股票价格的变化不仅与上市公司的基本面有关,还受其他相关上市公司的影响。正确理解股票间关联程度有利于投资者能够更好的构建投资组合,进行长期投资。最小生成树以简单明了的网络图形象地表示股票间关联程度。目前国内只通过简单相关系数计算股票间距离,构建并研究股票静态最小生成树网络。静态最小生成树不能表示股票间关联程度的变化过程,股票间简单相关系数可能还包含股票大盘指数的影响。本文将静态和动态最小生成树方法相结合,构建A股上海板块股票网络,分析股票聚类结构和网络拓扑性质。　　 论文的主要研究工作有以下三个方面:　　 (1)静态最小生成树网络聚类分析。简单相关系数、偏相关系数和符号时间序列来计算节点间距离,并构建上海板块122只未ST股票的最小生成树网络和分层树。通过比较,基于偏相关系数的最小生成树网络的行业分布特点最明显,聚类效果最好。这也说明了偏相关系数更准确地表示了上海板块股票间的相互影响程度。　　 (2)静态最小生成树网络拓扑性质分析。节点度分布、平均路径长度和聚类系数的检验结果表明,这三种指标对应的最小生成树网络是无标度网络,但不是小世界网络。本文还引进了吸引率和组系数,组系数最高的是金融地产,最低的是原材料;吸引率最高的是工业和可选消费,平均吸引率最高的是信息技术。　　 (3)动态最小生成树网络分析。本文以上海板块中金融地产、信息技术和医药三大行业为研究对象,构建基于股票间偏相关系数的动态最小生成树网络。该动态网络包含六个静态最小生成树,每个最小生成树的时间窗口尺度为两年,两个最小生成树间隔六个月。结果表明随着时间的推移,行业内股票间的联系更加密切,聚类效果增强。