复杂网络是复杂系统的结构化研究工具,是以全局的角度研究整个系统的内部能量的相互作用关系。在股市系统中,利用历史重演性假设,建立可以描述股市系统要素之间关联性的复杂网络,再从系统的角度出发,分析网络的结构、功能特性,是股市系统研究的主要方向之一。论文主要研究两方面内容：一是,从应用出发,研究社团内部影响力关系；二是,分析社团间的演化特性,研究社团与社团间的影响力关系,进而实现对股市系统的趋势预测。具体如下：第一,介绍以相关系数为权值的股票网络的研究现状,分析社团划分算法存在的不足,进而引入偏相关系数的概念,再从应用的角度加入活跃性条件定义影响力计算模型,以此模型得到的影响力为权重值,建立股票网络,并提出BCNHC算法。应用个股数据与板块数据对BCNHC算法进行实验,表明影响力计算模型和算法设计的合理性和有效性。第二,根据社团演化理论研究社团及社团间的影响力关系,进而利用社团间影响力计算模型预测股市趋势。思想是：首先,利用技术指标建立指标间的贝叶斯网络获得当前分时线下的股市趋势,然后,在贝叶斯网络中加入短期分时线的股价趋势建立社团影响力计算模型,用影响力衡量当前分时线的股市趋势,最后,建立各分时线子系统的传动模型预测股市趋势。通过实际数据,对论文提出的算法与模型进行评估。实验表明,只要能够建立比较合理的影响力计算模型,就能较准确的预测走势。