股票市场本质上是一种复杂系统,股票之间互相影响、互相作用,形成了股票市场的生态和价格演化过程。复杂网络理论作为研究复杂系统的利器,近年来与股票市场的研究相结合也成为了一种新的趋势。学者们进行大量的研究,以期望能够了解股市结构、分析股市风险甚至于判断股市未来变化趋势。已有文献多数基于皮尔逊相关系数构建复杂网络,分析股票复杂网络拓扑结构,而较少运用其他非线性的关系度量方法进行建模,并通过复杂网络中心性理论视角切入分析投资组合。再者,复杂网络理论中的社团检测理论与投资组合有着天然的联系,但是将两者相结合的文献仍然比较缺乏。为此,本文在前人的基础,从以下几个方面展开研究:(1)利用偏相关系数构建股票复杂网络,并从复杂网络中心性理论的视角出发分析偏相关投资组合的股票构成,以此探讨其在风险分散方面的优势。已有文献多数使用皮尔逊相关系数度量股票关联性并构建复杂网络,但该方法是包含市场共同因素对股票间关系影响的,相关研究表明市场共同因素对构建风险分散化投资组合具有负面影响。基于此,首先对移除市场收益因素后的股票收益序列进行偏相关关系建模,构建相应的股票复杂网络、分析复杂网络相关拓扑性质以及构建投资组合。然后结合复杂网络中心性理论即基于四种中心性度量指标分析偏相关投资组合的各类股票投资数量及投资权重。最后实证验证了偏相关投资组合的有效性及其在投资绩效上的比较优势。(2)结合股票量价信息并基于互信息构建股票复杂网络与投资组合,对牛市和熊市的股票网络节点分布进行描述,并结合复杂网络中心性理论分析互信息投资组合的股票构成。已有方法一般仅考虑股票间线性关系且仅使用收益率数据进行建模,而股票市场作为一个非线性复杂系统,使用度量非线性关系的标准化互信息显得更为合适。首先,基于股票收益率与换手率两种股票分析中的重要变量,将其结合到股票关联复杂网络的构建中,得到量价结合的互信息复杂网络。然后分析网络各时期的股票节点的聚集情况,进行相应的描述性分析。紧接着结合复杂网络中心性理论进行分析,研究互信息投资组合稳健性即其组成的合理性。最后通过截面分析、有效前沿分析以及样本外滑动投资期绩效分析验证了互信息投资组合的有效性及其比较优势。(3)结合复杂网络理论中的社团检测算法,对股票协方差矩阵进行分块处理,以此构建网络分块投资组合模型。涉及到复杂网络社团划分与股票市场结合的文献往往仅局限于对各个社团进行描述性分析,较少进一步结合投资组合理论用以实际投资。而复杂网络社团聚集了相关性较高的节点,与投资组合理论的风险分散化特点有着天然的联系。基于此,首先运用两种复杂网络社团检测算法对股票复杂网络进行社团划分,根据划分结果对协方差矩阵进行分块重构,构建融入复杂网络社团检测算法的分块矩阵投资组合模型。然后对股票复杂网络进行社团描述分析及模块度分析。最后通过实验期内截面分析、有效前沿分析等实证验证了网络分块投资组合在风险控制方面的优势。综合来讲,通过结合复杂网络理论与投资组合理论拓展了相关领域的研究思路,且实证结果具有一定的实际意义。