中国股票市场自1990年至今,得到20多年的迅猛发展。但是,由于中国股票市场属于新兴的金融市场,除了受到经济因素的影响,投资者也常常表现出不理性的情绪投资决策,使得股票价格波动剧烈。中国股票市场的不成熟,使得相关的研究显得很有必要性。而且,自21世纪以来中国股票市场经历了多个明显不同的阶段,呈现出很明显的牛熊市状态,很有必要将股票市场划分为鲜明的牛熊市时期,分别研究牛熊市不同时期的股票市场表现。此外,复杂网络作为研究金融股票市场的利器,得到了越来越多学者的使用和肯定。基于此,本文通过建立股票间的关联复杂网络：即最小生成树、分层结构树和最大过滤图,考察牛熊市时期股票市场网络的拓扑结构性质和聚集效应。具体而言：首先选取上证50指成分股的实际股票价格数据,将其划分为不同的牛熊市状态；然后利用DCC-MVGARCH模型计算出动态相关系数,从而分别得到最小生成树、分层结构树和最大过滤图,接着逐一分析最小生成树和最大过滤图两个网络的拓扑结构性质,包括平均路径长度、聚类系数和度等；再后对最大过滤图的聚类效应进行分析；最后对最小生成树和最大过滤图进行方法比较,为监管者和投资者提供相应的决策参考和政策建议。本文通过构建股票市场动态复杂网络,分别研究牛熊市时期股票市场网络的拓扑结构和聚集效应,可为股票投资和风险监管提供有益参考和借鉴。