在行为金融学的诸多研究及应用领域中,投资者情绪占据了重要的一角,基于投资者情绪的交易策略受到了广泛的关注。鉴于中国股票市场由散户投资者主导的特性,以上证50指数为代表的中国主要股票指数以及其衍生品价格对于市场上投资者情绪的波动更为敏感。本文旨在建立基于投资者情绪的上证50衍生品交易策略,并以机器学习作为一个创新型工具对该策略进行优化和提升。本文应用了因子分析中的典型方法——主成分分析提取了8个投资者情绪代理变量中的共同信息,由此构建出一个投资者情绪综合指标,并验证了该指标的有效性。随后,分别应用传统的向量自回归模型和机器学习中的NARX神经网络对上证50 ETF和上证50股指期货的价格变动建模,并构建了相应的交易策略。回测结果和稳健性分析显示,基于投资者情绪的交易策略在股票市场呈现非理性和高波动性的时期有着显著超越市场的表现。同时,机器学习方法也被证实相对于传统的计量经济学模型能够更好的对金融数据中的非线性关系进行建模和预测。