El aprendizaje automático ha demostrado ser muy efectivo y puede ayudar a impulsar el rendimiento de las predicciones de precios de las acciones. Sin embargo, la mayoría de los investigadores se centran principalmente en los datos históricos de las acciones y predicen las tendencias futuras de los precios de las acciones mediante el diseño de modelos de predicción. Creen que los datos pasados deben ocultar información útil en el futuro. Debido a la falta de participación humana, el resultado de esta práctica debe ser accidental. Para resolver este problema, proponemos un modelo novedoso llamado Red Neuronal Convolucional con Verificación de Sentimientos (CNN-SC) en este documento. El modelo recomendado por los autores se refiere y amplía las ideas de expertos, y luego toma el valor de sentimiento en los comentarios de expertos como base para la predicción de precios de acciones. Este modelo refleja la humanización de la predicción de precios de acciones y elimina el problema de la falta de supervisión en el aprendizaje automático. Para demostrar la efectividad de nuestro método novedoso, lo comparamos con otros cinco métodos populares y excelentes. Aunque los modelos C-E-SVR&RF y GC-CNN también son bastante efectivos, nuestros resultados indican la superioridad de CNN-SC y se utiliza con precisión para calcular la fluctuación del precio de las acciones a corto plazo (siete días después) de una sola acción.