2007年次贷危机的发生,引发了国际资本市场上信贷规模大幅度缩减,进而导致市场流动性下降,阻碍了当时经济的发展。此次危机的发生,引起了各个国家对系统性风险的关注。系统性风险一旦发生就会引起一系列连锁反应,产生难以估计的后果。2017年10月,习总书记在党的十九大报告中多次强调抵御重大风险的发生,将防范和化解重大风险作为三大攻坚战的首要位置。2022年3月李克强总理在政府报告中强调按照稳定大局、统筹协调、分类实施、精准拆弹的基本方针,做好经济金融领域风险处置工作。我国的银行业是金融体系及其重要的组成部分,对我国经济稳定发展起到至关重要的作用。根据中国银行保险监督管理委员会公布数据显示,2021年全年商业银行总资产总负债占银行业金融机构的比例均为83%左右1,因此对商业银行系统性风险进行研究一定程度上可以反映整个银行行业的状况。基于此,本文以我国上市商业银行为重点的研究对象,首先进行理论分析,然后结合相关数据进行定量分析,对上市商业银行系统性风险进行测度,目的是为了研究我国上市商业银行系统性风险的影响因素以及对我国上市商业银行系统性风险预警进行建模分析。本文主要做了以下工作:首先回顾以往学者对银行系统性风险的研究成果,梳理相关文献,其次对商业银行系统性风险的相关概念进行界定,以金融市场体系的脆弱性,资产价格理论,审慎监管理论等理论构建本文的理论基础,再次基于综合指数法来测度我国上市商业银行系统性风险水平,经过处理后作为预警研究的输出变量,最后采用机器学习进行建模,对上市商业银行系统性风险预警进行研究。文章利用2010-2020年我国16家上市商业银行数据,选取合适预警指标,采用计算机仿真模拟法,使用支持向量机对我国上市商业银行系统性风险进行预警建模,最后采用比较分析法,将所得模型的预测正确率与其他方法比较择优。本文主要的出以下结论:（1）上市商业银行系统性风险较高时间段出现在2012年初、2013年第二季度、2015年初、2018第三季度以及2019年末,其余时间皆处于较低水平,这表明我国上市商业银行2010年至2020年较大时间范围内都处于安全状态,但2019年受到新冠疫情的影响,上市商业银行系统性风险有上升的趋势;（2）我国上市商业银行系统性风险受宏观经济层面影响较大,但仍然不可忽视银行自身经营状况因素;（3）基于机器学习的SVM模型相比于Logit模型与BP神经网络模型具有较高的预测正确几率。据此本文针对商业银行、银保监会以及中国人民银行分别提出相关建议:（1）商业银行应定期按时进行银行系统压力测试,制定完善商业银行系统性风险预警模型;（2）商业银行应调整信贷结构、合理配置资源、提高资源使用效率;（3）银保监会应建立整体性监管制度,完善银行体系整体信息;（4）中国人民银行继续保持稳定的货币政策,保障货币供应量,使货币供给与融资规模处于正确的增长区间,为我国创造良好货币政策环境。