伴随着经济全球化的发展,全球的金融活动联系越来越密切,金融市场的不确定性不断增加,呈现出复杂的发展趋势。作为全球第一发展中国家,中国的金融市场处于重要位置,而股票市场关系到整个金融市场的稳定性。某一个重点行业的波动可能会导致整个市场多个行业间股价波动,产生潜在风险。随着复杂网络理论的发展,基于各行业股价之间波动相关关系来研究股票市场是有效方式,利用最小生成树方法进行的相关研究也越发成熟。本文利用此方法对中国股票市场构建网络,探索股票市场的内在演化规律。使用复杂网络研究关于世界股票市场或者各股指的相关结构和演变有较多文献报导,但少有研究使用基于部分关联网络来做中国股票市场网络拓扑,因此本文基于关联的最小生成树法方法进行中国股票市场网络拓扑研究具有一定的创新性。本文在复杂网络理论的基础上,研究中国股票市场,做了以下工作:1.选取2016年6月到2019年6月我国沪深300指数的262个个股数据,计算得出262只股票3年来的每日股票价格所对应的日收益率序列,在呈现股价波动走势图后进行数据分析。使用皮尔森相关系数度量股票关联性分析股票之间关系,运用最小生成树方法构建三个年份的无向加权网络进行动态演化网络结构,发现中国上市公司股票市场网络存在行业集聚性。2.具体从网络结构的整体特征、节点的中心性两方面对中国上市公司的关联网络结构进行分析,发现（1）整个网络中金融业股票之间的相关性最强,金融业股票在网络中处于核心地位。（2）制造业,能源业和高新技术行业在整个网络中具有比较重要的地位,并且联系密切。制造业和金融业,能源业与金融业股票之间具有较强的相关性。3对网络进行社区划分探索股票市场社区的演化规律后对不同社区的节点地理分布进行统计,发现股票波动存在区域联动性,相关性强的社区内某一只股票发生异常可能引起区域内股票的波动进而影响整个网络的波动,三大城市群中的股票对市场有高影响程度。我国股票市场网络结构与经济发展实际情况中各股票所处的关键地位基本相符。