传统金融学理论在“理性人”和有效市场假设下,已经无法解释诸多有悖于该理论的金融资产价格异象。随着行为金融学的发展,投资者在参与市场过程中所涉及的投资者信念、偏好和心理学等研究已经逐渐形成体系,行为金融学研究开始关注投资者情绪在投资者投资过程中的重要性,有关投资者情绪与股票市场的研究成为了行为金融学的热门研究领域。互联网时代的到来,给人们的生活带来了巨大的变化,国内的各种社交网站发展迅速,人们慢慢习惯在互联网平台上浏览信息、传播信息。以往研究中度量投资者情绪所使用的间接数据可能无法全面反映投资者情绪,而大数据由于具有容量大、类型多、时效性强等特性为度量投资者情绪指标提供了全新的参考。基于以上背景,如何利用互联网数据对文本情绪进行更准确的度量对于丰富投资者情绪研究有着重要理论意义,并且针对我国股市处于不成熟阶段,暴涨暴跌时有发生的情况,将股市分为不同区制,研究不同状态下机构投资者情绪及个人投资者情绪与证券市场收益率的关系,对证券市场可持续发展和投资者规避市场风险、优化决策也具有现实意义。本文采用文本挖掘获得网络数据,建立金融领域情绪词典,使用Python进行文本去噪、分词之后结合中文语法规则对文本进行情感分析构建投资者情绪指数,而后建立MS-VAR模型,通过模型的概率转移图将市场划分为熊市和牛市,由估计参数以及脉冲响应函数对不同区制下机构、个人投资者情绪与股市收益率之间的动态关系进行分析。实证研究表明:第一,模型将2018年7月至2020年3月的股市划分为两区制五个时区,发现在熊市中个人投资者对比机构投资者而言表现得更加消沉,在牛市中则表现得更加积极。第二,从模型回归系数来看,机构投资者情绪对股市收益率有显著正向影响,个人投资者情绪对股市收益率无显著影响,而股市收益率对个人投资者情绪以及机构投资者情绪均有显著影响。第三,根据脉冲响应分析可知,股市收益率的上升对投资者情绪有积极影响,在牛市时影响更大,以及股市收益率变动对个人投资者情绪冲击影响更持久。第四,机构投资者情绪对个人投资者情绪有显著影响,而个人投资者情绪无法影响机构投资者情绪。