情情感特征、影响力因子特征,验证得出这3个因子对于股价的真实波动率存在显著相关关系。再使用LSTM深度神经网络模型去训练这3个特征与股票真实波动率之间的关系,通过拟合可以看出,这几个高阶舆情指标可以很好地去模拟股票真实波动率的走势,误差率为3.8%,即股票的涨跌在很大程度上受到舆情因素的影响。因而,论证了股票舆情高阶量化信息和股票波动率之间的关系。