复杂网络理论可用来描述大多数含有相互作用的系统，这种描述方法已被广泛应用于各种实际问题的研究。应用复杂网络理论研究股票市场价格变动的相关性，从拓扑角度研究金融市场中股价联动的统计性质，可对抑制风险在金融网络中的传播提出建设性意见。
　　本文使用复杂网络模型对沪深指数二级行业分类下的274只成分股构建了相关性网络，分别采取了拓扑过滤法与阈值过滤法对网络中的冗余信息进行了剔除，而后通过对过滤所得子图的统计性质进行描绘、使用聚类算法对网络的社团结构进行分析，归纳总结了我国股票市场网络的结构特征。
　　实证结果表明:使用拓扑法过滤所得子图的的度分布较为稳定，近似服从于幂律分布;使用阈值法过滤所得子图的度分布较不稳定，且所选各股在每年阈值过滤图中的节点度随时间经历着周期往复的变化，以大约四年为一周期在某一水平附近来回波动。针对较长时间尺度上金融风险传导机制的研究，阈值过滤法更为准确;而在较短时间尺度上，拓扑过滤法的敏感性更高。使用聚类算法对过滤后的股票网络图做进一步分析，在所得到的股票划分结果中，股票集团的规模具有明显的幂律特征，且随着时间的发展越来越明显，这进一步强调了寻找关键节点对于股票市场网络中金融风险防控的重要性。
　　基于以上实证研究结果，在长期股票市场分析上，运用阈值过滤法对网络模型进行处理，确定经济周期，扩大上升周期，缩短下降周期;在短期股票市场分析上，运用拓扑过滤法做处理，寻找股票关联网络中的“关键节点”并予以保护和支持，在一定程度上对于减轻股灾带来的损失、甚至从某种程度上预测股灾，都可提出建设性意见与建议。