随着全球经济联系逐渐紧密,各国的金融机构之间的联系也逐渐加强,形成了更为紧密,联动式影响的局面。2008年金融危机期间,大量银行遭遇破产、清算,不仅世界金融危机的中心美国遭受了巨大冲击,中国的金融机构也未能幸免于难。金融危机的接踵而至,使人们开始思考系统性风险的重要性。于是,系统性风险的测度被提上了日程,系统性风险的一些量化指标也百花齐放。学者们开始定义系统重要性机构为对系统贡献大的机构,系统脆弱性机构为在受到无差别冲击后可能最先倒闭的机构。本文通过对DebtRank算法和△CoVaR进行实证研究,并且以FSB发布的G-SIBs列表为衡量基准。对14家银行进行基于DebtRank算法的建模,进行DebtRank算法压力传播测试,取额外风险指标作为DebtRank算法的具体数值,从大到小倒序排列,得出系统重要性机构的排名。最后测算出系统脆弱性机构,冲击脆弱性指数最大的机构,则为系统脆弱性机构。同时,运用分位数回归的方法测算14家银行的风险溢出△CoVaR,对系统重要性机构进行排序。最后,将DebtRank算法和△CoVaR模型的运行结果与全球系统重要性银行列表相比对,验证模型的合理性。结果表明,DebtRank算法得到的系统重要性机构更接近于FSB发布的G-SIBs列表。经过DebtRank算法测算,系统重要性机构前三名分别工商银行、建设银行和中国银行。交通银行和招商银行分别为系统脆弱性机构。本文利用DebtRank算法进行方案策划测度银行业系统重要性机构和脆弱性机构。首先,收集银行业同业资产,同业负债,所有者权益和总资产的数据。其次,将数据带入DebtRank算法中进行建模,取额外风险指标作为DebtRank算法的具体数值,从大到小倒序排列,得出系统重要性机构的排名。最后测算出系统脆弱性机构,冲击脆弱性指数最大的机构,则为系统脆弱性机构。根据不同机构在系统重要性与脆弱性方面表现出差异性的特征,本文对不同类型的机构提出相适宜的政策建议。对于系统重要性较高的机构,具体政策为建立全面风险管理体系,提升风险防控能力;对于系统脆弱性较高的机构,具体政策为强化资本监管,建立资本补充机制。