投资要点:
　　西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。在今天，西学东渐仍有其重要意义。由于Al的发展，单篇文献翻译的价值和难度已经大幅降低。为此，我们转化呈现形式，通过文献综述的方式为大家呈现海外资产定价与量化投资领域的最新研究成果，进而最大化地提供研究增量。本篇聚焦的主题是投资者情绪指标的构建与应用。
　　投资者情绪是行为金融进入资产定价研究的核心变量。传统资产定价理论强调价格对基本面信息的反映，但大量市场异象表明，投资者的过度乐观、恐慌、有限注意力和异质信念可能导致资产价格偏离基本面。投资者情绪研究的价值并不在于笼统地证明市场“非理性”，而在于解释情绪如何通过噪声交易、有限套利、卖空约束和散户交易进入价格形成过程。
　　投资者情绪研究的首要难题是测度。情绪本身不可直接观测，因此文献的核心任务是将其转化为可计算、可比较、可用于预测的指标。现有测度方法大致经历了从调查指标、市场交易代理变量、PCA综合指数，到PLS、scaled PCA、k-step PLS等监督式降维方法，再到文本情绪、搜索指数、社交媒体情绪和大语言模型情绪指标的演进。
　　投资者情绪可以预测收益率，但预测方向和作用对象具有条件性。大量文献表明，情绪高涨往往伴随资产高估和后续收益回落，情绪低迷则可能对应更高的未来风险补偿。该效应通常在难估值、难套利、高波动、小市值、散户交易活跃的股票中更明显。Song and Yu (2022）的k-step PLS论文将这一问题推进到中国A股市场，说明多层情绪指数在市场收益和横截面组合收益中均具有预测能力。
　　投资者情绪不仅影响收益，也影响波动率、流动性和风险状态。近年研究开始将情绪变量从收益预测拓展至风险管理领域。Gong et al.(2022）和Song et al.(2023)均围绕中国市场检验投资者情绪对已实现波动率的预测能力,其中Song et al.(2023)使用scaled PCA构造情绪指标，强调目标导向型降维在波动率预测中的价值。中国市场为投资者情绪研究提供了特殊场景。A股市场个人投资者参与度较高，市场换手较活跃，IPO热度、新增开户数、股吧文本、百度搜索指数和资金流等本土化数据能够更直接地刻画投资者行为。海外文献提供了理论和方法框架，而中国市场则为检验情绪测度、收益预测和波动率预测提供了更鲜明的行为金融场景。
　　未来方向是“多源情绪+监督式降维+AI语义理解+风险管理应用”。一方面，社交媒体、新闻、搜索和交易数据能够共同刻画投资者预期与注意力;另一方面,PLS.scaledPCA、k-step PLS与大语言模型等方法将推动情绪指标从描述性变量转向目标导向型状态变量。
　　风险提示:文献结论外推至A股存在市场制度、投资者结构与数据口径差异;投资者情绪指标构造依赖代理变量选择和模型设定，存在测度误差;文本情绪和机器学习模型可能存在过拟合、样本外失效和可解释性不足风险;历史预测关系不代表未来持续有效;交易成本、流动性和容量约束可能侵蚀策略收益。