近年,大量的研究人员主要是通过复杂网络的拓扑结构以及中心性度量的方法来描绘复杂网络中的基本特性。而在网络信息化社会中,复杂网络早已被广泛的利用到各行各业中,其中金融证券市场便是复杂网络的一个重要的讨论方向,使得复杂网络中的链路预测被提升为研究主体。在金融证券市场里股票价格的大幅波动会产生较大的风险。这不仅打破市场带来的均衡价值,甚至可能促使市场机能的彻底丧失。因此本论文将利用相关系数法与阈值法来构建股票网络市场,运用局部结构中心性来分析A股市中潜在影响力的股票,随后结合链路预测中相似性指标来衡量潜在影响力股票在未来相互连接的可能性程度。本论文主要工作是:首先主要是从拓扑结构中心性来衡量节点重要性的影响程度。其中通过比较了局部度量和全局度量的中心值,阐述其优缺点。即本论文将运用局部结构中心法来分析A股市场中股票的影响力,其中它的精确性远远高于局部度量,而计算复杂性远远低于全局度量。其次,收集每日A股股票的收盘价格数据,来做股票价格的对数相关系数计算,从而简单粗略地反映股票之间相关性的强弱。随之引入度量矩阵和阈值法来分析股票网络市场模型,并得出本论文研究股票网络市场模型的阈值为0.89较为合适。通过对阈值取值不同时,分别运用局部结构中心法来分析股票网络市场中潜在影响力的股票。最后,论文主要以股票节点之间的相似性越大连接可能性就越大为研究前提条件,以AUC为评价标准并利用控制变量法来比较局部信息相似性,分析出资源配置(RA)相似性指标为最佳理想的相似性指标。基于RA指标与局部路径相似性指标中网络的动态演化,可知最优相似性指标是在不断的发生变化。研究表明,通过对具体的网络形态利用RA指标与Katz指标来对A股中股票进行数值化分析,A股股票与有色金属类潜在影响力的股票之间可能发生连接性,以此使得投资者达到规避风险效果。