复杂系统可以通过复杂网络的形式来模拟,其原理是将网络中的对象抽象为节点,对象之间的某种关系作为边,进而分析网络整体或部分的统计特性以探究复杂系统的性质。国际股票市场是一个复杂的系统,各个国家股票指数作为网络中的节点,它们之间的风险影响情况作为边,从而形成复杂网络,通过对网络的拓扑结构的研究来发现国际股票网络的特性和演变规律,进而分析各国在股票市场中的地位和作用。金融风险控制的重点对象是尾部风险,尾部相关性可以研究一个股票市场在发生大涨或大跌等极端情况时,其他国家的股市受其影响的程度。通常,收益率序列具有“尖峰厚尾”的性质,传统的以服从正态分布的相关系数作为风险测度的指标已经不能满足这种特点,存在较大的偏差。本文以国际股票市场为研究对象,将尾部风险纳入到国际股票市场关联网络中:首先,基于原有复杂网络构建过程中相关系数的缺陷,本文考虑将CoVaR模型引入复杂网络中,将尾部风险纳入到网络构建过程;其次,不同于传统的CoVaR方法,本文将CoVaR模型的β系数作为衡量风险边际溢出效应的指标,并将原有二元CoVaR模型拓展到多元CoVaR模型,对于CoVaR模型的估计,本文选取分位数回归的方法,因为不同的分位数水平下可以得到不同状态下的风险关联情况,合理的进行市场状态的划分;同时,考虑到阈值法构建网络时带有主观性的缺陷,本文在多元CoVaR模型加入自适应LASSO正则化进行变量选择,巧妙的避免了复杂网络阈值选择的主观性问题;最后,在实证分析部分,本文构造三种不同的分位数水平下的有向加权网络,分别从微观和宏观的角度分析网络统计特性;构造静态网络以研究其基本拓扑结构,构造动态网络以研究网络结构和性质等随时间的演变过程,并重点探讨了中国股市的国际影响力变化。