为研究系统性风险在金融系统内的传染情况,本文首先根据金融机构间相互关联的信息溢出效应,采用方差分解网络方法对我国上市金融机构建立信息溢出网络,甄别出金融网络风险传染中的系统重要性金融机构.考虑到金融资产收益率的随机波动特性,以及金融变量间的动态相关性,计算了我国金融系统性风险测度指标条件风险价值和边际期望损失,以研究金融系统的风险溢出效应以及时变特征.并从宏观经济层面(同业拆借利率和通胀率水平)、公司层面(杠杆水平和盈利能力)以及网络关联程度层面考察了系统性风险外溢因子的驱动因素.进而,采用机器学习方法考察风险外溢因子驱动因素对系统性风险的预警程度,并使用Logit模型对系统性危机状况进行预警.实证研究采用包括银行、证券、保险和信托公司的上市金融机构市场数据展开,发现股份制商业银行在金融风险传染中的影响力要大于国有商业银行,大型国有商业银行在系统性风险上升时期反而会起到稳定器的作用.我国银行业和非银行业与整体金融系统的违约风险相关性较高,非银行机构对其他金融机构的风险溢出效应强于银行业,系统性风险具有明显的周期性.对系统性风险驱动因素进行分析发现,通货膨胀水平和债务杠杆水平会明显地助长系统性风险的外溢.银行同业拆借成本和金融机构盈利能力负作用于系统性风险外溢指标.金融机构间信息溢出网络紧密度增加会推高整体系统性风险水平.为保持金融市场的稳定安全,宏观审慎风险防范机制应考虑“太关联而不能倒”的监管理念,加大对民营银行、中小型银行的支持力度,进行差异化监管.同时,所选取指标为构建宏观审慎系统性风险预警体系提供了参考依据.