起源于美国的2007-2009年次贷危机使金球陷入了上世纪三十年代大萧条以来最严重的经济衰退,给世界各国金融体系带来重创,使冰岛、希腊等国处于国家破产的边缘。根据国际货币基金组织(IMF)估计,“根据目前的统计,由美国次贷危机所引起的金融业资产减记总额将达1.405万亿美元”。上述现象表明,必须从极端风险溢出效应的视角分析与研究金融风险在金融机构间的传染与扩散问题。次贷危机的另一经验教训是系统重要性金融机构倒闭引发的“负外部性”,因其规模的巨大性、以及与其他机构关联的广泛性,其倒闭会造成巨大的“负外部性”,对整个金融系统甚至实体经济都造成巨大的影响。雷曼兄弟的轰然倒塌引发了其他金融机构的相继倒闭与财务危机,其引发的系统性风险损失使“太大而不能倒”与“太重要而不能倒”成为华尔街的共识。系统重要性金融机构监管已成为后危机时代金融监管的中心议题之一,而系统重要性金融机构识别与系统性风险度量的关键在于模型能否及时准确地刻画各金融机构资产收益率间的相依关系。次贷危机的根源在于美国各大金融机构普遍对CDO等资产证券化产品定价过高,而该定价过高是由于对其支撑资产池中各成分资产间的尾部相依关系的严重低估。用于CDO定价中的相依性模型被称为“杀死华尔街的公式”。自此金融相依性建模问题开始引起金融理论界与业务界的高度重视,是当前风险管理、投资组合及资产定价等领域中的热点与难点问题。金融机构系统性风险度量的主要挑战在于复杂相依性、时变相依性与高维相依性。复杂相依性指各金融机构资产收益率间的复杂依赖关系,如尾部相依、非线性相依与非对称相依。时变相依性指各金融机构资产收益率依赖关系的时间演变,诸多研究表明金融收益率在危机时期的依赖关系明显强于平常时期。高维相依性指系统性风险研究时要分析系统内众多金融机构资产收益率间的依赖关系,而高维金融时间序列建模的核心问题是高维依赖性。目前已有众多方法用金融系统性风险的度量,但现有方法不能同时克服复杂相依性、时变相依性与高维相依性的三个挑战。第一类方法是多元ARMA-GARCH,典型模型如Acharya, Engle与Richardson用DCC-GARCH刻画各机构资产收益率间的相依关系。此类理论体系较成熟,建模相对简单；但协方差矩阵只适用刻画椭圆形分布,无法刻画复杂相依关系,虽然能同时刻画时变相依关系与高维相依关系。因而对金融资产收益率间的尾部相依刻画不足,无法描述同时急剧暴涨与急剧暴跌现象。第二类方法是时变Copula方法,它可以有效克服多元ARMA-GARCH只适用于简单线性相依关系的缺点。时变Copula的典型方法有Patton, Bartram与Rodriguez等。这些时变Copula方法可以直接用于金融机构资产收益率间的相依关系建模。但是目前绝大多数基于时变Copula方法的系统性度量文献都是二维。由于候选多元Copula函数簇较少、参数众多与计算复杂性等原因,第二类方法在系统性风险度量领域应用时仍较大的缺陷。也就是说,时变Copula类方法可以同时具备复杂性与时变相依性,但不具备高维相依性。第三类方法是本文所用的因子时变Copula方法。因子技术已被广泛用于高维相依性的建模,如投资组合领域因子技术用于超大协方差矩阵的估计,如多元金融时间序列领域因子技术用于高维GARCH建模形成因子GARCH模型。该方法假设用于刻画相依关系的隐含变量可分解为服从偏t分布的系统性因素与服从t分布特殊性因素。此方法的优点是同时具备描述复杂相依性、时变相依性与高维相依性这三个性质的系统性风险度量模型。本文应用第三类即时变因子Copula方法描述中国大陆上市金融机构的股票收益率相依性,并计算各机构的系统性风险度量指标实证研究表明：从尾部传染性描述看系统性事件的冲击会拉高系统性风险；次贷危机后中国金融机构的MES总体上呈现逐渐减少趋势,但由于负债总额的大幅增加,金融市场资本金短缺仍呈现显著增加的趋势：从机构系统重要性来看,金融市场资本金短缺额主要源于银行业,表明银行业仍是金融系统安全性监管的核心。