传统的金融理论普遍认为，市场是有效的，个体参与者的非理性行为会在长期中相互作用并抵消。然而从市场长期的实际经验来看，情况并非如此。资本市场中频繁地出现了价值效应、规模效应、流动性效应和动量效应等诸多资本资产定价模型(CAPM)难以解释的异常现象。为了解释这些金融异象，学者们在CAPM模型中加入多种风险因子进行修正，形成了FF三因子模型、FFP模型、FFW模型、FFPW模型等资产定价模型。这确实改善了模型的预测效率。但一方面，风险因子的加入并未触及常数形式的贝塔系数，无法动态地反映解释变量的动态权重;另一方面，仍然有一部分的金融异象未被解释。因此学者们在贝塔系数中加入条件信息，贝塔系数由静态变为动态，金融市场异象在条件资产模型中被进一步解释。　　此前的大部分学者在资产定价模型中加入条件信息时，多数仅仅选择了能够描述公司自身特征的变量，如公司规模、账面市值比等，而资产价格除了受到公司本身的基础设施和经营状况等客观事实的影响以外，也应当与宏观经济状况和市场参与者的交易行为相关联，而投资者情绪恰恰可以反映这些信息，因此本文首先构造了投资者情绪指数。为了得到尽可能好的量化结果，本文剔除了不再适用于我国股票市场发展阶段和实际情况的指标，创新性地选择了换手率、成交额、消费者信心指数、市盈率、新发行股票数量、融资融券余额和投资者信心指数这7个更能反映我国股票市场实情的指标，并借鉴了经典的BW指数和CICSI指数的研究方法，对沪深两市的全部A股股票进行实证分析，构造了投资者情绪指数SENT。经Pearson检验和稳健性检验，SENT能够与沪深两市的大盘走势良好拟合。随后在条件资产定价模型的实证研究中，本文仅对CAPM模型和FF三因子模型以两阶段回归框架进行实证分析，除了在贝塔系数中加入公司特征变量以外，还将构造的投资者情绪指数(SENT)加入其中，并得出了以下几点结论:(1)两模型在第一阶段的时间序列回归中都能够较好地拟合股票价格，同时也能够有效解释一部分的金融市场定价异象;(2)两模型都在解释价值效应上表现最为突出，而在动量效应尤其是长期动量效应上解释乏力;(3)两模型都在仅加入投资者情绪(SENT)因素的条件下表现出了最强的解释能力;(4)FF三因子模型在每一种情形下都优于CAPM模型。最后，本文参考实证研究的结果和我国股票市场的现状提出了几点政策建议，希望可以对我国资本定价的有效性和资本市场的快速发展提供参考。