在股票市场发生较大波动时,投资者情绪也难免发生变化,投资者情绪的波动会对市场风险、市场指数以及市场流动性造成巨大影响。互联网科技和自媒体平台高速发展的今天,在微博、淘股吧、东方财富网等地,信息传递迅速。考虑到我国个体投资者占比较大、市场非理性因素众多等特点,本文从投资者情绪出发,探究其与市场风险、市场指数以及市场流动性的特点。通过加深对市场的了解进而提防和处理市场风险,预防市场产生较大的泡沫,保障我国投资市场健康与稳定的发展导向。本文使用2018年6月到2020年7月约两年的数据进行分析。首先对文本数据进行情感分类。然后采用卡尔曼滤波的方法形成投资者情绪综合指标。接着利用arima-garch模型拟合指数的收益率以构造市场风险指标。再次,利用TVP-VAR模型探究投资者情绪市场风险市场指数和市场流动性之间的关系。最后探究投资者情绪在预测市场指数时的有效性。研究发现:（1）使用词向量加机器学习模型的方法对投资者情绪进行分类比利用传统的情感词典方法效果更好。（2）变量的随机波动率并不是一成不变,当受到外部政治风险、市场不可控的自然风险以及市场内行情等冲击时,变量的波动率会明显增大。（3）本文所构造的投资者情绪与上证50指数、市场风险（在险价值）和市场流动性指标（成交量）都具有双向格兰杰因果以及动态关系。（4）基于stacking思想的模型融合方法对于股市收盘价的预测有一定的参考性,并且加入投资者情绪后对股市指数的预测误差也更小。最后针对本文的相关研究和结果,对市场投资者和政府等监管部门提出对应的建议与措施。