股票市场作为经济的“晴雨表”，其容易受到多个方面的影响。个股的价格波动除了受宏观市场和自身经营状况影响以外，也会受到其他股票的影响，表现为股票市场之间相互牵制又相互促进。可以将股票市场抽象为每个股票节点和基于股票之间相关关系为连边的网络结构图来对整个股票市场内部影响进行分析。
　　复杂网络作为一种对现实世界描述的新思路，用来刻画不同的个体之间错综复杂的关系，从而在庞大而杂乱的关系中找到其演变过程和规律。复杂网络近年来的广泛应用于社交网络、知识图谱、交通网络、经济管理等领域。在股票市场上复杂网络的应用，更多的是集中在网络的统计特征和拓扑结构上面，而对其更进一步的应用研究的文献不多。本文利用沪深300指数的股票日收益率数据构建股票之间的复杂网络，基于网络视角下进行选股策略的研究。
　　传统的股票间的相关系数刻画为皮尔逊相关系数或协整系数等，它只考虑了时间序列数据的同期相关关系。而本文在构建股票网络中使用长期偏相关系数来衡量股票收益率的同期和跨期的相关关系。在求解长期偏相关时，引入了NETS算法将长期偏相关矩阵的求解问题近似转化为多元VAR模型和LASSO回归的系数求解问题。
　　基于复杂网络视角下研究股票市场主要基于以下四个方面进行。第一，研究网络的拓扑性质，发现股票网络存在着小世界性和无标度特性。且网络对蓄意攻击的鲁棒性较弱，而建议政府更加关注网络Hub节点较大的公司的动态来保持整个股市的稳定性。第二，平均来看，高Hub节点的股票收益较低Hub节点的收益高，且对应节点的风险收益比更高。第三，基于复杂网络社团划分理论，利用GN算法对股票市场进行社团划分，将股票划分为4个的团，发现股票网络存在社团结构并与行业具有一定匹配性，且社团划分可以很好的降低风险。第四，选股策略构建。提出了基于股票的度值和介数中心度的贪婪算法进行股票选择，发现贪婪算法很好的分散了选择股票的风险，选择的股票组合的收益较大盘整体收益情况及随机抽取样本的收益都好，表现出较好的收益。