复杂网络在近年来成为金融市场的研究热点之一,但大部分集中在研究股票市场关联网络的统计特性和拓扑结构,把复杂网络理论应用在量化选股策略中的文献仍比较少。本文使用复杂网络理论模型对沪深300指数成份股构建了股票价格关联性网络,并进行了聚类分析,利用信息增益熵指标筛选股票,并构造了基于复杂网络分块的均值-方差模型来求解投资组合问题,把复杂网络理论有效的运用在量化选股策略中。研究发现,股票市场是一个复杂网络,用沪深300成份股票构建的关联性网络呈现出树状分布,以中心股票为核心,其他股票围绕中心股票向周围伸展,表明局部区域周围股票和中心股票具有非常强的关联性,说明沪深300的成份股具有很强的局部聚集特性。在2010年1月4日到2016年4月25日期间,对沪深300指数成份股构建复杂网络并进行聚类分析,利用信息增益熵指标筛选出35支股票时,策略组合获得最大收益率201.34%,比基于聚类中心的选股策略组合的收益率163.85%提高了22.88%,大幅跑赢同期沪深300指数的收益率-10.56%。对筛选的股票构建基于复杂网络分块结构的均值-方差模型求解投资组合的最优前沿,解决了协方差矩阵为奇异矩阵的情况,同时大大提高了计算效率。结果表明,当构造8分块结构的协方差矩阵时,可以得到最优的投资组合。本文的研究为量化投资提供了一种崭新的选股方法,这对今后复杂网络在量化选股中的应用有重要的理论和指导意义。