系统重要性金融机构（SIFIs）这一概念在2008年次贷危机时期被首次提出,并被作为宏观审慎监管的重点之一。由于系统重要性金融机构（SIFIs）在整个金融体系稳定运行中可谓是系统性风险的“引爆器”和“传感器”,因而具有系统重要性的金融机构一旦陷入破产困境,其负面影响会迅速辐射至整个金融体系,引致金融市场秩序混乱、公众恐慌情绪攀升甚至引发实体经济发展停滞。对系统重要性机构（SIFIs）的识别研究,优化了监管当局对系统重要性机构（SIFIs）实施的审慎性监管政策,是预防系统性风险关键的一步。由于银行业在我国金融体系中的核心地位,决定了银行业成为打赢防范系统性金融风险攻坚战的主战场。所以识别系统重要性银行对于我国实体经济保持稳定而合理的长期增长,以及对有效控制我国系统重要性银行的风险并将其维持在适度区间,同时对于完善金融监管体系具有十分重大的意义。梳理国内外研究后发现针对系统重要性机构（SIFIs）的度量方法主要包括综合指标法、金融网络模型、MES模型及Co Va R模型法等三大类。其中,综合指标法给予跨区域经营、规模、相关性、可替代性等指标的权重具有较强的主观性,金融网络模型则更多用于研究金融机构相互之间的风险传染效应,而Co Va R模型主要用于危机条件下各金融机构的风险溢出研究。并且,由于市场信息能够快速体现在股票价格变动上,目前学术界针对银行等金融机构的系统性风险研究有相当一部分是基于股票价格波动而展开。因此,本文将采用公开的高频收益率数据,基于共跳视角设计银行重要性度量系统,并比较分析日常时段和危机时段各家银行的系统重要性程度,试图丰富我国银行系统重要性的识别度量方法和审慎监管思路。本文以16家中国上市银行高频数据为研究样本,将2015年9月至2020年9月的整个时段的数据作为全样本,将2020年至今的数据作为分样本。分别对这16家上市银行的系统重要性展开实证评估和比较分析,借助无向加权网络将银行系统重要性程度可视化。实证研究结果表明:其一,最具有系统重要性的银行为兴业银行、平安银行、招商银行,并非以往以资产规模等指标体系衡量的国有大行,这说明我国上市银行中历年都存在规模不大但极具系统重要性的银行。其二,非系统重要性银行如北京银行,其资产规模和国有银行相比相对较小且与其他银行关联程度较低,但对整个银行业造成的风险溢出和传染依旧不容忽视。其三,分属三个梯队的银行其系统重要性程度会随着危机的来临而呈现出不同的变化趋势。因此,本文根据实证结论并结合我国实际情况相应提出针对性的政策建议。