金融系统是一种典型的具有非线性特征的复杂系统,利用复杂系统理论、应用数学、统计物理、非线性科学等方法研究金融系统的物理规律已经逐渐发展成为一个热门方向,被称为金融物理学。自21世纪以来,中国的金融系统遭受过多次强烈冲击,如金融危机、新冠肺炎疫情。由于金融市场日益庞大、日益复杂,主流经济模型难以描述金融系统风险,这给风险识别和控制带来了诸多挑战。因此,如何有效识别和预警金融系统风险成为了研究者关注的焦点。本文利用信息论与复杂系统理论相关方法,研究不同风险程度下的金融市场的信息流和结构演化规律,挖掘能有效表征金融系统风险的结构指标,主要的研究内容为:以2008年全球金融危机为背景,基于转移熵处理中国沪市A股的1分钟高频收益数据,通过阈值法构建726个信息流网络,利用复杂系统理论对处于不同危机阶段的网络展开风险分析。研究发现:（1）转移熵测度的股票分钟高频数据之间的信息流能够有效反映出股票市场的信息交互和金融市场风险变化情况。从每个交易日的股市行情来看,股价下跌产生的信息流更大;从整个金融危机周期来看,大跌期产生的信息流更大。（2）从网络结构特征角度来看,大跌期的网络聚类系数、网络结构熵等拓扑结构参数更高,网络中具有明显的重要节点。（3）从基于股票网络粗粒化的行业网络特征来看,股市倾向于围绕部分行业进行信息交互,这些核心行业主要涉及衣食住行方面,并且行业网络的抗风险能力在逐渐提升。以2020年新冠肺炎疫情席卷全球为背景,利用滑动窗口法和转移熵处理中国沪市A股日收益数据,用互信息定量地测度股票产生的信息流与新增病例人数之间的相关性,然后构建最大生成树网络,并对疫情各阶段的网络展开风险分析,主要的研究结果为:（1）新冠肺炎疫情对金融市场的影响主要呈现在疫情刚开始爆发的阶段,股票市场的信息流在短时间内迅速增加,股票入信息流对疫情发展阶段的变化更敏感。（2）从网络的拓扑结构上来看,在疫情严重期以及股市行情变化初期,金融系统风险的传染效率较高、传染速度较快。（3）股票市场的行业结构聚集性容易受政策影响,在疫情严重期,医药生物等行业的股票聚集性比其他几个阶段明显。（4）在疫情严重期,股票市场的抗随机攻击能力更强,但是抗蓄意攻击的能力减弱。