由2007年美国次贷危机引发的国际金融危机戳破了资本市场的泡沫,导致信贷规模大幅收缩,造成市场流动性不足。此次金融危机引起了世界各国对系统性风险的关注,系统性风险具有全局性、综合性和传染性特征,在金融危机期间迅速向全球扩散,不仅会导致金融体系的不稳定,还会阻碍经济的增长和损害社会福利等,对国际金融体系和全球实体经济都会产生巨大的负外部性效应。近年来,中国经济金融运行的国际、国内环境错综复杂。中国经济的发展呈现出短期与长期、内部与外部、周期性和结构性的矛盾和问题。这些挑战都可能会影响中国金融系统的稳定性。为避免中长期中国的经济再次陷入衰退的风险,警惕新一轮金融危机的发生,中国政府近年来多次召开经济金融工作会议,反复强调防范和化解系统性风险的重要性。党的十九大报告中也明确提出把防范化解重大风险作为中国目前三大攻坚战之首。由此可见,防范和化解系统性风险已成为当前中国经济金融工作的重点。长期以来,中国的银行业在金融体系中一直占据主导的地位,并且对中国经济金融的发展和稳定起着举足轻重的作用。为此,本文从中国特定的经济和金融市场环境出发,以中国的银行业为重点研究对象,采用定性分析和定量分析、理论分析和实证分析相结合的方法研究了系统性风险的测度、系统性风险的影响因素和系统性风险的预警等问题。本文的研究主要包括以下内容:第一,基于对数正态密度分布函数的广义Edgeworth级数展式,在CCA模型中,引入偏度和峰度项,提出拓展的CCA方法。然后,基于中国上市商业银行的数据,测度了银行业系统性风险。研究结果表明,引入高阶矩的CCA模型具有高度的灵敏性,能够准确地测度银行业系统性风险。第二,分别采用ΔCo VaR和MES方法测度中国上市商业银行的系统性风险贡献度。以中国上市商业银行为样本,基于商业银行的股票市场数据,测度银行的系统性风险贡献度。研究结果显示,首先,ΔCoVaR和MES模型测度银行的系统性风险贡献度比VaR模型测度的更准确,而MES模型测度结果除中国银行、平安银行、浦发银行、招商银行、南京银行、宁波银行的结果排序变化较大以外,其余银行的测度结果与ΔCoVaR接近。其次,整体来看,国有大型商业银行的系统性风险贡献度比股份制商业银行和城市商业银行的要高。第三,分别建立计量回归数据模型研究了中国银行业系统性风险的影响因素。首先,建立固定效应回归数据模型研究银行微观特征变量包括银行规模、杠杆率、银行总资产收益率、银行资产质量和银行股票波动率对银行业系统性风险的影响。实证结果表明,银行规模的扩大会显著地降低银行业系统性风险,而银行总资产收益率、不良贷款率和股票波动率的提高会显著地增加银行业系统性风险水平,杠杆率的提高虽然增加了银行业系统性风险,但是影响并不显著。其次,建立动态面板系统GMM数据模型研究表外业务与银行业系统性风险之间的关系。实证结果表明,整体而言,表外业务与银行业系统性风险呈负相关关系,也即商业银行增加表外业务能够显著降低银行业系统性风险水平。通过分组回归,国有商业银行增加表外业务能够显著降低对银行业系统性风险的贡献水平,而股份制商业银行或城市商业银行开展表外业务虽然会增加对银行业系统性风险的贡献度,在一定程度上对冲掉国有商业银行开展表外业务降低的系统性风险贡献水平,但是影响并不显著。因此,与商业银行不分组回归的实证结果相符。第四,采用计算机仿真模拟法和比较分析法,主要采用机器学习算法进行建模,对中国银行业系统性风险和金融体系的系统性风险进行预警研究。首先,基于支持向量机(SVM)方法构建中国银行业系统性风险预警模型,并将预警结果与BP神经网络模型和Logit回归结果进行对比,研究了中国银行业系统性风险预警问题。其次,采用SVM的改进算法,即最小二乘支持向量机(LSSVM),研究中国金融体系的系统性风险预警问题。将实验结果与SVM方法、BP神经网络方法和logit回归的结果进行对比。研究结果显示,LSSVM方法的预警正确率较高。第五,本文以国家政策为导向,提出构建货币政策和宏观审慎政策的“双支柱”调控框架,防范和化解系统性风险,维护经济金融体系的稳定。此外,本文还从完善防范系统性风险的制度措施、加强银行防控系统性风险的能力、建立科学有效的系统性风险预警机制、防范外部冲击的风险等方面提出了防范和化解系统性风险政策建议。