1987年,深圳特区6家信用社联合改制并成立深圳发展银行,5月10日首次公开发售人民币普通股,并于1987年12月22日正式宣告成立,我国第一家上市银行就此诞生。此后伴随着经济体制改革,银行业飞速发展,多家传统银行纷纷举牌上市,直至2022年,我国上市银行总数突破45家,俨然形成了庞大的上市银行系统网络。然而,当银行间的经济业务来往达到前所未有的顶峰时,随之而来的还有各类金融风险的交织渲染,单个银行的风险冲击可能导致整个银行网络乃至整个金融系统的风险激增。对此学者Kaufman（2003）和包全永（2005）等不约而同地指出,传染效应是银行系统性风险的核心问题,必须予以重视。这也告诫我们需要系统地辨析银行间的系统性风险,并对其影响因素加以识别,由于上市银行相较于传统银行拥有着更严苛的披露与运营规范以及更严格的监管立场（郭晔,2017）,且对我国整体银行业有着举足轻重的影响力以及表率作用,因此探究出具备怎样结构的上市银行网络系统在金融稳定性以及抗冲击能力上更胜一筹,也显得尤为重要,这也是本文研究的主旨所在。本文在Peydró（2011）及Miguel（2021）研究银行网络系统风险的方法基础上进一步拓展,围绕贝叶斯空间自回归模型来研究我国上市银行网络内系统风险传染问题。在基准回归部分,参考Roy（1952）及Wu（2017）,借助(5-（80）指标构建核心变量,进行对样本期内我国上市银行网络内系统性风险传染现象存在性的捕捉以及影响因素的探讨;再借助贝叶斯向量自回归模型、分布逆变换等技术手段,实现对我国上市银行网络结构的仿真模拟,以此对指代银行网络结构的关联程度、聚集程度与网络稳定性之间的关系展开讨论,甄选出最优的网络结构,为防范化解系统性风险提供新思路。本文行文共包含五章。第一章绪论,简要揭示了论文研究背景、理论与现实意义、本文的研究方法、行文结构以及创新点。第二章为文献综述,立足银行系统性风险的相关定义、成型、传染渠道等,结合不同流派的学术观点对现有研究成果进行了梳理与评述。第三章研究设计,介绍了空间自回归模型的相关原理,陈述了回归指标选取的逻辑以及参数估计的细节。在回归结果的基础上,进一步介绍了银行网络内系统风险传染程度指标以及指代银行网络结构的关联程度与聚集程度等指标的构建方法,并围绕上述指标阐释了对我国上市银行网络进行仿真模拟的具体程序,提出了希望探求的网络结构与金融稳定程度关联的三点论题以及希望甄选出最优网络结构的目标。第四章为实证分析,通过对2007年至2021年每年度不同的上市银行网络进行贝叶斯空间计量建模,借助银行间经济状况恶化的相互影响、空间相依性以及动态演化,来捕捉与探讨银行网络内系统风险传染现象的存在性以及动态演化,并研究相关影响机制。再针对不同网络结构展开对我国上市银行网络的仿真模拟,并对相应风险水平指标进行比较与分析,来探索网络结构与风险的关系,以及寻找最契合我国上市银行运行环境的银行网络结构,实现最佳的金融稳定性以及最强的抗风险冲击能力。第五章为结论与展望,承接前文对实证研究结果进行了梳理与总结,并结合当前我国的金融市场环境,提出关于银行间系统性风险监管、化解与防范的政策建议,以期实现“防范化解重大系统性风险”的宏伟目标;本章的最后还对本文的不足进行了思考与评判,并提出了对未来研究的展望。本文研究的主要结论有:（1）我国上市银行破产概率走势图说明各银行经济状况的恶化确实存在着时间维度上的聚集性,回归结果也显示银行网络在样本期内存在着比较显著的系统风险正向传染现象,考虑了异质性的贝叶斯空间自回归模型能更敏锐得捕捉这一特质。（2）在银行系统风险传染的影响因素中,银行内生的基础属性如贷款存款比率、坏账比率等指标的上升会导致银行破产概率显著上升,而ROE、托宾Q等价值指标上升则会缓解银行经济状况的恶化。（3）通过对比各项渠道对系统性风险的影响,银行间风险的正向传递机制显著且正向地导致着银行经济状况的恶化。（4）上市银行网络仿真模拟结果显示:当银行网络的聚集程度在较高水平上时,网络内系统风险传染强度与银行间关联程度存在着较明显的正相关关系,但当银行网络内的聚集程度处于相对较低水平时,系统风险传染程度与银行间关联程度又不存在明显的相关关系;当银行网络内的聚集程度越高时,相应的系统风险传染强度整体水平均越低,在低聚集程度条件状态下,还存在着更多的超高风险水平值。（5）立足我国银行环境,高聚集程度和低关联程度的银行网络的金融稳定程度和抗冲击能力强,即当银行间的经济联系相对不太密切,且网络内银行的经营状况模式趋于一致时,银行网络系统最为稳定。本文的创新点主要体现在:（1）将网络空间结构与银行证券市场表现相关性相结合来对我国上市银行网络间系统风险传染展开研究,并从关联程度与聚集程度指标等新角度进行网络构建,有助于完善银行间系统性风险传染与网络结构理论相结合的理论逻辑体系。（2）构建空间权重矩阵时,利用各上市银行股票日收益率构建VAR模型,根据方差分解的思想从扰动项方差协方差矩阵中截获更贴切的冲击影响,并进行数学变换得到能更灵敏反映空间相依性的空间权重矩阵,也能敏锐且真实地捕捉系统风险传染的动态演化与传染机制。（3）在对空间回归模型估计时,采用了能更好应对数据差异和缺陷的贝叶斯估计,有效提升了模型的自适应性,并能更好地处理数据集中的离群值与异质性,也能为实证提供更多数据分析工具。由于研究水平有限,本文仍存在以下不足:（1）囿于数据披露的局限性,本文选择从数据披露更完整的上市银行角度来探究银行网络的系统风险传导,但是我国还存在着许多没有日交易数据的非上市银行,由此本文仅聚焦于上市银行的角度来探究银行系统的系统风险传导存在着观察主体上的局限性。（2）基于主体间股价收益率VAR模型所引出的冲击预测方差协方差矩阵进行空间权重矩阵的构建,有别于传统的“物理距离”与“经济距离”,虽在构建原理上有创新性且有经济意义,但却仍然存在一定的主观性。（3）估计模型时所采用的Metropolis-Hastings MCMC抽样方法迭代次数较多,计算相对缓慢,具有较高的计算与时间成本。