股票市场是金融市场的一个非常重要的组成部分，其能够反映国家的经济运行情况，常常被称作经济的“晴雨表”、“风向标”。能够正确预测股市的走势和趋势对于政府和投资者都是一件具有重大意义的事。　　股市的走势会受到非常多方面因素的影响，现代金融市场金融学者们很少考虑行为因素、心理因素等对投资者的决策产生影响。但是事实上投资者在做出决策的时候会受到各种各样的因素影响，行为金融学提出，非理性的股市投资者的心理和行为将会影响股票市场态势，使股票价格脱离了其本身的价值。国内外诸多学者对股指预测均有所研究，但是基于行为金融的股票大盘分析相对来说比较少。　　在大数据时代的大背景下，本文利用爬虫技术采集了网络上的财经评论信息，用这些文本信息和大盘指数数据对投资者的财经评论行为展开分析。本文首先利用文本处理技术对财经评论信息进行处理，研究了投资者的财经评论行为并进行假设验证，证明了数据的有效性。然后本文利用情感分类技术研究了财经评论的投资者情感倾向，对金融数据进行了文本分类并进行了情感分析、对投资者情绪进行量化以及更进一步的利用情感极性分析作为特征辅助预测股票市场未来趋势。　　本文使用了时变概率密度函数模型作为基础模型来预测股票大盘的走势，得到的结果能够较好的拟合大盘曲线，但是仍有改进的空间。然后探索性地利用在线股评的文本分析构建了情感因子作为变量引入时变概率密度函数模型中。　　本文的实证得到如下结论:1）时变概率密度函数模型，是一种非参数模型，具有良好的预测效果;2）加入了情感因子的时变概率密度函数模型在损失函数的评估下，结果要好于时变概率密度函数模型，达到了比较满意的预测效果;3）可以推论出投资者的个人的行为方式及其心理因素会对其金融活动产生影响。　　实验结果表明，投资者情绪对于股票市场的走势具有较为重要的指导意义，且能够根据投资者情绪构建指标来提高股价预测的精度，进而印证了行为金融的理论和思想。