在股票市场的研究中,通过学者们的经济理论分析,可以得出结论,股票市场受到宏观因素、微观因素以及行业因素的影响而时刻发生变化。所以在使用复杂网络对股票市场进行分析时,需要考虑到不同经济环境背景下市场整体的变化趋势。那么,就需要利用动态演化网络的研究方法对不同经济因素影响下的市场进行研究分析。目前关于动态演化网络的研究还在探索阶段,主要是在网络层面对拓扑结构属性进行比较分析。而动态演化过程是网络中节点间连接情况变化的集合,所以不能从单一网络中对动态演化网络中的节点进行研究分析。因此,本文创新地提出将动态演化网络与聚类分析方法进行结合,使用聚类的方法对网络间节点的变化情况进行聚类分析。本文使用中国股票市场中2013年至2015年的交易数据,处理得到924支具有高频交易属性的股票。使用pearson相关系数对股票间的相关性进行定义并构建网络,创新地提出利用假设检验的方法完成网络的简化工作,成功构建了 6个周期下的中国股票市场复杂网络。通过对各周期网络的拓扑结构属性的对比分析,可以得出一些规律:第一,当市场环境较为动荡时,股票间的相关性更趋向于正向强关系,而网络更具有中心性;第二,在市场环境动荡期内,整体走势下跌时这种表现更为明显;第三,在股票市场发生转折性动荡前,股票网络更具有发散性。并在进一步使用聚类分析对股票节点进行研究中,可以发现,中国股票市场的股票主要可以分为三类,分别是稳定型股票,市场上升敏感型股票以及市场下降敏感型股票。