中国股市自成立以来发展十分迅速,但是其在市场监管、政策制定、交易环境等方面仍有许多需要完善的地方。中国股市经常因政策、交易制度的变化而发生非理性地暴涨暴跌,而投资者情绪在其中起到了推波助澜的作用。如何合理度量投资者情绪并探寻其对股市的影响是亟待解决的问题。随着互联网的普及,以微博为代表的大量新兴媒体、社区应运而生。微博可以及时、准确地获取投资者对于股市的观点,利用这些观点就可以有效地对投资者情绪进行度量,进而探讨其对股市的影响。本文将微博文本作为数据源来度量投资者情绪,并分析其对股市的影响。选取2014年7月至2017年1月的微博文本和上证指数开展研究。首先,利用网络爬虫工具抓取微博文本数据,并通过自然语言处理技术完成关键词的提取,得到候选情感词表。之后,利用遗传算法识别词语的情感倾向,得到情感词典。然后,以情感词典为基础,根据中文语言的特点建立句间句型关系、文本语义规则度量微博情感。最后,将微博情感、新闻情感作为投资者情绪的代理变量,构建其与上证股市的VAR模型,进而分析投资者情绪对股市的影响。基于上述研究过程,本文得出以下结论:(1)基于遗传算法的文本情感分类方法在整体上优于SVM分类器,该方法对于文本情感分析具有较强的泛化性。(2)微博情感波动是收益率的格兰杰原因,而收益率是新闻情感波动的格兰杰原因。投资者在微博上发表的观点可能会影响股市的收益,而股市价格的波动可能会体现在新闻的情感中。(3)微博情感对股市收益的影响更大,新闻情感对股市收益的影响较小。