作为一门新兴科学，近年来，关于复杂网络的研究已经越来越深入，其应用也越来越广泛。在很多领域，包括因特网、生物信息学、社会学等方面，人们都开始利用复杂网络来进行一些新的研究。而金融物理模型因为其特有的复杂性也一直是物理学家们关注的焦点所在。其中，少数者博弈模型是一个简单而又内涵深刻的金融博弈模型，已被越来越多的研究人员接受，成为目前金融复杂性研究的热点之一。 本文则是将两者结合在一起，利用复杂网络建立股票市场中股民之间的相互关系，在此之上，采用一定的规则，建立股民在同时接收来自邻居股民的局域信息以及来自股市的全局信息的情况下，做出买卖股票的选择的一种股市模型；研究了不同的网络拓扑结构对于系统动力学行为(包括系统收益及个体成功率)的影响；并在模型中引入价格定义，产生股价序列。数值模拟结果显示，系统总收益与网络拓扑结构及记忆长度m有关，且由于局域信息的加入，经纪人之间的协作比基本MG模型的经纪人之间协作明显提高，系统收益也明显增加；而个体成功率则与节点的度存在一定的正相关性，节点的度越大，个体成功率越高，反之越小。结果表明，在真实的金融市场中，局域的信息传输与经纪人之间的博弈竞争，可以提高社群整体的协作性，对于整个社会的获益优化是有利的。