金融世界变幻莫测——每一天都存在新的金融产品、新的金融条例法规以及新的金融风险不断涌入金融系统；而对于金融市场迅猛发展的新兴国家中国而言,这些尤其值得重视。宏观金融系统的安全运行关系到整个国家和社会的稳定,如何找到蕴藏在金融系统、宏观经济系统中的金融风险因子,以及如何根据这些金融风险因子有效捕捉宏观金融系统风险信息并构建行之有效的风险预警系统可以对宏观金融风险的发生防患于未然,而这也正是本论文的主旨所在。论文的中心思想是分别构建两个模型对宏观金融系统风险程度进行测量和预测——即预警系统的构建。在国内和国际学术界,曾有多位知名学者在该领域研究做出卓越贡献,他们提出并试验了诸多模型,这些都将会在论文伊始的文献综述中逐一、简要回顾。本论文创新采用了因子分析进行宏观金融系统风险测量,进而又采用BP神经网络分析进行宏观金融系统风险预测及预警系统构建,两个模型相辅相成、相得益彰更是本论文的亮点之一。两个模型中,因子分析相对传统,可帮助学者更准确挖掘宏观金融系统的风险因子,同时实现输入变量的降维；而BP神经网络则是较为新兴的统计研究工具,将其运用于金融系统风险的测量和预警系统的构建在学术界更是首屈一指,其在非线性函数拟合中的卓越表现使其成为金融数据分析工具的不二之选。本论文是传统模型和新兴模型的结合体,但无论传统还是新兴,模型产生的测量和预测结果与现实贴切、令人信服。构建模型的目的在于更明晰地理解现实,然而模型仅仅是手段,而非目的；因此,基于模型的输出结果,论文进一步阐述宏观金融体系和宏观金融子体系的风险因子的经济意义,其测量和预测结果的实际意义和指导性作用。论文的结尾部分阐述了论文中所用模型的不完善之处,提出政策建议以增强宏观金融系统风险预警系统的有效性、提高其效率。政策建议主要从改善数据搜集流程、完善金融数据信息化和信息共享系统、建立不同时域和区域的预警机制三个方面展开讨论。