区块链是一种分布式账本技术,存储在其中的交易记录具有防伪、不可篡改、可追溯等特性,最初是由比特币带来的。目前,以比特币为代表的区块链技术不断发展,整个加密资产市场总市值已达2万亿美元,其中智能合约平台、De Fi、NFT、DAO、Web3等技术不断涌现,相关的投融资事件不断增加。然而,目前世界范围内针对这一新兴市场暂无完善的监管体系,故而在加密资产市场中各类骗局层出不穷,投资者血本无归的报道屡见不鲜,若是在无完善监管体系的情况下,继续任由其发展,势必对我国的金融稳定产生重大负面影响。为了保护国民的财产安全以及维护我国金融体系的稳定,我国政府在过去曾多次针对以比特币为代表的加密资产市场进行监管,其中,2013年12月5日,五部委发布《关于防范比特币风险的通知》;2017年9月4日七部委发布的《关于防范代币发行融资风险的公告》;2021年5月21日国务院金融稳定发展委员会明确要求打击比特币挖矿和交易行为;2021年9月24日央行等十部委发布《关于进一步防范和处置虚拟货币交易炒作风险的通知》。然而,由于加密资产具有分布式、匿名等特性,对其监管难度极大,目前依旧能在一些社交媒体平台见到加密资产相关的讨论,可见对加密资产的监管依旧任重而道远。本文以加密资产市场中占比最大的比特币为例,引入投资者情绪,对政策冲击下投资者情绪与比特币价格进行动态分析。首先对构建的投资者情绪指数进行有效性分析,接着,使用TVP-VAR模型对政策冲击下的国内外投资者情绪与比特币价格进行动态分析,验证相关政策的有效性,供相关部门和金融监管机构参考,以帮助进行下一步监管。具体的研究方法是:首先进行相关概念界定,明确以比特币为代表的加密资产是一种资产而非货币。然后以比特币为例,分析比特币价格的短期影响因素和长期影响因素,由此引出比特币价格的短期影响因素主要是投机需求,而投机需求往往受投资者情绪影响极大,构建投资者情绪指数是非常必要的。接下来构建比特币相关的投资者情绪指数、媒体情绪指数。其中,构建投资者情绪指数的数据来自国内外主流的社交媒体平台,而构建媒体情绪指数的数据来自国内外主流的区块链新闻媒体网站,对爬取的文本数据进行清洗之后,利用SO-PMI算法构建加密资产市场情感词典。此后,利用该情感词典得到每个评论和文本的情绪指数,更进一步得出每日的投资者情绪指数和媒体情绪指数。在情绪指数有效性分析部分,分别使用ARIMA、LSTM和LSTNet三个模型对比特币价格进行预测,选取最优的预测模型,验证LSTNet是否显著优于前两者。在此之后,使用LSTNet模型,分别用使用加密资产市场情感词典前后构建出的不同的情绪指数对比特币价格进行预测,验证本文构建的加密资产市场情感词典的有效性。此外,使用LSTNet模型,分别使用投资者和媒体情绪指数对比特币价格进行预测,比较两者对比特币价格预测的准确性。最后,在验证构建的投资者情绪指数有效性后,使用TVP-VAR模型对我国重大监管政策冲击下的国内外投资者情绪与比特币价格之间的关系进行动态分析。结果表明,LSTNet模型对于时间序列预测的结果显著优于ARIMA和LSTM模型。其次,使用构建的加密资产市场情感词典得到的情绪指数对于比特币价格的预测结果优于不使用该专用情感词典得到的情绪指数。再次,投资者情绪指数和媒体情绪指数这两者对比特币价格的预测更有效的是投资者情绪指数。因此,本文构建的投资者情绪指数是有效的。最后,我国出台的加密资产相关的监管政策是有效的,两次监管政策相比较,比特币价格对于国内投资者情绪指数的脉冲响应强度大大降低,而比特币价格对于国外投资者情绪指数的脉冲响应强度大增。本文的创新点在于引入细粒度的投资者情绪指数对比特币价格进行分析,构建加密资产领域的专用情感词典;引入了多元时间序列模型LSTNet,该模型较多应用于传统市场,而较少用于加密资产的价格预测中;使用TVP-VAR模型对我国发布的重大加密资产市场监管政策冲击下投资者情绪与比特币价格之间的关系进行研究,分析不同时滞期和不同时间点比特币价格对国内外投资者情绪的脉冲响应,分析政策的有效性。本文的主要贡献是:（1）本文构建了加密资产市场专业的情感词典。（2）本文验证了基于社交媒体文本数据构建的投资者情绪指数具有更细的粒度,比基于新闻媒体文本数据构建的媒体情绪指数更好地对比特币进行分析。（3）使用TVP-VAR模型,对我国重大监管政策冲击下国内外投资者情绪与比特币价格之间的关系动态分析,分析我国重大加密资产监管政策的有效性。