股价的波动受到多方面因素的影响。行为金融理论指出投资者的心理因素，尤其是投资者情绪对其也存在影响。国内外微博平台的发展逐渐趋于成熟，众多市场参与者通过微博及时了解资讯并发表对股市的评论，情感在信息传播过程中不断的放大扩散，因而微博反映出的群体情感可能会具有一定的代表性和影响力并有助于股票的预测。对Twitter和Facebook的研究已对此进行验证并应用于实际投资，因此在国内环境下研究微博中的情感是否能帮助股票的预测，不仅是对行为金融理论在我国的实际检验，研究结果也可辅助投资者制定投资决策，具有一定的意义。　　本文的研究主要从三个方面展开。首先，在新浪微博中对以股票为主题的股评类微博进行搜索和抓取，进行情感分析并计算情感值。其次，采用传统的利用市场数据度量情感的方法间接表示市场情感，采用相关分析对微博情感与股市是否具有联系进行验证，并讨论这两种情感与不同的大盘股指之间的同期、领先滞后相关性。最后，依托非线性的 BP神经网络建立预测模型，通过对比验证两种情感是否有助于股票预测以及预测能力上的差异。　　结果表明微博情感值与大盘股指收盘价及收益率之间在同期时显著相关，在数值上小于成交量与收盘价收益率的系数。当情感值领先与收盘价一天时，两种情感与股价指数仍保持较好的相关性，说明微博情感与股市之间存在关联。通过对比预测模型的误差，增加前一天的两种情感值都可以使预测的均方误差下降，增加微博消极股评数的预测误差最小，表现好于增加成交量的模型。从总体上看市场数据度量的情感在预测能力上的表现比微博情感更稳定，但在实现有效的过滤以及情感分析的基础上，微博数据表现可以优于市场数据，具有一定的实际应用价值。