自1967年Milgram提出的“六度分离”理论到2011年Facebook上两用户间的平均距离仅为4.74,人们生活在一个十分复杂且快速变化的复杂关系网中。伴随着互联网的高速发展,网络的规模和复杂程度也在极速增加,世界的相互联系也愈发紧密,1997年由泰国货币政策导致的泰铢波动,在短短几个月就演变为全亚洲的金融危机,10年后的美国的次贷危机也最终席卷全球演变为全球金融危机。在当下的信息时代,对脆弱且复杂的网络的研究越发迫在眉睫,面临的挑战也异常艰巨。本文首先引入ER随机模型、指数增长模型、BA无标度随机网络模型等的构造算法,推导出随机模型的平均度、度分布函数等物理量的演化过程及其性质,可得:在无优先性随机网络的演化中,其度分布函数为指数分布;在线性优先性连接网络中,平均度k(s)(?)s-β,度分布函数P(k) (?)k-γ,服从幂律分布,是典型的无标度网络,且有β(γ- 1) = 1;如在B-A随机网络模型中,γ = 3,β = 1/2。而后进行计算机仿真模拟,结果表明仿真的随机网络尺寸越大,拟合误差越小。近年来利用复杂性物理科学的方法研究经济与金融市场备受关注,本文通过金融市场中的自组织临界现象尝试着呈现金融市场的价格动力学。本文将投资者分为经典的投资者(fundamentalist)、数据分析者(chartists)和随机购买者(random traders)这3种不同的人群,并引入全球金融市场的大背景扰动和投资者身边邻居的作用这两类信息量的作用,当某投资者的信息量累积达到某一临界阂值后他将会影响周围邻居投资者的投资行为从而形成雪崩效应,以此构造出金融市场的自组织临界网络模型。在市场人群中本文首先只考虑经典投资人群和数据分析人群而不考虑随机购买者的存在,即CF模型,仿真得到商品价格时间序列、标准化收益率时间序列并统计标准化收益率的度分布函数,而后与实际的金融市场股价进行对比分析,得CF模型为明显的胖尾分布(Fat tails distribution),这与实际的金融市场的特征相符。然后通过调节经典投资人群和数据分析人群的比例来改变市场人群结构,发现这两类人群的比列以及随机网络的尺寸大小对模型的胖尾分布影响甚微,即金融市场主要是受信息的影响,对信息的传播特别敏感。因此金融市场一定要做好信息的管控,确保信息的正确性与保密性。泄密和发布虚假信息对脆弱的金融市场扰乱极大,因此可建议政府为稳定金融市场可加强信息公开的不透明度。最后,加入随机购买人群,发现只需极少的随机购买人群就对市场的价格时间序列影响甚大,随机购买人群只从1%到5%的改变,其对市场的影响就十分巨大,标准化收益率迅速趋于平稳不再表现出波动特性和胖尾分布。可见随机购买人群对金融市场的影响是十分显著的,即金融市场具有很强的人为特性,跟风效应和偶像崇拜现象明显,建议政府在非常时期可增加少量的随机购买者,或者对影响范围大的企业和个人进行特别保护,以稳定金融市场。