行为金融学认为,投资者通常是非理性的,他们的心理和行为特征也是影响资产价格的一个主要因素。因为投资者的决策在特定的投资环境下互相关联,他们并非完全独立,由于有限套利的存在和社交网络互动下投资者之间的模仿学习、情绪传染等,投资者在市场上的意见随着交流将趋于一致,并且容易产生羊群效应,导致股票价格偏离正常水平和发生异常波动。目前已经不乏对投资者情绪的研究文献。如何更加充分利用有效信息,更加准确地度量投资者情绪对研究结果的准确性至关重要。本文基于大数据发展和互联网社交网络平台的背景,采用直接从股吧论坛里挖掘到的非结构化文本型投资者评论数据,通过具有特殊门控结构的长短期记忆神经网络模型,进行文本情感分析,从而构建更精确的投资者情绪指标。并基于我们构建的指标以创业板综指的成分股为研究标的进行实证研究来探讨其对股票回报的预测能力,通过动态组合因子分层测试发现我们构建的投资者情绪指标具备显著的单调性;经过全样本以及牛熊阶段的分样本动态组合选股测试我们发现投资者情绪能够很好的进行预测及选股,基于情感指标构建的投资组合的表现明显优于基准。进一步,通过引入投资者情绪因子得到拓展的资产定价模型来考查其对解释资产定价可否带来增量信息。首先将Fama-French三因素模型作为基准并在中国创业板市场进行有效性和显著性检验,进一步将本文构建的情绪因子引入Fama French三因素模型中,来验证它是否是影响资产定价的系统性因素,并对比模型的提升效果。总体来说,乐观情绪组合有显著正的回报,而悲观情绪组合具有显著负的回报,并且拓展的资产定价模型的拟合优度和显著性较基准模型均有所改善,说明本文构建的情感指标比较好的捕获了市场投资者情绪,并且对股票收益率具有系统性影响。通过与其他情绪指标对比发现,本文构建的情绪指标表现也更加显著。最后,本文的研究结论在不同时间窗口或使用不同的分组方式构建因子时仍然稳健。