投资者情绪是指投资者对未来市场心理预期存在的系统性偏差,容易引发非理性投资行为。若投资者不良情绪在群体中蔓延,会对市场造成严重影响。准确测度投资者情绪并研究其影响机理,对规范引导股市发展有着重要现实意义,得到学界业界的关注和研究,但诸如问卷调查法等传统测度方法费时费力且误差较大。随着社交网络的发展,个体投资者习惯在网络上查看并交流股市信息,使得网络成为投资者情绪的资源库。因此,本文利用网络文本数据的情感分析方法,以投资者关注度、情感变化及情感变化差异度等为核心,构建多个情绪指数,以综合测度网络投资者情绪,进而分析其对股市收益、收益波动的影响机理,并验证网络投资者情绪对股市预测预警效果的提升作用。具体研究工作与结论如下:（1）网络投资者情绪的测度。首先爬取了2015年8月20日至2019年5月24日东方财富网上证指数股吧中的文本数据;其次对数据进行筛选、清洗,使用R语言的Rwordseg包和分词词库进行分词、特征提取;然后构建了股票领域专用情感词典,对文本进行情感分析;最后从投资者关注度出发,构建了整体关注度和正负向情感关注度差异指数;从投资者情感变化出发,构建了积极预期指数、消极预期指数和情感预期分散指数。本文利用所构建的5个指数多维度、全面测度网络投资者情绪。（2）网络投资者情绪对股市收益的影响研究。首先,利用相关性检验发现,投资者整体关注度、正负向情感关注度差异指数与股市成交量呈显著正相关关系。其次,利用一系列时间序列检验方法以及构建的ARMA-GARCH-M模型研究发现,网络投资者情绪显著影响股市收益和收益波动。其中,积极预期指数显著正向影响股市收益,消极预期指数显著负向影响股市收益,且影响程度并不对称,消极情绪的影响是积极情绪的35倍。（3）网络投资者情绪对股市收益预测及风险预警效果的影响研究。首先,利用支持向量机（SVM）构建了股价涨跌预测模型,先后引入传统股市表现指标和网络投资者情绪指标,预测精度对比发现,引入情绪指标后模型预测精度提升了9.2%。其次,依据占总体样本约10%的收益率最低的样本为风险样本的标准,采用二分类变量法界定股市风险,使用合成少数类过采样（SMOTE）方法消除了非均衡样本数据对SVM分类的干扰。最后,构建了股市风险预警模型,先后引入传统股市表现指标和网络投资者情绪指标,预测精度对比发现,引入情绪指标后模型预警精度提升了11.2%。研究表明,网络投资者情绪对股价预测预警的效果有显著提升作用,有助于为股票投资者理性投资、监管部门监测股市风险提供参考依据。