自投资者情绪打破了资产定价理论的“理性人假设”以来,投资者情绪对股票市场的影响成为了一个不可忽略的事实。特别是在现代行为金融学领域研究中,学者们进一步证实了投资者情绪会影响投资者的有限理性,投资者的情绪会综合影响股票市场发展变化,对股票市场资源配置发展的方向起着重要的作用。尽管学界对投资者情绪在关于股票市场整体的情绪测量方面的研究已经形成了较为统一的测量指标,研究方法也逐渐成熟,但在投资者关注的个股层面的投资者情绪研究还受到了数据采集信息渠道来源较为单一、直接测度个股投资者情绪的测量方法不统一和投资者情绪的影响研究结论的不一致性等问题的挑战。同时,投资者情绪可否用于投资量化交易策略等基础问题都值得深入分析。在此背景下,本文针对股票市场的海量数据,首先以股票市场个股为研究对象,以多维度、大规模数据收集、处理和分析技术为手段,构建多渠道信息下的投资者情绪的测量指标体系。其次,基于测量指标体系提取多渠道投资者情绪因子,并验证其对股票市场影响的有效性。最后,将多渠道投资者情绪因子引入量化投资分析,构建基于深度学习模型的交易策略,挖掘面向多渠道投资者情绪因子的最优投资模式。因此,本研究具有三个方面的意义和作用:（1）本研究从多维数据视角出发,丰富和拓展了基于多渠道信息的投资者情绪测量方法;（2）验证了基于多渠道信息的投资者情绪测量方法的有效性,探究了多渠道投资者情绪对股票市场的影响,为投资者情绪研究探索新的方法与思路;（3）为运用多渠道投资者情绪的量化投资研究提出了新的策略模式,为利用多渠道投资者情绪进行市场解析提供了重要启示和实践方向。本文主要研究内容如下:（1）基于投资者信息来源构建了多渠道投资者情绪的测量体系。考虑到股票市场是一个非常复杂的系统,投资者决策信息来源的维度较为丰富,本文提出了采用多渠道信息构建投资者情绪测量体系的思路,将股票市场的交易金融数据信息、新闻媒体专业报道的网络新闻信息和代表广大“草根”的投资者观点的社会媒体渠道信息进行综合考察,可避免信息遗漏等问题,全面刻画投资者情绪。在进行交易市场投资者情绪的测量时,围绕着股票市场波动、股票交易量和资金变化等因素构建了交易市场投资者情绪测量指标,利用PCA（Principal Component Analysis）方法实现了对样本股票交易市场情绪的测量。基于网络新闻和社会媒体渠道的投资者情绪的测量主要利用面向社会媒体新闻和论坛文本数据的抓爬技术,进行了千万级数据量的网络新闻和社会媒体文本数据的采集,提出了基于卷积神经网络CSSCNN（Chinese stock sentence-Convolutional Neural Networks）的投资者情绪挖掘方法,利用专业财经情感词典和人工打标识别的方式训练模型,对每支股票的新闻和股吧发帖文本进行文本信息的特征提取,实现了网络新闻和社会媒体投资者情绪的衡量。特别是,本文不仅测度了来自于股票交易市场渠道的情绪,还测度了来自网络新闻和社会媒体的投资者情绪,并根据投资者情绪的测量结果分析了不同活跃程度、季节和行业的股票的投资者情绪特征,揭示了股票市场中不同活跃程度、不同行业和不同季节的个股的多渠道投资者情绪特征,为多渠道投资者情绪后续分析研究打下基础。（2）解析多渠道投资者情绪对股票收益的联系和差异,验证多渠道投资者情绪的有效性。本文基于A股市场的个股样本数据,分析了投资者情绪对股票市场的影响,进而探讨多渠道投资者情绪对股票收益影响的联系和差异,验证多渠道信息来源投资者情绪变量在资产定价模型的有效性。本研究发现投资者情绪对股票收益具有显著的正相关关系,通过对换手率、行业、季节等指标进行划分,研究了不同活跃程度、行业的股票对收益的影响的差异性。活跃组股票样本中投资者情绪对收益的影响更为敏感,在季节效应的探索中,交易市场投资者情绪虽不存在明显的季节效应,但财经新闻投资者情绪在夏季和秋季存在着负向的季节敏感性,基于财经新闻的投资者情绪要比其他季节对收益的影响更低,这也表明对财经新闻情绪具有较高敏感性的资产在夏、秋季会在上升的情绪期间获得较低的回报,而在情绪下降的期间则获得较高的回报,股吧论坛新闻投资者情绪在夏季存在着负向的季节敏感性。在行业的异质性分析中,超过八成的行业中的投资者情绪能正向显著影响股票收益率,且该行业投资者情绪越高,其市场未来收益率越高。通过研究多渠道投资者情绪的滞后效应、U型关系、遗漏变量及缩尾检验等问题完成了稳健性检验。最后利用将多渠道投资者情绪引入Fama-French五因子模型验证了多渠道投资者情绪对资产定价的有效性。本文对投资者情绪对股票市场的影响进行了较为细致的微观计量分析,进一步论证了投资者情绪分析方法的有效性,为深入研究多渠道投资者情绪对股票市场的影响提供了参考。（3）揭示不同渠道投资者情绪对市场收益冲击影响的持续时间和强度。研究发现不同信息来源的投资者情绪对收益的冲击影响不同,交易市场投资者情绪和股吧论坛的投资者情绪对收益的冲击作用显著,新闻媒体情绪对收益的冲击不太显著,在持续影响力分析中,交易市场的投资者情绪对市场收益影响最显著,最强为一天,且持续周期最长为5天,其次是股吧论坛等社会媒体投资者情绪的影响,新闻媒体投资者情绪的影响不太显著,新闻媒体和社会媒体的影响力在提前一天达到峰值,最多持续3天。不同信息来源渠道对股票收益的持续影响力差异,为利用多渠道投资者情绪进行量化策略设计提供了参考依据,本文主要在最强持续影响周期内设计股票量化交易的时间点,这可为投资者在进行多渠道信息决策提供参考,也可为上市企业信息披露提供建议。（4）探索基于多渠道投资者情绪量化投资最优模式,验证基于多渠道投资者情绪因子的选股能力。本文通过选择多因子选股指标,包括财务因子,技术特征和市场多渠道投资者情绪等因子,利用深度学习模型LSTM（Long Short-Term Memory）设计量化策略后,对比了传统市场情绪MACD（Moving Average Convergence and Divergence）和投资者情绪的预测效果,证实了投资者情绪在多因子选股作用的有效性。作为研究的量化策略的选择基准,设计了基于超短期动量效应的基准策略,筛选出优于基准的投资者情绪量化策略。本文还进一步探讨了交易策略的优化机制,包括融资融券做空机制和交易信号的叠加及其多样性研究。融券做空机制的加入,为实现股票的双边交易进行了有意义的尝试;在交易信号的叠加和丰富多样性研究中进一步优化了量化交易策略,实现了赢利效果的增长。最终,识别出优于基准模型的多渠道投资者情绪因子选股策略的最优模式。量化投资研究进一步论证了多渠道投资者情绪比传统选股因子和单一渠道投资者情绪均具有更好的选股效果。投资者情绪在股票量化交易中的选股量化策略研究为投资者、上市企业和监管部门等提供明晰的决策参考,同时研究结论也丰富了该领域的成果,为基于投资者情绪的投资模式选择研究提供了来自中国的经验证据。综上所述,本研究主要创新点主要体现在以下四个方面:（1）基于多维数据研究视角,构建了多渠道的投资者情绪测量体系,突破传统投资者情绪研究中较多使用单一渠道测度的局限性,增强了投资者情绪指标度量的创新性研究。本文根据投资者信息来源视角,确定了多渠道投资者情绪研究的数据来源,由于本研究搜集的是复杂大规模数据集,通过对交易市场、网络新闻和社会媒体中的有关投资交易的多维数据的采集和深入分析,有助于突破单一渠道数据的局限性,更能全面刻画投资者情绪,为复杂数据中的金融学领域经典问题研究提供了基于数据来源的创新。同时,本文提出了面向股票市场不同渠道下的投资者情绪特征测量分析方法,针对不同来源渠道的信息构建了投资者情绪特征提取方法,进行了多渠道投资者情绪的指标构建,实现了个股层面的不同渠道的投资者情绪指标度量创新。（2）揭示多渠道投资者情绪与股票收益之间的关联性,验证了多渠道投资者情绪对股票市场影响的有效性,扩展和丰富了投资者情绪的研究成果。本文首先在投资者情绪对收益影响的实证研究部分,得出投资者情绪对股票收益具有正向影响的结论,通过进一步分析了不同活跃程度、行业和季节效应上投资者情绪对股票收益的影响的差异。其次,通过稳健性分析,研究了多渠道投资者情绪在滞后效应、U型关系和遗漏变量问题等。最后将多渠道投资者情绪引入Fama-French五因子模型,验证了多渠道投资者情绪在资产定价模型的有效性。（3）深入挖掘了多渠道投资者情绪对股票市场的持续影响性,论证了不同渠道投资者情绪在影响持续时间、强度等方面的差异性,为多渠道投资者情绪研究提供了重要支撑。本文首先在经过脉冲分析后研究不同渠道的冲击影响的持续时间,研究发现了不同渠道的投资者情绪冲击最强出现在提前一天,这为利用多渠道投资者情绪进行量化交易策略的交易时间点设计提供了重要的学术支撑,其次,通过方差分解研究发现了交易市场投资者情绪比新闻财经媒体和社会媒体论坛等对收益的影响强度更大,这些发现为正确运用多渠道信息来引导投资者,提供了重要的参考。（4）基于深度学习模型,探索多渠道投资者情绪在量化投资中的作用,为利用多渠道投资者情绪进行投资提供了建议和指导。研究通过将多渠道投资者情绪引入多因子量化选股策略,利用LSTM深度学习模型,对比了加入多渠道投资者情绪指标与传统量化指标在预测股票涨跌和收益方面的效果,证实了多渠道投资者情绪相较于传统选股因子和单一渠道投资者情绪而言,在量化交易模型中具有更优的选股效果。为进一步提升量化效果,本文还研究了融资融券做空机制和加强交易信号机制和采用样本镜像多样性机制等优化机制,从而达到优化模型效果的目的。研究发现投资者情绪量化交易中具有较好的选股作用,验证了多渠道投资者情绪在量化交易策略中的有效性,有助于帮助投资者提升投资交易的收益。