习近平总书记在党的十九大报告中强调“健全金融监管体系,守住不发生系统性金融风险的底线”。鉴于银行在金融市场中始终处于核心地位,其稳定性是整个金融市场能否健康平稳运行的关键。而且,由于银行流动性风险反映了风险逐步积累的过程,信用风险、操作风险、市场风险等均可能成为其诱因,导致银行流动性风险相对于其他金融风险更为复杂且监管要求更高。此外,鉴于媒体报道不仅能够为研究银行流动性风险提供媒体大数据,而且自身作为影响银行流动性的渠道,能够与流动性网络关联渠道交互作用,共同影响银行间网络形成和银行流动性风险传染。因此,基于媒体大数据深入剖析银行间多层网络及银行流动性风险影响机制与救助策略具有重要的理论借鉴意义与实践参考价值。首先,本文从媒体情绪与多层网络的交叉视角,构建了包含积极媒体情绪网络层和消极媒体情绪网络层的银行间多层网络模型,并借助大数据技术获取了关于中国银行业流动性的媒体大数据,进而实证分析了中国的银行间多层网络结构特征和银行间多层网络中节点重要性及存在的系统重要性银行。实证研究得到的主要结论有:银行间多层网络的层间度相关性较高,但是银行间多层网络的层间相似性较低。银行间多层网络具有较小的平均路径长度和较大的聚类系数,呈现出小世界网络特征。系统重要性银行均属于资产规模较大的大型国有银行和股份制商业银行,但不同时间段的排序存在较大差异。特别是部分规模相对较小的银行却在特定时间段成为系统重要性银行。另外,在不同媒体情绪网络中,信息中心性与银行资产规模并非是严格意义上的正相关关系。其次,本文在已构建的银行间多层网络模型基础上,将不同媒体情绪的信息中心性作为网络结构指标,同时根据获取的媒体大数据构建不同媒体情绪指数,进而继续从媒体情绪与多层网络的交叉视角,分别回归分析不同的媒体情绪和网络结构及其交互效应对银行流动性风险的影响机制。实证研究得到的主要结论有:媒体情绪指数与银行流动性风险显著正相关,但仅针对全国性商业银行时,消极媒体情绪指数和混合媒体情绪指数对银行流动性风险具有负向影响关系。网络信息中心性与银行流动性风险显著负相关,体现了网络效应对银行流动性风险影响的两面性。混合交互效应与消极交互效应对银行流动性风险具有显著负向影响,而积极交互效应对银行流动性风险具有显著正向影响。另外,全国性商业银行对银行流动性风险的影响程度明显高于全体银行,但是并未显著强于其他银行。最后,本文进一步从媒体情绪与多层网络的交叉视角,构建了与实证研究得到的网络结构基本一致的内生性银行间多层网络和单层网络,并在此基础上构建了包含不同救助主体的银行流动性风险传染救助策略模型,进而在银行间多层和单层网络中分别仿真分析了救助策略对银行流动性风险传染的影响。仿真分析得到的主要结论有:在银行间单层网络中,随机关联方式更有利于银行流动性风险发生传染,但在银行间多层网络中却相反。相对于银行间单层网络,在银行间多层网络中银行流动性风险的传染范围较小。此外,在银行间单层网络中,通过适当调节媒体情绪因素,能够基本实现抑制银行流动性风险大范围传染的目的,但是实现条件较为严格,而在银行间多层网络中效果更为显著。在银行间多层网络中能够通过综合调节媒体情绪与救助策略因素实现快速抑制银行流动性风险大幅传染的效果。综上所述,通过本文研究不仅能够更加清晰的认识中国的银行间多层网络结构特征,而且能够从大众智慧领域反映公众对银行流动性风险的情绪倾向以及不同阶段的银行流动性风险关联程度,进而为预防市场过于狂热和投资者投机行为频发对银行流动性风险的不良影响、更好的促使不同救助主体制定针对性和科学性的救助策略提供理论借鉴和实践参考。