中国证券市场迄今为止已发展三十余年，随着信息技术的发展和成熟，投资者对股票价格预测的策略与技术要求也日益增大。量化投资结合金融、数学与信息技术，通过计算机编程语言获取股票数据，并制定投资策略用于预测股票价格的涨跌趋势，是非常好的投资方式。由于我国量化投资起步较晚^[1]，对投资者的情绪研究较少，且国外已有的相关情绪因子的投资策略与我国民众的文化与政策存在差异，故需要根据中国股市制定有效且适用的复合情绪因子投资策略用于更好地帮助投资者预测股价。

本实验使用python编程语言，构建多元线性回归的多因子模型，采用对比的研究方法，为了更好地提高股票价格预测的准确度，在Fama和French的五因素模型的基础上，探究复合情绪因子对股票价格的影响，同时，采用LSTM神经网络模型训练数据，以提高预测的准确性。结果表明，Fama-French五因素模型具有较好的预测能力，在增加了复合情绪因子后，预测的股票价格与实际的股票价格精确度有所提高，说明经过IC筛选后的复合情绪因子确实对Fama-French五因子模型有优化效果。