股票市场是投机者和投资者双双活跃的地方,里面蕴含有大量的经济信息。不管是从国家经济发展的角度,还是从管理层进行股票市场管理、监管层进行市场监督以及普通投资者进行投资的角度,股票市场的研究都具有重要的意义。证券网络是研究金融市场标的资产之间相关性的有效工具。用最小生成树的方法来构建证券网络,通过对网络中股票的聚类以及网络拓扑性质的研究,可以有效的了解股票市场局部和整体的性能。但传统线性相关系数不能描述变量间的非线性相关关系和极值状态时的相关性,本文基于Copula理论,通过深证100指数成分股的实证分析说明了该理论方法的有效性。首先,采用线性相关系数Pearson ρ、秩相关系数kendall τ、t-Copula函数表示的kendall τ1、高斯Copula函数表示的kendall τG以及Gumbel Copula函数表示的kendall τGum五种相关测度定义了欧几里德距离。其次,用最小生成树的方法构建了深证100指数成分股静态证券网络,描述了其聚类情况、网络度分布、网络距离和中间中心性情况。最后,基于t-Copula函数表示的kendall τl,利用滑动时间窗口方法,构建了深证100指数成分股的动态变化的股票关联网络并对其进行了分析。研究结果表明,基于t-Copula函数表示的kendall τ1,得到的静态网络结构图聚类效果较好,网络的节点度分布满足幂律分布,且网络中股票与股票之间的联系更紧密,总体整合程度更高。而且还发现,基于t-Copula函数表示的kendall τ1构建的动态网络中无权网络图中平均路径长度和网络直径的波动与指数波动率近似反向吻合；加权网络节点间平均距离与指数近似呈现出背离的动态相关关系,与方差呈现高度的负相关性；网络节点间距离分布呈现出尖峰右偏态分布；与无权动态网络图相比,加权网络图不仅与股指的波动情况有关,还很好的反映了股价的整体走势；网络中心势指数动态变化情况与其波动率基本一致,股票中间中心度随指数的波动而波动,但不同股票变化的程度以及方向有所不同。