随着互联网的发展,网络成为人们生活中的重要部分,一方面人们通过互联网获取自己关注的信息从而对自己的决策产生影响;另一方面互联网成为人们表达自己态度,传播自己观点的重要途径。与之对应,搜索引擎和社交网络正是基于人们这两种需求衍生出的互联网产品。和过去不同,在大数据时代下人们的一切行为都会被记录,而这些数据都能够在保护个人隐私的前提下用于分析,更准确的反映个人行为。因此,行为金融学的研究者使用人们的互联网行为进行了卓有成效的研究。其中通过互联网搜索行为研究投资者有限关注的研究和使用舆论平台反映投资者情绪从而预测股票市场变化的研究成为了行为金融学的研究热点。此外,随着人工智能技术的发展各种深度学习和机器学习方法也被广泛应用于各种问题的研究。正是在这些基础上,本文首先通过爬虫获取股票相关百度指数和以新浪股吧为代表的投资者网络评论数据,以及股票历史交易相关数据。对于非结构化数据进行结构化处理,对文本数据建立股票情感语料库进行情感分类;按照前人对于投资者关注度的处理方法对百度指数进行处理;之后构建基于LSTM的深度学习网络完成对股票市场的预测。最后使用行业中性策略和多空策略对模型预测结果进行筛选构成投资组合进行回测。研究表明,基于LSTM的深度学习模型可以对股票价格波动进行一定的预测,将预处理后的投资者情感数据和使用百度指数计算的异常搜索量加入模型可以在一定程度上提升模型预测结果。行业中性和波动性策略可以在保持累计收益率基本不变的前提下降低策略风险,提升交易策略的稳健性。与沪深300指数相比本研究提出的交易策略可以获得更好的收益并能将风险控制在更合理的范围内。本研究为将深度学习方法在股票市场应用作出了一定程度的贡献,将传统研究内容方法与人工智能结合起来,为该领域的研究提供了新思路,此外还对个人投资者的股票投资决策有一定的参考价值。