近20年来我国金融市场发展迅速,交易规模、投资者总量都发生了很大变化。但是与西方发达国家金融市场比较而言,我国金融市场具有发展时间短、制度不够健全、投资者缺乏投资的相关知识与经验、政府干预过多等特点。金融市场是反映国家经济走向的晴雨表,随着经济全球化进程的加快,我国对外开放的程度越来越高,实体经济受到金融市场波动的影响越来越大。理解投资者情绪与我国股票市场的关系有助于保护中小投资者的利益,提高整个市场的监管水平,稳定股票市场的发展。传统金融学中的“理性人假说”和“有效市场假说”存在着种种困惑,不能很好地解释一些金融异象。行为金融学作为一门综合心理学、行为学、金融学、社会学的新学科,弥补了传统金融学的缺陷。国内外学者基于行为金融学研究发展了很多理论,其中投资者情绪的研究近年来受到热捧,迄今为止投资者情绪没有一个统一的定义,在度量投资者情绪时学者往往采用单一情绪指标,或者在构建综合指标时没有采用主观与客观指标相结合的方法,很多学者的研究局限于投资者情绪与股票市场的关系,或者是仅仅基于传统的线性模型使用投资者情绪对股市未来收益进行预测,本文的研究充实了行为金融学理论,构造了全面有效的投资者情绪指标,在预测股市未来收益时使用了非传统的方法。首先本文利用3个主观情绪指标和5个客观情绪指标基于主成分分析构造了投资者情绪指数CISI;其次本文基于VAR模型对投资者情绪指标和股票市场收益进行格兰杰因果检验、脉冲响应分析及方差分解分析,检验两者的因果关系和动态关系;最后本文利用传统的GARCH模型和监督学习中的梯度提升树GBDT算法对股市收盘价进行预测,并比较两者的效果。研究结果显示(1)综合投资者情绪指标CISI全面反映了 8个单一情绪指标的信息,CISI与上证综指收盘价的相关系数达到了 0.708,有效性达到;(2)投资者情绪与上证综指股价变动具有单向的因果关系,上证综指股价的历史波动对当前投资者情绪变化的影响不显著,而投资者情绪变化是上证综指股价变动的格兰杰原因。投资者情绪变动对收盘价变动的方差贡献程度达到42%。上证综指收盘价变动对投资者情绪变动的方差贡献率最后稳定在10%。两者具有长期的动态联系;(3)比较预测误差后发现梯度提升树GBDT算法对股市收盘价的预测效果好于GARCH模型,GBDT算法预测的短期股价具有一定的参考价值。