股票市场是一个很庞大的复杂系统,国内股票市场是比较复杂的,交易量和价格不稳定。近些年,股票市场交叉持股、相互投资合作的现象越来越多,这也加大了分析股票的难度。将股票进行聚类,从中发现股票之间的关系,有利于投资者们制定更加科学可靠的投资决策。谱聚类算法是建立在复杂网络理论之上的,其核心是将聚类问题转化为图的最优化问题。与传统的聚类方法相比,谱聚类能用于任意形状的数据且收敛于全局最优点。但该算法的一个缺点是对尺度参数比较敏感,尺度参数的不同,结果就会有很大区别。本文将集成学习和谱聚类结合起来,这样既能克服谱聚类尺度参数的选择问题,又能构造多样的基学习器,使得聚类结果更加稳定可靠。本文应用复杂网络分析上证50股票价格的波动特征,剔除市场因素,通过网络自回归模型构造相似性矩阵,建立复杂网络图。以谱聚类算法为基学习器,巧妙的用投票法进行集成。从聚类结果中,发现了一些传统聚类算法不能发现的内在关系。