以大数据、人工智能为代表的信息通信技术革新促使经济社会发生深刻变化,催生了以新兴技术为依托的金融新业态。量化投资作为金融业态数字化发展的明珠,凭借技术进步和策略革新的双重驱动,规模迅速扩张,收益来源也日渐丰富。兼具实时性与多元性的另类数据正在成为越来越多投资者制定投资策略中的重要部分。本文采集东方财富上证指数股吧604.23万条文本数据,借助机器学习技术挖掘网络文本中蕴含的投资者情绪信息,构造日频投资者情绪指标。相较于传统量价财务指标构建的投资者情绪变量,本文构建的文本投资者情绪指标具备连续性好、更新频率高、信息充分等特点,经过了择时有效性的检验。在传统基本面指标和技术面指标基础上,引入本文构造的基于网络文本的投资者情绪变量,构建含三大维度日频择时指标体系。通过基于随机森林量化择时模型对市场价格进行拓展窗口的滚动预测,以上证指数作为资产标的构建多空资产组合,实证检验了我国网络文本中蕴含的投资者情绪信息在量化择时策略中的有效性。研究结果表明,纳入文本情感变量的量化择时组合,获取超过业绩基准的超额收益,显著降低组合回撤,样本外预测准确率达78.52%。此外,实证结果显示了网络文本情绪指标在量化择时能力上的稳定性,回测周期内,我国市场经历牛熊转换完整的经济周期,投资者情绪历年重要性程度均值为4.19%,投资者情绪择时指标的重要性程度在4.05%至4.27%范围内小幅波动,体现出跨越经济周期的平稳性,同时从量化择时模型的核心参数和交易成本出发,进一步验证了基于网络文本的投资者情绪因子的择时稳健性。理论层面,本文构造了基于文本的高频投资者情绪指标,克服了主流投资者情绪指标存在的更新频率低、时滞性等问题,捕捉投资者情绪变化更具敏感性和实效性,有助于推动投资者情绪理论研究纵深发展。实践层面,通过提取行之有效的情绪投资因子,并将其纳入择时指标体系,借助量化交易手段获得超额收益,为投资者提供新的投资思路。在原有的基本面和技术面分析的投资模型基础上,增加网络文本情感分析的维度,拓宽了金融领域的信息来源和投资收益来源,同时为机器学习和人工智能等新兴技术提供了金融应用的场景。