在当前技术高速发展的背景下,以多领域研究为基础的机器学习领域得到了快速的发展,采用机器学习的方法对经济数据进行处理和分析既是当前一个热门的研究问题,也能够为投资行为和监管政策等行为提供一定的参考价值。而随着中国证券行业的高速发展,中国的证券市场成为国民投资十分重要的领域,有越来越多学者围绕着这一投资市场展开研究。因此本研究的主要内容是选取了2015年1月5日至2019年12月29日10个中证行业指数数据,基于贝叶斯网络的思想,采用一种由耦合马尔科夫模型改进而来的动态影响模型,结合网络关系图,探究了10个行业间在牛市、熊市不同时段指数收益率的相互影响关系。研究结果表明,在2015年到2019年中,该模型发现市场之间的相互影响程度比较高,联系比较紧密,通过动态影响指数的变化可以大致判断指数收益率可能的变化情况,并且我们发现不同时段10个行业的指数收益率的相互影响强度不同,比如,在2017年与2019年的上涨行情中,主要消费行业均表现出对其他指数的影响程度比较高,而公用事业、能源行业为主要的影响接受者,在2018年的下跌行情中,原材料与医药行业为市场影响的发出者,而金融地产与能源行业为主要的影响接收者。据此我们建议投资者应当在上涨行情中选择影响发出者的行业,在行情下跌时选择影响接收者的行业。