本文采用了复杂网络的理论,对个体投资者的投资行为研究。本文的研究属于行为金融领域,但是在研究方法上有所突破。本文主要研究投资者行为,在研究投资者行为的时候采用了复杂网络的方法,将所有的个体交易者简化为网络中的一个个节点,投资者之间的行为连接组成了整个网络。从网络整体的角度探究该网络的物理拓扑性质,聚类系数、度分布、平均路径长度和介数等指标,也结合金融理论站在整个网络的框架,对整个网络进行分析。同时采用最小生成树算法将整个投资者网络简单化,标出来所有最有价值的连街边。又根据投资者交易行为的相似性关系,将网络中的投资者划分为不同的群组,研究群组之间的差异,每个群组在投资方向和交易行为中确实有一定的差异。经过研究后得出群组内的投资者投资组合的相似性越高,投资者的交易行为相似性越高。为了验证这一观点的正确性,对一段时间后的投资者进行分组,探究有多少投资者保持了原来的投资特点。本文的研究意义在于能够迅速识别出投资者网络中重要的节点,并时刻关注重要节点投资行为。同时将网络中的投资者分为不同的类别,明确区分不同类别的投资者行为的差异。识别投资者所属类别,加强群组内不投资者的沟通与交流,方便投资者探讨。