进入20世纪80年代后，出现了因一个或多个银行出乎预料的风险爆发，而在整个银行体系中所引发“多米诺骨牌效应”的风险大规模的溢出，给整个银行系统带来巨大的损失。而从2007年8月爆发到目前为止尚未平息的次贷危机，可以说将风险溢出带来的损失推上了一个新的高峰。理论和实践表明，在金融市场上，金融机构面临的风险不仅来自于其自身因素的影响，还受其他金融机构风险的冲击，这种机构之间的风险波动传导机制即为风险溢出效应(SpilloverEffect)。随着我国金融市场的逐步开放，尤其是各金融机构之间业务往来规模和频率的逐渐增加，金融机构之间网络结构的日益复杂，难以避免的会出现一家银行面临的风险会通过一定的机制和渠道对其他机构甚至是整个金融体系的风险溢出，而一旦溢出效应累积到一定程度必然会对整个金融系统带来具体损失，因此无论从金融机构自身风险管理，还是从宏观审慎监管框架下的金融机构监管方面来说，对溢出效应的研究都具有重大的理论和实践意义！对于溢出效应测度方面，国内外学者研究较多。度量所采用的方法大都是分位点回归技术，并没有充分考虑到时间序列的特殊性。而从商业银行个体特征出发，寻找溢出效应的影响因素方面的研究目前还较少。因此，本文拟使用GARCH模型度量溢出效应，并使用系统性GMM的动态面板模型对溢出效应的影响因素进行实证研究。第一部分，提出本文所要研究的问题及重要意义，研究目的和范围，指出本文的架构安排和研究方法，以及本文的主要贡献。第二部分，围绕本文的研究主题，对“溢出效应”的国内外相关文献尤其是“溢出效应”机制和渠道的相关理论进行简略的评述，并对溢出效应的测度的VaR(在险价值)方法，网络法（矩阵法）以及在近年开始出现的COVaR（条件在险价值）进行了相关的总结。第三部分主要是对我国商业银行风险溢出的一般性和特殊性进行了分析。第四部分，在充分考虑金融时间序列短期聚集的特殊性以及COVaR方法优点的基础上，提出了应用GARCH模型取代传统的分位数回归模型作为溢出效应度量的方法，并对我国上市商业银行的溢出效应进行了度量。在传统的根据银行资产规模作为判断系统性重要银行的基础上，本文提出可以应用溢出效应的大小作为识别系统性重要银行的指标。第五部分，在控制宏观经济金融变量对溢出效应影响的基础上，本文建立动态面板模型对银行个体特征对风险溢出效应的影响进行了实证研究。实证结果表明,个体商业银行的规模特征、盈利特征和风险特征对银行风险溢出具有显著作用。