近年来,我国商业银行间的风险传染现象愈发突出,风险管理工作受到越来越多的重视。在我国商业银行的业务规模不断扩大及市场竞争日趋激烈的背景下,银行间的风险传染必然会波及整个金融体系以及经济发展。数据显示,从资产规模来看,银行占整个金融体系体量的80%以上,在国家经济发展进程中的重要性日渐凸显。随着中国金融行业形势快速崛起和蓬勃发展,我国对金融风险的监测高度重视,为此,研究银行风险传染机制,分析银行风险传染方向与度量,对银行风险管理和保证银行业的健康稳定发展有着至关重要的作用。在银行风险度量方面,常用的方法有扩展将或有权益分析法（Systemic Contingent Claims Analysis,SCCA）、边际期望损失（Marginal Expected Shortfall,MES）、条件在险价值法（Conditional Value at Risk,Co Va R）等方法,这些方法侧重银行个体风险度量,而关于银行与银行网络结构之间的风险传染方向与度量的动态研究有待拓展。基于此,本文利用多层网络拓扑结构动态演化,进行银行风险传染评估研究,寻找最优网络拓扑结构指标作为最优方案进行方案验证。具体做法如下:首先利用时变Copula-Co Va R模型度量银行风险溢出水平,接着结合网络拓扑结构分析,以相关和因果关联为纽带,构建商业银行多层网络并测算网络拓扑结构指标,后续结合理论分析机器学习进行有效性验证。研究发现,有向网络层指标其对银行与银行网络结构之间的风险传染方向与度量具有更好的指向性,同时基于COVID-19背景下,对最优指标所在层银行排名进行分析,得到COVID-19前股份制银行转移熵层网络出度指标outdegree＿te排名靠前,对外传染性高;COVID-19后期城商行outdegree＿te排名靠前,COVID-19中期应特别关注南京银行的对外传染性的结论。本文丰富了关于银行与银行网络结构之间的风险传染方向与度量的研究,为我国商业银行风险提供了一种可靠的度量方法,也能够为我国商业银行风险管理的实践提供必要的借鉴和参考。