Jegadeesh和Titman（1993）提出的动量策略在美股市场上获得了长期的高额异常回报。事实上,世界范围内的金融市场普遍存在着“动量”效应,这种稳健的盈利惯性也为众多大型个人及机构投资者所利用。然而,动量策略在历史上也出现过崩盘:在经历了两次经济危机（大萧条及次贷危机）的市场衰退后,伴随着高波动率的市场反弹,崩盘也随之发生。投资者情绪包含了投资者对当下市场的态度与对未来趋势的预期,对未来的经济状况有着一定程度的预测能力。本文便是基于投资者情绪的角度,对传统动量策略进行改进,具体研究内容如下:（1）基于投资者情绪的双调整。本文沿用Jegadeesh和Titman（1993）的思路构建基准动量策略,使用美国股票市场数据进行回测,得到了基准动量策略回报序列。接着,在每一期基于历史情绪的经验分布与各月的情绪值进行对比,逐月确定为高情绪、中情绪和低情绪。将情绪状态视为信号,提出双调整动量策略,对基准动量策略的投资规模进行缩放:在低情绪状态下,利用实现波动率来控制投资规模,规避崩盘风险;在中情绪状态下,以经验夏普比率为基础扩大投资规模,放大动量效应;在高情绪状态下,同样使用经验夏普比率来提升动量回报,同时利用实现波动率来规避经济过热可能带来的剧烈波动。双调整动量策略的事前估计特性保证了其能被投资者所利用。（2）情绪状态对动量策略的影响研究。本文采用Baker和Wurgler（2006）建立的BW指数作为情绪代理指标,随后将动量回报对情绪状态（预转换为哑变量）进行回归。回归结果表明:处于高情绪与中情绪状态下,动量策略有着显著的正向回报,且在中情绪状态下,动量效应最为强劲;而在低情绪状态下,动量回报非常低且在统计学上不显著。本文进一步分析了低情绪状态下动量回报的分布情况,发现负偏度和正峰度造成的巨大尾部风险是造成动量失灵的主要原因。（3）实现波动率对动量策略的预测能力研究。本文以日度动量回报计算得到动量回报的月度实现波动率,绘制的基准动量策略全样本实现波动率曲线呈现出明显的异方差性与高波动率聚集特征。将实现波动率与不同情绪下的动量回报进行回归,本文发现其在高情绪状态和低情绪状态下对动量回报显著负相关,有着良好的预测能力。同时,实现波动率的AR（1）模型回归结果证明了其具有高度自相关性。（4）双调整动量策略的实证研究。投资者情绪与动量回报的预测能力为双调整动量策略的优秀表现奠定了基础。经过本文实证检验,经改进后的动量策略不仅成功规避了动量崩盘,且成功提高了策略回报的夏普比率。经过Fama三因子调整后的超额回报显著高于基准策略水平。在稳健性检验中,不论是替换情绪指标还是采用不同的情绪状态设定阈值甚至使用其他动量策略,本文的改进方案均有着优秀的表现,可以作为在美股市场的投资者的策略参考。