20世纪80年代行为金融理论悄然兴起,传统的资本资产定价模型（CAPM）和有效市场假说（EMH）的权威地位开始受到动摇。行为金融理论认为,内在价值并不是决定市场价格的唯一因素,很大程度上投资者的心理与行为也在影响着市场价格的变化。相较于国外,中国股票市场的投资者构成比较复杂,并且投资者受到信息的来源广泛。来自不同渠道的信息影响着投资者对股票市场的期望和决策,造成股票市场的波动。因此,正确的度量投资者情绪不仅有助于监管部门对市场的监控,还能帮助投资者进行投资决策。迄今为止,许多学者开始注重于如何从文本数据中挖掘投资者情绪,从而建立投资者情绪指标。以往的研究中,在数据维度方面,往往只针对单一的信息渠道进行研究,但是投资者接收信息的渠道是多元的,随着互联网的发展产生的海量的文本数据,新闻,评论和研报文本都会对投资者产生不同的情绪引导;在文本情感分析方面,目前BERT模型在文本情感任务上取得不错的表现,但仍有提升空间,可以从训练方式和模型结构方面进一步优化构建适于金融文本的Fin-BERT模型来提升对文本的语义学习能力;在指标构建方面,现有研究没有考虑信息的影响程度和持续性特点,实际上不同渠道的信息对投资者的影响程度是不同的,并且可能在后续一段时间内影响着投资者的判断和决策。基于上述背景,本文综合考虑不同渠道的信息,使用新闻报道,股吧评论和研究报告分别度量宏观信息,散户投资者和专业机构对股票市场的投资者情绪,能够全面量化市场情绪。首先,针对新闻,评论和研报的特点,设计了特殊化的数据预处理方法,并建立了不同的情感分析模型。对于新闻和评论,构造了适合于金融文本的Fin-BERT情感分析模型;对于研报,采用语义规则模型提取文本情绪。然后,本文考虑了信息对投资者的影响程度和持续性,利用半衰期配权法结合文本阅读量和机构排名等信息,分别对新闻,评论和研报文本构建日度的投资者情绪指标。最后,为了探究本文所构建的投资者情绪指标的有效性,利用格兰杰因果检验从统计意义上验证了其与股票收益率之间的因果关系;并将投资者情绪指标作为输入因子使用LSTM模型探究了其对收益率的预测能力,结合DM检验从预测能力方面证明了基于多信息渠道的投资者情绪指标能够显著提高预测能力。