本文基于Adrian and Brunnermeier（2016）提出Co ES方法,借鉴李政等（2019）对这一方法的改进,充分考虑系统风险厚尾、非对称等特征情况下,以中国工商银行为例,通过建立ARMA-EGARCH模型,利用ΔCo ESL指标对其系统风险贡献度进行度量,并以标准化后的指标%ΔCo ESL对16家上市银行的系统重要性进行排序。结果证明国有大型商业银行的系统重要性普遍强于股份制商业银行和城市商业银行,其中工商银行的系统重要性为测试样本中最强,即工商银行的系统风险贡献度最大,而股份制商业银行中中信银行的系统重要性最强,城商行中重要性最高的银行则是北京银行。另外,本文还对系统风险贡献度的影响因素进行探究,通过文献回顾,引入GDP增长率、期限利差、M2增长率、对外投资依存度、对外贸易依存度五大宏观影响因子,以及市值规模、财务杠杆、流动性、盈利能力、资产质量五大微观个体影响因子,并对16家上市银行2011-2018年的季度数据进行面板回归分析。通过分析回归结果,可以得到以下结论:银行业的系统风险贡献度与期限利差、M2增长率、对外投资依存度、市值规模、财务杠杆、流动性、盈利能力、资产质量之间存在显著关系。当期限利差扩大,银行系统风险贡献度将增加。M2增速越快,银行越容易采取风险承担的行为。对外投资依存度越高,将有利于风险分散和隔离,进而降低系统风险的溢出效应。此外,个体银行的市值规模增加确实会使得系统风险贡献度上升,即存在“太大而不能倒”的现象。其财务杠杆较高或资产质量较低都将引起风险的积聚。而当其盈利水平上升时,则更有利于抵御内外部冲击影响,降低对外的风险溢出效应。特别的,过高的流动性可能并不利于降低系统风险,反而会造成资本利用效率下降,降低盈利能力的同时,使得自身对外的风险贡献度增加。根据结论部分揭示的关系,本文认为确有必要继续完善系统重要性评价体系,通过构建多种方法相互印证的预警体系,做到提前防范风险。再者应当密切关注国内外宏观经济运行状况和政策实施情况,防止金融业风险的集中爆发。此外,在防范系统风险的过程中,除了继续落实全面风险管理框架,以及贯彻宏观审慎政策进行逆周期干预外。在传统微观审慎监管中,未来更加要注意进行差异化监管,但也要防止因为过度监管,而阻碍了机构开展盈利和创新活动。