2008年美国爆发了全球金融危机,对全球金融市场带来继“大萧条”以来最为严重的世界性灾难。2010年欧洲爆发主权债务危机,不仅对欧洲金融产生巨大的冲击,也对各国经济和全球金融产生了巨大的影响。2015年,沪深300指数在8月底暴跌至3342点,在3个月内暴跌2000点,最终导致千股跌停,称为“中国股灾”。随着世界经济一体化,金融市场的风险日益加剧,危机的爆发也越发频繁,所波及的程度也越来越严重。由于股票市场的危机是由多种因素引起的,对于这些影响股市危机的不确定性因素又很难把握。因此,对股市的危机进行识别是金融领域的一项艰巨任务。已有许多学者应用了各种模型和理论方法对股票市场的危机进行了研究。但在股市极端动荡的情况下,股票市场影响因素更具多样性,传统的理论模型需要进行较大的调整。传统的模型适用于平稳的数据对象,当遇到数据较大的变化时其预测结果准确性低。近年来复杂网络理论的兴起,为我们识别金融危机提供了新的思路。与传统的计量经济学方法不同,复杂网络方法在刻画股票市场内部结构方面具有明显的优势,并对传统线性分析方法的自变量相互独立的假设提出了挑战。本文以沪深A股股票日收盘价作为研究样本,采用相关系数法按年度构建网络,并运用图谱阈值法和平面极大过滤图法对网络进行降噪。利用平均路径长度、拉普拉斯能量、孤立数和边界曲率等网络结构特征指标的变化对次贷危机、欧债危机和中国股灾进行危机识别分析。第一章介绍了本文的研究背景及研究意义,进一步对基于计量经济模型股票市场危机研究和基于复杂网络理论股票市场危机研究的现状进行了综述和评价,最后给出了本文的主要工作和研究框架。第二章首先介绍了复杂网络的基础理论,并介绍了一些典型的复杂网络模型如:小世界网络模型和无标度网络模型等。最后对本文运用到的复杂网络理论的网络结构拓扑指标如:拉普拉斯能量、孤立数和边界曲率等进行了详细的介绍。第三章利用2006至2017年沪深A股股票的日收盘价,基于皮尔逊相关系数的图谱阈值法按年度划分构建无向加权的动态股票关联网络。然后,利用拉普拉斯能量对股票市场危机进行识别分析,研究发现拉普拉斯能量能够准确地检测出次贷危机、欧债危机和中国股灾。最后,通过与常用的特征路径长度、平均聚类系数、平均度、模块性等常用网络特征量比较,我们发现拉普拉斯能量具有较高的准确性、适用性和较短的处理时间。第四章利用2006至2017年沪深A股股票的日收盘价,基于皮尔逊相关系数的平面极大过滤图法按年度划分构建无向加权的动态股票关联网络。首先,利用模块度对网络进行社团划分,进一步利用K-S检验发现网络中大部分社团的度服从幂律分布。其次,利用孤立数分析网络结构的脆弱性,研究发现在危机时期网络结构非常脆弱。最后,利用边界曲率对网络结构进行研究,发现危机期间网络的曲率值会增加,表明危机时期网络的末端联系紧密。