2008年由美国次贷危机引发的全球性金融危机,使各国政府和监管当局开始重视金融机构的系统性风险及溢出效应。近年来,我国监管当局也高度重视系统性金融风险,党的十九大报告提出,“要健全金融监管体系,守住不发生系统性金融风险”。从我国金融行业结构来看,银行在金融行业中占据着重要地位,银行的风险状况直接影响我国金融系统的稳定和发展。因此防范系统性金融风险重要的是防范银行业的系统性风险。本文在梳理和分析国内外文献的基础上,从理论和实际两个角度分析银行系统性风险及溢出效应。一方面,本文定性分析银行系统性风险的成因和溢出效应的动态演化机制。本文分析结果表明,银行系统性风险可能是由信息不对称、金融系统脆弱性以及资产价格波动引起的。另一方面,本文定量测度银行的系统性风险以及单个银行与银行业间的风险溢出效应。本文选取在A股上市的14家银行及中证银行指数2014-2020年间日股票收益率数据进行研究。本文首先对收益率数据建立GARCH模型拟合边际分布,再利用Copula函数刻画银行与指数间的相依结构,并根据AIC最小原则选择合适的Copula模型,最后利用分位数回归法度量各个银行的动态Va R及CoVaR,并研究单个银行与整个银行行业的双向风险溢出大小。在实证研究的基础上,本文得出以下主要结论:第一,在样本期内,学生t Copula函数比阿基米德Copula函数能更好地刻画银行与指数间的相依结构,即变量间相依关系更多的表现为厚尾和对称性特征。第二,对单个银行而言,仅考虑极端情形时的损失值Va R会低估银行的风险,应选择CoVaR方法度量银行系统性风险。第三,从风险溢出角度看,当单个银行收益率处于极端损失时,国有银行对银行整体的风险溢出要大于城市商业银行,其中农业银行对银行整体的溢出效应最大。当银行整体处于极端情形时,其对城市商业银行和股份制银行的风险溢出要大于国有银行,其中指数对中信银行的风险溢出最大,南京银行次之。本文在前人研究成果之上,做出以下创新:第一,模型选择方面,本文选择椭圆Copula函数族、阿基米德Copula函数族刻画变量间的相依结构,并根据AIC最小原则选择最优的Copula函数,使模型结果更准确。第二,以往研究通常仅考虑银行对行业整体的风险溢出效应,而本文考虑银行与银行整体间的双向风险溢出效应。第三,本文依据实证研究结果提出,监管机构要根据银行资产和规模建立差别化的风险监管机制。由于研究水平有限,本文还存在以下不足之处:第一,本文未考虑银行与指数间动态的相依结构,已有文献表明利用时变Copula模型可以更好地刻画变量间的相依结构。第二,研究银行系统性风险时最理想的是选取在A股上市的所有银行,但本文因为研究时段等原因,未能将所有银行纳入样本研究范围。