我国股市一直以来被冠以“政策市”、“散户市”的头衔,这样的说法在一定程度上有其合理性,我国市场投资者以散户居多,广大股民接受的投资教育有限,但也不能就此否认股市波动在很大程度上反映了宏观经济运行情况这一事实。实际上,随着学界对股市研究的不断深入,行为金融学认为投资者的情绪影响其交易行为,进而对市场走势造成影响。而传统金融理论认为股价是围绕其内在价值上下波动这一论断依然有其合理性。与此同时越来越多的人意识到投资者情绪和宏观经济波动可能是推动股市波动背后的主要力量。然而,将长、短期波动结合起来考虑缺乏合适的实证方法。基于以上考虑,本文采用了近年来受到广泛关注的GARCH-MIDAS模型作为本文的实证框架,综合考虑股市波动的长短期两个层面的作用机制。同时在投资者情绪代理变量的确定过程中采用了学界常用到的股市换手率作为比较基准,同时笔者尝试通过结合网络爬虫和文本挖掘提高投资者情绪这一短期因素对模型的贡献度,综合运用Python、R语言编程实现网络文本的的信息采集、文本处理、清洗、分词等研究步骤,构建了直接来源于网络文本的投资者情绪指数。通过一系列的理论和实证研究,本文得到如下结论:第一,在波动分为长期与短期两种成分这一认识上,国内外股市波动的表现是一致的:股市波动包含长期成分和短期成两个层面,且宏观经济信息中包含股市波动长期成分的驱动力量。同时,我国股票市场的短期波动成分能通过投资者情绪得到很好的解释。第二,通过网络爬虫和文本挖掘相结合的方式构建情绪指数不失为良策,为后续研究的指标构建极大的拓宽了信息收集渠道。第三,情感词典在情绪指数的构建当中具有不可替代的重要作用。情感词典选词越全面、筛选越具有针对性,最终构建的投资者情绪指数就越具有代表性。特别是涉及到专业领域的情感分析,需要相关领域的丰富语料以及科学合理的情绪指数构建方法。第四,GARCH模型与MIDAS(混频数据抽样)模型结合而构建的GARCH-MIDAS模型能有效拓展模型研究的纵深,同时也能够最大程度上挖掘混频数据的信息,且在我国股市波动成分模型研究中的应用是有效且适用的。