随着金融一体化进程的推进,世界各国金融机构通过共同投资、交叉持股等方式建立了高度关联的网络。金融机构间的密切联系一方面使得资产流动性大幅提高和金融创新迅速发展,同时也为危机和风险的传播提供了介质和传染途径,使得系统性金融风险的发生成为可能。防范系统性金融风险,尤其是银行业系统性风险成为目前的研究热点。如何识别系统重要性银行（Domestic Systemically Important Banks,D-SIBs）并对其进行有效监管,是防范系统性金融危机和进行宏观审慎监管的关键和重要着手点。而银行间的同业拆借市场是银行间资产流通的最主要途径,通过研究银行间拆借网络的拓扑结构性质,并在此基础上分析其与系统性风险的关系,可对银行业系统性风险的防范和监管提供建议,维护金融市场的稳定。目前在系统重要性银行评估和金融风险度量方面,绝大多数研究均聚焦于上市银行等国有或大型商业银行,而未考虑数量更多和种类更多的银行,研究主体受限使得研究的可靠性降低。同时虽然学术界关于银行间网络的连通性和集中程度与系统性风险的相关关系研究较多,且用以描述网络特征的指标也较为充分,但关于银行间流动性与系统性风险的相关研究则较少,且没有被广泛认同的衡量银行间流动性的拓扑指标。此外,国内外现有大部分文献均以静态网络结构为基准研究风险传染,同时假设银行的资产负债结构也是固定的,对系统性风险的动态演化和时变性的重要特征并未深入探讨。据此,本文首先基于最小密度法构建了中国银行间拆借网络,并综合考虑基础违约和通过银行间拆借网络形成的传染违约,在银行违约清算支付机制的基础上加入时变因素,构建中国银行业动态系统性风险度量模型。接着综合网络分析法和综合指数法,通过分析网络的节点度和中心性等相关拓扑性质对系统重要性银行和不同类型的重要性银行进行识别和资产损失压力测试。而后定义LMI为度量银行间拆借网络流动性的拓扑指标,通过银行间流动性的不同表现对资产损失的破坏度和敏感度分析,研究银行间流动性的特征及其和系统性风险的关系。基于上述模型构建和实证研究,本文主要得到了以下两方面的结论。第一方面聚焦于不同类型的系统重要性银行识别和资产损失压力测试,结论包括:我国大型银行在同业市场中的资金流出者角色逐渐淡化而资金流入者的角色逐渐加强;综合网络分析法和综合指数法,得到我国D-SIBs和不同类型的重要性银行,其中D-SIBs包括六大行、9家股份商业银行、5家城商行和4家农商行;六大行、股份商业银行和城商行的SIB对系统性风险的影响高于农商行SIB,但综合来看单家系统重要性银行的资产损失比例达到5%-8.2%的情况下就可以引起系统性风险的增加,因此需要格外注意系统重要性银行的风险防范和审慎监管。第二方面聚焦于银行间流动性的特征及对系统性风险的影响,结论包括:2015-2019年银行间拆借网络中,政策性银行、国有大型商业银行和农商行始终处于流动性供给方,城商行始终处于流动性需求方。2019年流动性最充足,2017年流动性最缺乏;银行间流动性倾向性与是否倒闭有关,处于流动性供给侧的银行倾向于不倒闭;各年资产损失度达到0.10的全局冲击均可使得超过95%的银行倒闭,伴随着全局资产损失的提高,银行间流动性也在不断降低;从资产损失对系统性风险的破坏度来看,流动性不足的年份高于流动性充足的年份,流动性供给倾向的银行高于流动性需求倾向的银行。从对资产损失的敏感度来看,流动性不足的年份高于流动性充足的年份,流动性供给倾向的银行低于流动性需求倾向的银行。以上结论可对系统性风险监管、危机应对等提供借鉴。本文的创新点包括三点,第一,采用最小密度法估计中国银行间网络,并综合考虑基础违约和传染违约,在银行违约清算支付机制的基础上加入时变因素,用以描述银行间拆借网络和系统性风险的动态演化过程;第二,从银行间拆借网络的拓扑性质出发估计D-SIBs,同时定义LMI为银行间拆借网络流动性的拓扑指标,进而研究银行间网络的流动性结构特征和系统性风险的关系;第三,收集了2015-2019年中国所有能收集到的182家银行的资产负债相关数据,为中国银行间网络构建、系统重要性银行识别以及银行间流动性与系统性风险的相关关系研究提供更为可靠的数据支撑。