随着计算机与移动互联网络的蓬勃发展,投资者可以在网络上快速找到上市公司的公开信息。同时微信、微博等社交应用的普及使得互联网变成了个体间信息交换、交流与相互影响的社会化网络,市场中的投资者们越来越依赖网络信息来制定投资决策。行为金融理论认为人是有限理性的,投资者易受到自己情绪的影响而做出非理性的投资决策。大量研究表明中国的股票市场是弱有效的市场或半强有效市场;并且中国证券业经过二十多年的发展,每天都会产生海量的信息,投资者很难从这些海量信息中捕捉到有效信息;庞杂的交易数据和相关信息真伪难辨,导致投资者处理信息的时效性不足。上述情况都将导致投资者做出不合理的投资决策,从而对中国股票市场产生影响。传统的股票投资分析利用数理统计方法,已经无法满足处理海量数据的要求。为了应对大数据的挑战,提高处理海量数据的时效性和准确性,新兴的股票分析引入机器学习、数据挖掘方法,建立有效投资模型获得投资收益。本文立足于行为金融理论,推导投资者情绪对投资者效用的影响,分析在不同投资者情绪下的股票市场状态,市场中投资者的交易策略,以及投资者的投资策略对股票市场的影响,随后介绍互联网舆情是如何影响股票收益的。在实证分析时,选择网络论坛的帖子作为互联网舆情信息来源,使用网络爬虫,从东方财富网的股吧下载多只股票的评论,利用中文文本情感极性分析方法,对抓取到的每一个帖子做情感分析,构建基于互联网舆情的投资者情绪指标和投资者意见分歧指标,具体考查投资者情绪对股票收益的影响,最后使用神经网络算法,预测股票未来的涨跌,确定交易策略。研究结果表明:(1)数据挖掘算法可以帮助找到具有超额收益率的股票;(2)投资者情绪会显著影响股票收益率;(3)投资者情绪,投资者意见分歧程度,股票的交易量能够帮助预测股票的收益率;(4)在股市处于上升期时选择激进的投资策略可以获得更多收益。