人类的行为方式通常受到各种因素的影响,其中情绪因素既是影响人类行为方式的因素,反过来也是人类行为的指示器。金融市场的正常运作与参与金融活动的各方行为主体密切相关。投资者作为投融资活动的主体,其行为方式时刻左右着金融市场的走向。为了更好的了解投资者的行为对金融市场的影响,投资者情绪成为了学界始终致力于研究的领域。情绪的主观性使得投资者情绪的量化一直是重要的研究议题。目前,更加准确有效的投资者情绪测度已经是目前研究的重要方向。投资者情绪测度方面的努力,一方面能够为投资者情绪与金融市场之间的关系研究提供更高质量的投资者情绪变量;另一方面从投资者实务的角度,也能够为投资者在收集市场信息的时候提供指导价值。信息传播的渠道在信息爆炸的时代也在爆炸性扩展。大到传统媒体转型的数字化渠道,小到社群里面的讨论。文本信息在这些传播渠道中部分信息会被重复传播,同时也会在每一个环节中添加一些新的信息,这导致了文本信息中存冗余和有效信心交织在一起。这一点对于具有口语化特点的社交文本来说更甚。因此,如何在剔除掉冗余的信息同时,尽可能多的去保留更多的有效信息是以金融文本为基础的投资者情绪研究需要关注的重点。本文使用的研究数据为金融文本数据。同时,基于不同来源金融文本在表达方式和语气上的差异为考量因素,选取了三大证券报、财经新闻网站和股票论坛三种不同维度的文本数据。本文的研究基于深度学习的文本分析方法,首先使用了基于谷歌原生BERT的国内首个中文金融预训练模型Fin BERT1.0,基于本文的研究内容进行模型微调后对文本数据进行情感分类;然后,使用PCA主成分分析方法构建出我国投资者情绪复合指标。复合指标的构建旨在剔除冗余信息和保留有效信息。再次,使用格兰杰因果检验对该指标进行合理性检验和线性回归对指标进行有效性检验。线性回归结果显示该指标与上证指数涨跌幅之间存在显著的正相关关系。可以得出该指标对市场趋势有较好的跟踪与指示作用。最后,探讨了在Python环境下根据构建好复合指标的前提下,设计出一套实时获取文本并转化成情绪指标的实时监测系统的可行性。不论是开源的深度模型的训练,还是Python编程语言的使用,都具有非常强的可推广性。