随着各类金融工具和交易模式创新呈现“井喷”态势,也给证券市场异常交易监管带来了巨大挑战。科学的监管措施可以有效克制证券市场不足,保护投资者的合法利益,保障证券市场平稳和透明,提高交易效率和证券创新能力,降低风险。如何发现和识别市场短线交易者联合起来进行股价操纵,或是为了躲避监管而进行分仓的行为,是市场监管依旧面临的问题之一。龙虎榜是沪深股票交易市场每日公布的当日涨跌幅、换手率等由大到小的排名榜单,通过该数据能够了解当日异动个股的资金进出情况和营业部上榜情况。通过对龙虎榜数据的提取和分析,建立相关的社会网络,使用Louvain算法进行社区发现和可视化,能够将重要的营业部划分到不同社区,并从中发现他们潜在的联系和异常情况。本文结合监管的处罚实例,对研究方法的可行性和有效性进行了证明。本论文主共分五章,第一章概述了文章的研究背景、研究目的和意义以及研究方法。第二章说明了复杂关系网络和社区发现的概念,以及常用的复杂关系网络的社区发现算法和可视化工具。第三章从数据来源、数据获取和数据统计分析的整个周期作了阐述。第四章详细介绍了网络构建和社区发现的设计实现,以及相关技术过程和思路,并对监管实例进行分析。最后结合数据,对当前证券市场异常交易的监管政策进行了解读,并提出了监管对策和建议。在文章的最后,对全文内容进行了概括总结,并对可能的改进方向进行阐述。