行为金融学理论认为,股票市场的价格变动除受宏观基本因素影响外,还在很大程度上受到众多个体投资者或噪音交易者行为左右。为揭示个体投资者行为对股票市场产生的影响,本文以网络数据为切入点,分别从个体投资者情绪和个体投资者关注的角度,实证研究网络数据与股票市场之间存在的密切联系,对股票市场的收益与波动进行预测,主要开展了如下两个方面的研究工作:(1)以个体投资者情绪信息为切入点,检验投资者情绪与股市收益关联关系,评估网络情绪信息价值。使用中文文本情感分析方法从新浪微博文本中提取出网络情绪时间序列,进而分别运用均值Granger因果和分位数Granger因果检验方法,探索网络情绪与股市收益之间是否存在因果关系。对沪深300指数收益进行了实证研究,结果表明:尽管在均值框架下两者之间因果关系并不明显,但基于分位数Granger因果分析却发现两者在极端分位点区间处存在广泛且显著的因果关系,并且股市收益受到网络情绪影响的程度和方式在不同市场阶段下有所不同。这一结果意味着,网络情绪对股市收益存在显著影响,能够预测股市收益的尾部(上尾或下尾)行为特征。(2)以个体投资者关注信息为视角,验证网络搜索数据对股票市场的分析能力,探究网络搜索与宏观金融数据在股市分析中是否具有相互补充的作用。引入GARCH-MIDAS模型,通过建立多个单变量及多变量GARCH-MIDAS模型,分别使用网络搜索数据、宏观经济数据以及混合数据对股票市场波动率进行预测,最后通过量化网络搜索对波动率预测的贡献进一步分析网络搜索数据特性,实证结果表明:网络搜索数据不仅能够用于股市波动率预测,更与宏观经济变量间存在信息互补特性,将网络搜索与宏观经济变量共同用于GARCH-MIDAS模型进行波动率预测能够降低预测误差;在不同市场环境下网络搜索对股票市场的解释能力有所不同,这一结果与网络情绪研究的结论是一致的,说明个体投资者关注和个体投资这情绪具有相似的性质。本文研究实证了网络数据用于股票市场分析的可行性及有效性,为股票市场的理论研究工作提供了新的视角与切入点,网络信息与股票市场间的高度关联性也印证了行为金融学相关理论,为该领域理论的发展提供了有利佐证。本文研究结论为股票市场的定价、收益预测及波动率估计等研究提供了新的研究思路,也为如何从海量网络数据中提取有效信息,以及如何正确使用网络信息提供了实证借鉴。