随着资本证券化进程加快以及互联网日新月异的发展推动金融创新改革持续进行等因素影响,金融证券市场的发展更为迅速,越来越多的投资者积极入市加入到金融市场的运行过程中。对金融现象和统计特征的研究成为了解市场内在形成机制和运行规律的重要手段和方法。市场参与者彼此间的相互作用是造成金融市场价格波动的重要因素之一,基于这一因素,随机交互粒子模型作为统计物理学中重要的模型,在对金融市场微观结构的研究这一课题已经得到业内的广泛认可。本文我们主要通过对粒子模型Ising模型及其多粒子状态下的Potts模型进行建模,建立金融价格模型来了解价格形成及影响机制。而后,通过Matlab对模型进行数值模拟,得到不同参数下的价格序列及收益率序列,为后面的统计分析工作做准备。针对Ising模型和Potts模型建立的价格模型分别模拟出的收益率时间序列,分别采用了经验模态分解法得到本征模函数序列,采用持续性分析的转化手段得到波动持续性序列。后面的统计分析工作采用了目前较为热门的图理论分析方法,将金融时间序列转化成复杂网络,用顶点度的角度进行分析,诸如顶点度分布、同配混合模式、层次性性质等均在本文中进行使用。本文中,我们选取了恒生指数、上证综指和深证成指的部分实证序列做了详细的对比统计分析工作,以此来验证随机交互粒子系统在金融价格模型构造上的合理性。