目前,股票市场分析是金融领域研究的热点问题,而股票价格趋势预测作为股票市场分析中一个重要的环节,受到了学者们的广泛关注。近年来,学者们对股票价格趋势预测问题已经进行了大量的研究并取得了丰富的成果。然而,这些研究成果大多都是基于股票的基本面指标和技术指标。这些指标仅仅考虑股票自身历史数据之间的关系,而未考虑其他股票对其价格趋势的影响,乃至股票整体的状态对其价格趋势的影响。目前,复杂网络理论为解决这一问题提供了有效的方法。尽管已有部分学者基于复杂网络理论对股票价格趋势问题开展了研究,但是已有研究大多都是将股票市场当作一个网络来处理,并仅从单一角度来考虑股票价格的波动。然而在投资市场中,股票市场中的关系是复杂的、多层次的,而非单一的。特别地,将股票市场视为网络的同时,各个股票之间的相互影响和股票整体特征也是需要考虑的。因此,本文以复杂网络理论为基础,开展了多层复杂网络视角下的股票价格趋势预测问题的研究。主要研究工作概括如下:（1）本文首先分别构建了 Spearman相关系数网络、灰色关联分析网络和最大信息系数网络。其次,将Spearman相关系数网络和灰色关联分析网络相结合,进而将新的复合网络与最大信息系数网络相结合构建多层股票网络模型。最后,通过实验验证了所提网络模型的有效性。（2）基于研究内容一所构建的多层复杂网络模型,提取多层股票网络的网络指标和节点指标,并应用XGBoost选取得分较高的网络特征。进一步,结合常见的机器学习模型,构建基于多层复杂网络理论与人工智能技术的股票市场价格趋势预测模型。最后,通过实验验证所提出模型的有效性。