随着近年来金融自由化和金融创新全球化,金融机构之间的联系日益紧密,然而高度的关联性在促进资本自由流动的同时也增强了整个金融系统的脆弱性。此外,近年来频发的系统性金融事件也对金融机构和监管部门提出了更高的要求,如何有效应对系统性风险已成为当前亟待解决的问题。从“太大而不能倒”到“太关联而不能倒”,关联性对于系统性风险管理的意义愈发重要。因此准确度量金融机构关联性,对于科学防控系统性风险、维护金融系统安全具有重大意义。为了准确描述和刻画金融机构关联性及其动态演化过程,本文基于广义方差分解框架、LASSO-VAR技术和阈值法构建了多层信息溢出网络模型,综合考虑金融机构均值溢出效应、波动溢出效应和极端风险效应。以我国30家金融机构为研究对象,构建静态和动态多层信息溢出网络,并分别从系统层面和机构层面分析金融机构关联性演化特征。研究发现:各信息溢出层间仅表现出微弱正相关,不同的信息溢出层提供了有关金融机构关联性的互补信息。其次,在系统性金融事件发生前,波动溢出层和极端风险溢出层的平均溢出强度会显著上升,故该指标可为防范系统性风险提供预警。再者,从总体上看,银行（国有银行除外）比证券公司和保险公司贡献了更多的信息溢出,其中股份制商业银行贡献最多,这一结论有助于监管者识别风险传染中心。最后,不同金融部门的风险传递依赖于不同的传染渠道,准确识别其传染渠道有助于监管者制定差异化的监管政策。本文提出的多层信息溢出网络模型为度量金融机构关联性提供了新的视角和思路,弥补了传统相关性测度在关联性度量方面的不足。同时,采用多层网络理论来研究金融系统的信息溢出效应,可以系统性地分析金融市场中多形态化的交互行为,更符合金融市场的运行规律,也弥补了传统信息溢出研究的单一性。此外,本文的研究发现进一步揭示了中国金融机构关联性演变行为和特征,监管者和投资者可以依据这些研究启示预判未来系统性风险水平,对金融市场做出合理的判断及投资决策,以规避系统性风险的影响。这对进一步认识金融系统的运行规律、管理金融市场风险和优化投资组合模型具有重要的实践指导意义。