金融市场异象的不断涌现说明市场中的投资者并非是绝对理性的,投资者情绪会对他们的行为产生很大影响,最终这种影响又会延伸至整个市场。因此投资者情绪的度量成了关键,而偏最小二乘法能够尽可能地提取与投资者情绪相关的信息,是一种很好的情绪量化方法。随着互联网的普及率越来越高,百度作为我国最大的搜索引擎,全民的观点和情感都可以集中在这里表达,而且它具有数据量大,时效性强,易于获取的特点,因此从百度中提取的数据可以较为全面、真实地反映投资者情绪。此外随着机器学习的兴起,因为其能够自我优化学习,所以这就为股市预测方面的研究提供了新的方法。本文在广泛查阅相关资料数据的基础上首先介绍了投资者情绪和股市预测等相关理论,然后基于中国波动率指数、换手率、腾落指标和上证综指收益率这4个情绪代理变量并通过偏最小二乘法构建了第一个投资者情绪指数;基于百度数据库,选取了关键词分别为“牛市”和“熊市”时的百度指数数据,再借鉴Mao,Scott和Johan的方法构建了第二个投资者情绪指数。最终通过使用BP神经网络,分别构建含有和不含有投资者情绪指数的两个预测模型,对股市数据进行预测,对比有无情绪指数时的预测结果,以此达到研究我国投资者情绪指数构建及其对股市预测效果有着怎样影响的目的。本文通过理论与实证研究发现以下结论。(1)分别基于偏最小二乘法和百度指数数据构建的这两个投资者情绪指数与上证综指之间都存在显著的正相关性,并且前者与上证综指的相关性更强。(2)因为神经网络模型有着根据历史数据自动学习的特点,所以它有着很高的预测精确度,可以有效的预测上证综指收盘价和上证市场成交量。神经网络在股市预测领域是一种十分有效的方法。(3)在BP神经网络中加入投资者情绪指数后整个模型的预测精度显著提高,说明投资者情绪对于我国股市的预测有着积极影响,投资者情绪指数的加入可以使我国股市预测效果变得更好,并且基于偏最小二乘法构建的投资者情绪指数对于我国股市预测精度的提升更大。(4)用深证综指收盘价和深证市场成交量代替上证市场相应数据后依然能够得到相同的研究结果,说明本文的研究结论具有一定的普适性,是比较可靠的,投资者情绪的加入有利于股市预测精度的提升。