金融时间序列的自相关性和金融变量间的交互相关性的存在是市场动力学的重要特征之一。为研究中国股市主板、中小板及创业板市场收益率交互相关行为,以上交所、深交所、中小板以及创业板股票为研究对象,并基于5min高频数据,利用随机矩阵和复杂网络理论方法对中国股市交互相关性进行分析,主要做了以下工作:　　 通过计算各板块样本股的Pearson交互相关系数,发现相关系数分布呈不对称的非正态分布,且中小板股票间的相关性弱于沪深主板股票,创业板股票间的相关性强于中小板股票。同时发现降趋可以增强股票间的交互相关性。通过研究Pearson交互相关系数时变分布,发现当相关系数的均值达到顶峰时,股指刚好分别下跌至各时段的低点,此现象表明股票在下跌过程中有较强的同步性。通过对Pearson交互相关矩阵和σ交互相关矩阵特征值的研究,发现绝大部分特征值落在理论特征值范围内,只有少部分特征值偏离理论特征值范围。同时发现经过降趋后,市场的信号增强。　　 以中国股市215只上交所,89只中小板和55只创业板股票为网络节点,以各板块股票的对数收益率来计算各板块的相关系数矩阵。通过阈值法构建中国股市主板、中小板及创业板股票网络,对其进行小世界性和无标度性分析,研究表明基于5min高频数据的中国股市网络具有典型的小世界网络特征,而不具有无标度性。基于样本股相关系数构建股票网络,应用聚类分析的方法对中小板和创业板样本股网络进行板块划分。研究发现各板块中样本股无明显的行业效应和地域效应,此外各板块内的股票在平均收益率和波动率方面有一些共同的特征。　　 利用中国股市三板块股票的交互相关系数构建的矩阵,通过研究其反比参与率,以及其特征向量的分量大小和节点股票对整个板块股票网络的贡献,向投资者给出科学性建议。