随着中国经济的快速发展,股票市场也变得更加复杂化和多元化。考虑到中国股票市场还处于新兴加转轨阶段,股票市场本身的不成熟使得相关性的研究更为必要。网络理论作为一种新兴的研究工具,为研究股票市场提供了一个全新的视角。本文采用三种不同的相关系数定义欧式距离,利用平面最大过滤图算法和滑动窗口技术来构建股票市场动态复杂网络,通过对股市多重相关性网络拓扑性质的分析,研究我国股票市场的动态变化情况,并比较不同相关性网络之间结构特征的区别以及与股票市场实际运行状况之间的联系。同时,根据多重相关性网络中节点的度值选取股票构造股指,比较不同网络生成的股指反映股票市场实际运行状况的区别;根据股票网络的中心性选取股票构造投资组合,比较各种组合投资收益给出投资者建议。通过对股票市场多重相关性网络的研究发现,多重相关性网络具有小世界性和无标度特性。不同相关性网络之间具有很强的相关性,相关系数的变化有着相同的趋势。网络的聚类系数和对数收益率之间存在一定程度的负相关性、平均最短路径和对数收益率之间则具有明显的正相关性。当股票市场处于牛市时,多重相关性网络的度分布可以很好地满足幂律分布,而随着股票市场行情变差,幂律分布拟合开始变差。当股市行情较稳定时,基于Kendall相关系数构建的网络可以更好地反应股票市场的运行状况,而当股市行情发生剧烈波动时,基于Tail相关性构建的网络是一种更好的选择。而基于Pearson相关系数的网络在聚类系数分析时表现出对股票市场整体状态变化的不敏感,整体比较平稳、波动幅度较小,因此不太适合用于股票市场行情变化的预测。此外,本文分析了基于网络模型方法选择股票市场具有较大影响力的股票,进而构造股指研究实际的股市行情,并比较了不同相关性网络之间区别。研究结果表明,用基于Pearson相关系数构建的网络按照大度值法选出的股票,可以更好地反映股票市场的行情。其次,本文分析了根据网络节点中心性大小的方法选取股票确定投资组合,并比较不同投资组合的收益,结果表明处于Pearson相关性网络中心位置股票的投资组合有着更高的预期收益。