我国资本市场自上世纪九十年代形成以来,其规模和体量呈现一种高速增长的态势.然而,与高速增长相伴的却是A股市场多次的大幅度动荡。反观同时期的西方国家成熟的资本市场却未出现如此剧烈地震荡。究其原因,制度和机制的不成熟是造成如此差别的重要因素之一,然而众多的市场异象却无法用传统的金融学理论来解释。结合当今学者对市场异象的研究,笔者传统金融学和行为金融学相结合,试图从投资者心理的角度更加真实的反映我国A股市场的运行状况。行为金融学认为,投资者情绪是影响风险资产定价的一个不可忽视的重要因素,而投资者的非理性因素是造成这种内含价值与市场价值差异的基础之一。因此,从投资者情绪的角度出发,来深入探究投资者情绪非理性波动与市场变化的联系,有助于我们理清市场逻辑,有效的规避系统性风险,增强监管有效性,增厚投资者收益。本文的总体结构可以分为以下四个部分:第一部分是绪论,该部分主要包括对投资者情绪研究的研究背景,研究意义以及本文结构,并指出本文可能的创新点。第二部分是国内外文献综述,该部分主要回顾了国内外学者对投资者情绪定义和度量,对投资者情绪与股市收益率之间关系的研究,同时对本文所使用的研究方法方法支持向量机相关理论知识进行了基本介绍。第三部分是本文的重点。本文根据已有的国内外学者对投资者情绪的研究并结合我国股市与西方成熟资本市场的异同,选取适合我国A股市场投资者情绪的代理变量,利用PCA法将多个代理指标组合成一个投资者情绪综合指数。通过小波去噪的方法对投资者情绪指标进行去噪,得到更能反映投资者情绪趋势的指标向量,最后利用VAR模型和SVM模型分别对2010年5月至2015年12月沪深300的月度收益数据进行回测。通过实证分析发现:投资者情绪是影响指数收益率的重要原因,而考虑了投资者情绪的SVM模型相较其他模型在正向胜率方面有着较为明显的优势,具有更高的累计收益和总胜率。相比之下,考虑了时间序列平稳性的VAR模型在对负向预测的准确性上有着较高精度,因此同样拥有较高的总胜率和累计收益。最后得出,在对金融时间序列的预测中,投资者的行为以及情绪应是我们考虑的一重大影响因素的结论。而将机器学习的方法引入到非线性建模,对从事量化投资的投资者将会是一大分析利器。第四部分是总结与展望,指出本文的不足之处以及未来深入研究的方向。