股票市场的参与主体及其影响因素之间存在复杂的非线性相互作用,进而实现信息的交互、流动、反馈、制约等行为。股票市场的结构及演化信息可以通过股票的价格波动反映,而股票价格波动多具有非线性和非平稳性等复杂特征,导致传统的线性分析方法失效。作为股票市场的重要参与主体,投资者是决定股票市场演化行为和股票价格波动的关键因素。投资者的有限关注是获取投资信息的重要途径,反映投资者对股票市场的关注程度,是行为金融理论的一个重要分支。目前有关股票价格与投资者关注度的研究,一般采用传统的计量经济学模型,仅仅在单一尺度下的相关性进行研究,而从多尺度分析角度,探究股票价格波动与投资者关注度变化的因果关系规律是一个亟待解决的问题。本文将一种自适应的数据驱动分析方法——集合经验模态分解(EEMD)引入该问题研究。从多尺度分析的角度出发,以百度指数构建投资者关注的代理变量,运用EEMD方法分别将股票价格和百度指数时间序列分解成若干个独立的、不同尺度的本征模态函数和余项的叠加,提取序列在不同时间尺度下的波动特征。按照频率的高低将基本模态分量划分为高频分量、低频分量和残差项,分别代表短期波动、中期趋势和长期趋势。然后,构建基于EEMD的多尺度格兰杰因果关系检验模型和多尺度符号转移熵方法。最后,将中国股票市场的个股按照股票市值进行划分,对不同市值股票价格和投资者关注度之间的多尺度因果关系进行系统研究。实证结果表明,在中国股票市场,股票价格波动与投资者关注度在不同的时间尺度下呈现不同的因果关系特征。对于不同市值的股票,这种因果关系在大盘股和小盘股中也具有一定的差异性。从短期波动来看,对于大盘股和小盘股,其股票价格均与投资者关注度存在双向的信息流动,即二者互为因果关系;从中期趋势来看,大盘股的股票价格波动与百度指数变化不存在因果关系,而小盘股的股票价格波动与百度指数变化互为因果关系;从长期趋势来看,股票价格波动与百度指数变化均不存在因果关系,在这点上大盘股和小盘股表现一致。