随着互联网金融的快速发展,全球金融市场联系更加紧密,全球股票市场错综复杂,是典型的复杂系统,复杂网络是研究复杂系统的强有力工具,是对复杂系统的高度抽象。由美国次贷危机引发的全球金融危机导致全球股票指数大量集体暴跌,对世界经济产生了重要影响,由此可见对于全球股票市场的研究是重要而紧迫的。本文以金融危机及其前后时期全球主要国家股票指数数据为研究对象,以全球股票指数之间的价格波动及相互关联为基本依据,充分借助复杂网络在系统建模、内在机制探索和系统演化方面的独特优势,基于复杂网络对全球股票指数进行了网络化建模与结构分析,主要完成了以下工作:(1)针对目前对金融危机及其前后时期全球股票市场网络化建模不充分,从满足全面分析全球主要国家股票市场的角度,以公开的股票指数数据为对象,将单支股票指数视为网络节点,将指数之间的相关程度为连边,采用相关系数阈值方法构建了金融危机前、中、后三个时期的全球股票指数网络模型,实验表明:与已有的模型相比,建立的网络模型更具合理性和通用性。(2)针对已有的局部相似性链路预测算法存在预测结果偏差较大且适用性不强问题,从充分利用网络局部信息的角度,论文提出了一种基于组合信息的链路预测算法—组合指标CI(Combining Index),实验结果表明:与已有的10种局部相似性指标相比,该算法预测精确度高,且普适性较强。同时针对链路预测算法评价指标仅仅从精确度方面进行评价的片面性问题,从全面而科学的评价算法角度,论文提出了一种改进的评价指标—效率指标AEI(Actual Efficiency Index),即在考虑精确度的同时引入时间因素,仿真对比实验表明,CN(Common Neighbours)指标AEI值较高,恰与实际应用中该算法效果较好相吻合,验证了AEI指标的科学性与有效性。(3)针对目前对金融危机及其前后时期全球股票市场网络化分析不够全面的问题,从进一步把握该时期市场规律及演化机制的角度,采用了四种复杂网络分析的关键技术进行了比较全面的分析,首先采用了可视化技术对建模后的网络进行了可视化显示;其次对网络的节点度、平均路径长度、聚集系数、平均邻居数与网络密度、小世界特性等网络拓扑特性进行了分析;再次对构建的三种网络的模体进行了发掘;最后运用链路预测方法与提出的CI指标对金融危机时期的网络演化进行了分析。综合的实验结果表明:采用以上方法能够更好的发掘该时期的全球股票市场特点,对于更好的把握股票市场规律具有重要的现实意义。