在互联网与大数据时代下，网民对网络媒体的依赖度显著提升，每分每秒产生的多样化的数据都能形成网络舆情，人们在面对这些网络舆情信息时，就会表现出不同的情绪，若对杂乱的信息进行分析并从中挖掘出用户的情感极性，对于控制舆情有较大的帮助。目前国内学者们研究较多的是投资者情绪对股市的影响，但对中美贸易战的文本挖掘还有待研究，基于此本文选择研究中美贸易战背景下形成的网络舆情对股市的影响。但中文的文本分析难度高于英文文本，且一般的情感分析词典只适用于评论文本，所以针对于中美贸易战背景下的博文，本文自主构建情感词库和语料库，提高分析的准确性。
　　在3月23日特朗普签署相关备忘录之后，中美贸易战正式开始，对经济和股市产生了一定程度的影响，基于此背景下，选择了爬取微博上有关中美贸易战的博文数据，运用情感分析量化博文数据中用户表达的态度，得到情感值，借此以构建中美贸易战背景下的舆情指数。通过语义网络分析发现，人们关注较多的是股市和上证指数的市场反应，于是本文选用了2018年3月20日到2018年12月31日的日收盘价、涨跌幅和收益率等维度的上证指数交易数据，引入舆情指数，变量间存在严重多重共线性问题，本文运用Lasso回归选择变量，最终建立VAR模型和滞后变量模型，研究中美贸易战的舆情指数对上证指数的影响，并对收益率进行预测。
　　本文通过研究后有以下发现，一是在中美贸易战背景下，人们较多关注的是股市，关键词主要包含上证指数、股市、美股等;二是中美双方政府在发表言论之后，舆情指数受影响较大;三是舆情指数对涨跌幅是抑制作用，且在第三期的抑制效果达到最大，随后影响慢慢消失，收益率对舆情指数的影响是正向的;四是对上证指数的收益率进行预测后的相对误差稳定在±2％，与未考虑舆情指数模型的预测平均相对误差提高了约1％，预测效果有一定的提升。