本文基于复杂网络理论,将其与金融分析结合,进一步分析金融市场网络的投资组合模型优化问题。本文基于2014年1月2日至2022年10月17日沪深300指数的收盘价、涨跌幅数据分析,总结了当前国内股市市场整体收益率的分布特征;同时,本文收集了2014年2月11日至2022年10月17日共2115日的沪深300指数中200只股票的日收盘价,基于Pearson相关系数、Spearman秩相关系数、Kendall秩相关系数、Ising秩相关系数构建了多层股票关联网络,从线性相关系数、非线性相关系数、尾部风险相关系数构建不同层次的股票关联网络并进行拓扑结构分析,从网络连接程度、聚集性、网络中心性等角度展开分析;基于已构建的多层次股票关联网络,计算各层网络的局部聚类系数,使用局部聚类系数矩阵替代相关系数矩阵以优化投资组合模型,从而获得不同股票关联层优化后的投资组合模型。根据样本外夏普比率、换手率、年化收益率、日收益率指标,进一步分析优化后的投资组合模型较于优化前的投资组合模型在投资指标上是否有效果提升。基于多层次股票关联网络优化后的投资组合模型相比于传统投资组合模型,考虑了资产之间的复杂关系,可以考虑更多样化的投资目标,不仅能够处理大规模、高维度数据,对于非正态分布的数据、异常值等处理更具有鲁棒性。本文最终得出以下的结论:一,股票时间序列数据一般体现出非平稳且非线性的显著特点;二,不同关联层网络的拓扑结构不同,不同关联层网络优化后的投资组合模型的样本外夏普比率、平均年化收益率表现优于传统的投资组合模型,在牛市阶段网络优化后的投资组合模型可以获得更高的日收益率;三,影响投资组合模型的夏普比率大小的因素主要有选股数量以及持有期与窗口期长度之比,选股数量影响到不同关联层网络优化后的投资组合模型的风险分散和获益能力,持有期长度的增加则主要影响不同关联层网络优化后的投资组合模型的获益能力。