近些年来，随着中国经济的飞速增长，金融市场也得到了快速的进步和提高。金融业在我国国民经济中的重要地位愈发凸显，极大的影响着经济和社会的稳定。因此，运用科学合理的方式认识股票市场的特征对于分散风险、及时发现风险并尽可能规避风险有重要的意义。我国传统计量学方法在收益预测上面已经有了很大的成就，但对于金融系统这个非线性系统，还可以从一些新的角度新的方法进行研究学习，弥补传统方法的不足。本文即基于此考虑，将无须构建模型和任何假设的符号时间序列分析方法引入金融市场中，试图对股票收益和网络结构进行分析研究。
　　本文首先介绍了文章的研究背景、研究意义，并对文中应用到的研究方法、理论基础、结构框架等进行了简单的描述，随后提出了创新点所在。第一章主要是理论探讨部分，包括时间序列符号化的过程、序列间差异性描述所用到的欧几里得范数等。随后介绍了最小生成树以及分层树方法。第二章主要对金融市场收益特征及聚类特征进行实证分析。首先将上证综指、深证成指、上证工业股、商业股、地产股和公用事业股指数6个指数收益序列符号化，得出了其收益水平的主要变化模式，并依据相关统计量进行了序列间的差异性分析，随后基于主要变化模式对收益区间进行了预测分析。最后对上证180指数成分股进行网络结构分析，得出最小生成树和分层树，分析标的股票间的聚集效应，得到标的股票的分类聚集信息。第三章提出了基于序列比对的收益预测方法。通过利用生物DNA学中的基因配对方法，得到可用于进行预测的基础收益序列，通过动态规划算法预测未来收益值，并计算平均绝对百分比误差(MAPE)值来评估预测效果如何，证明了该方法的可行性。随后分别对上证综指采取静态法和动态法进行符号化处理，并将结果进行对比，得出最优方法。
　　通过对金融收益特征分析，所研究的上证综指等收益序列的收益水平的变化模式主要为连续四个交易日为中等收益以及连续四个交易日为中等收益、中等收益、低收益、高收益；且通过分析各指数间的差异性得出，上证工业股指数与房地产股指数相关性比较小，两者的收益差异性较大，上证房地产股指数与公用事业股指数相关性较大，其收益差异最小。而细分到单个成分股可以看出，所研究的成分股之间呈现出同行业聚类、同区域聚类、合作型分布聚类以及同股东分布聚类等特点，即股价相关性较大，这对于投资者分散风险有很强的指导意义。在基于序列比对的收益预测中， MAPE值均小于0.1，表明序列比对方法预测效果较好。通过对动态法与静态法得出的预测精度对比发现，动态的符号化方法要优于静态法，与其他学者研究结果一致。