股票市场在发展过程中受政治因素、行业因素、自然因素等众多因素的影响,具有高度的敏感性,其诸多因素的影响大都是通过股票市场的波动体现出来.而且股票市场本身是一个不断进化的复杂系统,股市中个体之间关系密切而复杂,且发挥作用大小不同.研究股票市场之间的关联关系和结构特性对加深股票市场的理解有着重要的意义.随着网络科学的发展,利用复杂网络理论研究股票市场的复杂性的工作已得到大量的有价值的成果,但是人们逐渐意识到在股票市场中股票之间的影响关系具有方向性且影响强度具有非对称性,基于上述问题建立有效的指标刻画股票之间的关联关系来构建更加合理的股票网络成为目前学者们关注的重点.同时,不同的股票在股票市场中活跃程度和影响力度都具有异质性,有效地识别出股票网络的重要节点并进行分析,能够对股票市场的控制和管理提供一定的借鉴意义.因此,本文以沪深A股市场股票数据为研究样本,利用格兰杰(Granger)因果检验的方法刻画了股票之间的关联关系,构建了静态有向加权的股票网络,并利用LeaderRank算法进行了重要股票的挖掘和实证分析,进一步为了更好的理解股票网络随时间推移的结构变化过程,本文利用滚动窗口和最小生成树(MST)的方法构建了动态的有向加权股票网络,分析了其网络结构特性的变化趋势和重要股票行业分布的变化趋势,具体内容如下:第一章阐述了股票市场快速发展的过程中出现的一些问题,进而引出本文的研究目标及研究意义.进一步对复杂网络发展历程、重要节点的研究现状以股票网络的研究现状进行了综述和评价,最后给出了论文的主要工作和框架.第二章首先介绍了构建股票网络使用的统计方法,然后了介绍了与本文相关的图论知识,接着给出了复杂网络中网络静态特征的定义,最后详细介绍了挖掘股票重要节点所使用到的算法.第三章主要目的是利用复杂网络分析方法对沪深A股网络中节点进行重要性排序,进而挖掘出重要股票节点和进行分析.首先,基于2006年到2016年沪深A股的股票每日收盘价,运用格兰杰因果关系检验方法来刻画股票之间的相关性,构建了一个有向加权的股票网络.其次,使用特殊阈值的方法对股票网络进行了简化.最后,利用LeaderRank算法挖掘了股票网络中的重要股票.实证研究结果制造业是我国股票市场中最有影响力的行业,且同处于一个社团,具有明显的集聚现象.第四章研究了 2006年到2017年期间的沪深A股票市场动态网络的网络特征和重要节点的变化趋势.首先,利用时间窗口的方法将2006年到2017年期间沪深A股的每日收盘价数据划分为11个时间窗口.其次,利用格兰杰因果检验的方法对每个时间窗口的数据分别构建了股票网络,并利用最小生成树的方法对股票网络进行了简化,得到了 11个不同时间窗的MST股票网络,并分析了其股票特征.接着,利用LeaderRank算法分别挖掘了各个时间窗口的重要节点并进行分析.研究结果表明:(1)该动态的股票网络是一个无标度网络,网络的平均距离在金融危机发生前会有显著的增加,对危机的发生有预警作用;(2)在沪市A股和深市A股两个市场中,制造业都表现出在股市中的地位日益增加,但是金融业和信息技术这两个行业表现的不同,金融业在沪市A股中表现的越来越重要,而信息技术业在深市A股中表现的越来越重要.