股票市场已成为我国经济的重要组成部分,股票投资活动也会对国家、公司和个人产生重大影响,因此对股票市场的研究越来越受到学者们的重视和欢迎。政治,经济,市场,技术,投资者行为等因素都会对股票价格产生影响,所以其价格的形成机制颇为复杂。复杂网络的拓扑性质能对股票市场的各种现象和行为给出很好的解释。这使得复杂网络理论成为研究股票市场内在结构的重要工具。而社会网络分析方法是研究网络中的单位及它们之间相互关系的重要工具。将股票网络看作社会网络,从而研究探索股票之间的互动和相互影响,获取对股票市场的定量分析和理性认识,这是本文研究的重点所在。首先,本文以沪深300指数的成分股票为研究对象,获取了其在2014年1月至2015年12月的收盘价格,然后计算股票之间的相关系数,并据此构建股票网络。然后采用阈值法对股票网络进行了简化,只保留网络中相关系数大于阈值的边。然后,对股票网络进行了复杂网络研究,包括小世界性、集聚性和无标度特性。研究发现,随着阈值的增大,股票网络的规模越来越小,网络的度分布近似于直线,这说明了股票市场网络确实符合幂律分布,因此可以通过观察少数重要股票的走势来衡量股票市场的总体水平。其次,对股票网络进行了社会网络分析,包括中心性、凝聚子群、组件、派系等。其中对中心性的研究占用了较大篇幅。对Freeman的三种中心度算法——度数中心度、接近中心度、中间中心度进行了介绍,并加入了一种同时考虑连接数量和连接强度的中心度算法。通过对这四种算法表现的评价,得出了其中表现最好的算法。最后,将该种算法应用于优势股票的探索中,拥有大的中心度的股票即为股票网络中的重要股票,本文将优势股票的走势和整个股票市场的走势进行了对比,发现它们的走势相当接近,从而验证了本文所采用方法的合理性。