情感分析是一种自然语言处理（NLP）方法，它标识了文本中包含的情感。由于其在各种领域的潜在应用，包括财务，市场营销和公众舆论监控，因此受到了极大的关注。在金融领域，情绪分析对于分析市场趋势，预测股票价格和指导投资选择至关重要。本研究论文比较了使用Twitter数据对美国索引的大帽和小帽公司的情感分析中基于词典的方法，机器学习技术和Chatgpt的性能。实施CHATGPT的目的是确定目前正在淹没社交媒体场景的著名工具的有用性。结果表明，随机森林的总体准确性最高，大帽子的83.6％，而小帽子上的森林则达到了78.8％。ChatGpt情感的大帽子的精度为77.44％，而小帽子的精度为72.43％。同时，性能最低的方法是TextBlob，其精度为46.52％，而小帽子的精度为43.57％。随机森林能够理解推文的背景并处理语句和短语，而Chatgpt仍在开发中，但有可能在将来表现更好。在股票市场中使用的语术语和短语很多，这些词语中未包含在TextBlob词典中。因此，TextBlob的性能是性能最低的方法。