Los datos de series temporales multivariantes, que comprenden un conjunto de observaciones ordenadas para múltiples variables, se generan de manera generalizada en condiciones climáticas, tráfico, acciones financieras, etc. Por lo tanto, es de gran importancia analizar la correlación entre múltiples series temporales. Las acciones financieras generan una cantidad significativa de datos de series temporales multivariantes que se pueden utilizar para construir redes que reflejen el comportamiento del mercado. Sin embargo, las redes complejas comerciales tradicionales no pueden aprovechar completamente los múltiples atributos de las acciones y las relaciones de filtrado redundantes, y no revelan un mercado de acciones financieras más auténtico. Proponemos una similitud de fusión de múltiples series temporales y construimos una red de umbral con similitud. Además, definimos la eficiencia de conectividad para elegir el mejor umbral, estableciendo una red de alta eficiencia de conectividad con el umbral óptimo de la red. Al buscar el nodo central en la red de umbral, hemos encontrado que los nodos centrales de la red construidos por nuestro método propuesto tienen una cobertura industrial más completa que las técnicas tradicionales para construir los sistemas, y esto también prueba la superioridad de este método.