目前,随着互联网社交媒介的应用和5G技术的快速发展,传统行为金融学已经不能满足技术和时代发展的需要,网络金融媒体和社交平台受到越来越多人的关注。广大个体投资者可以在这些平台上表达情绪,以此传递自己的观点。在此背景下,网络财经平台上的信息也呈现爆炸式的增长,这些信息大多数是热点新闻和民众评论,同时评论中也包含着民众的情绪。因各个网络平台的群体不同,传递的情绪也有所差别,例如财经媒介平台的主流人群大多为投资者,传递的情绪为投资者情绪。这种投资者情绪逐渐对资本市场产生越来越重要的影响。因此,有关投资者情绪的相关研究也备受关注。在文本挖掘技术日益成熟和网络情绪可以量化的基础上,基于情感分类的投资者情绪对股票市场影响的研究逐渐被追捧。首先,本文通过python爬虫技术来获得包含投资者情绪的评论文本。利用多头注意力卷积神经网络（MHA-CNN）模型对评论进行情感分类,在获取每条评论的情感倾向后利用情绪指数公式构建投资者情绪指标。其次,将投资者情绪指标与上证指数价格变动进行相关分析。具体包括第一,将投资者情绪与上证指数价格进行描述性统计分析,结果显示:投资者情绪与上证指数价格存在潜在的影响关系,投资者情绪的波动在一定程度上反映了上证指数价格的波动趋势;第二,投资者情绪与上证指数价格呈现正相关关系,相关系数随着滞后时间的增加而减少,表明投资者情绪对上证指数价格波动影响具有一定的时效性;第三,格兰杰因果检验结论表明:投资者情绪是上证指数价格变动的格兰杰原因;第四,脉冲响应函数和方差分解分析发现投资者情绪对上证指数价格存在正向冲击,投资者情绪对上证指数变动具有一定的解释力度。最后,将投资者情绪指标与股票技术指标相结合,利用支持向量回归（SVR）、随机森林回归和XGBOOST进行对照实验分析。结论表明:融合投资者情绪特征的模型预测效果有显著提升,验证了投资者情绪在对股市价格预测的可行性。综上,本文构建的多头注意力卷积神经网络（MHA-CNN）模型在评论文本的情感分析任务中表现出色;投资者情绪与上证指数价格存在相关关系和格兰杰因果关系;投资者情绪在一定程度上有助于股价的预测。