银行通过吸收流动性高的短期负债(存款)来投资流动性低的长期资产,由此所导致的期限错配问题是流动性风险的根源,如果不能顺利展期到期债务,即使是资产质量良好的银行也可能会破产。当投资者对银行未来偿付能力产生很大不确定时,往往会出现流动性囤积或挤兑行为,进而导致银行出现流动性风险甚至破产。本文借助一个三银行两阶段的不完全信息博弈模型分析了市场突发事件(如金融冲击)对市场利率的影响,研究结果表明银行短期债权人对于银行资产状况的不确定性越大,他们所要求的短期债务展期回报率风险补偿就越高。特别地,当这种不确定性超过某个临界值后,即使银行愿意提供更高的展期回报率,短期债权人也会拒绝展期。如果没有政府救助,银行的流动性“枯竭”后难以为继只能破产,比如雷曼兄弟。如果监管者能够及时消除这种不确定性,对资产质量良好的银行公开承诺最后担保政策,降低投资者对银行未来偿付能力的不确定性,就可以缓解银行的流动性压力,例如北岩银行。事实上,受历次金融危机启发形成并日趋完善的存款保险制度、央行最后贷款人政策和政府紧急救助政策,确实在金融危机中起到了稳定市场情绪恢复市场秩序的显著作用,但是由此引发的激励扭曲和道德风险问题,也引起了业界和学术界对于更加完善的宏观审慎监管政策的关注和兴趣。宏观审慎的金融监管思路应该能从不同层面应对系统风险,防止金融系统失控和风险跨市场传染,限制系统性风险累积。同时,为了识别金融机构的系统重要性,也需要理论可靠且实践可行的分析工具来合理估计个体金融机构对整体系统风险的贡献水平,这种工具应当可以发掘微观层面各个金融机构从事风险业务活动与宏观层面整体系统风险变化的相关关系。这样不但能够从金融系统全局的角度监测整体系统风险的积累,防范金融风险事件的爆发,而且还可以从个体金融机构的角度实施风险差异化的监管政策,降低对道德风险行为的激励。宏观审慎的监管政策需要合理地估计个体金融机构的系统风险水平,但是现代金融系统里错综复杂的权利义务关系对监管者估计金融机构的系统风险提出了巨大的挑战。本文基于银行系统的网络分析框架研究金融风险在系统内的蔓延扩散特征,并创造性地提出加权Shapley值方法(WSV)来更准确地度量相互关联银行的系统风险水平。WSV方法通过两个方面来刻画银行的系统风险：一是银行原始资产结构的风险暴露,二是它在银行网络中的位置。相比于传统的Shapley值方法(SV),WSV方法在分析银行系统风险时能够刻画出不同银行在金融网络中的不同地位,那些虽然不容易倒闭但是一旦倒闭又会给银行系统带来灾难性影响的银行,在WSV方法下会获得更高的权重。这对于监管者在宏观审慎监管框架下实施精准量化监管具有重要的参考价值。本文还借助虚拟银行系统,利用WSV方法数值模拟不同银行的系统风险。分析揭示了两个主要结果：一是原始资产和银行关联性是银行系统风险的两个主要驱动因素,二是不同的网络结构(债权债务网络、股权网络)对银行系统风险的影响表现出很大的差异。由于银行股权资本和债权资本风险属性的不同,在金融危机下债权债务网络一般会比可比性的股权网络结构具有更大的抗冲击弹性。同时,在中国上市商业银行组成的系统中,我们测算了各银行的系统风险WSV值,发现银行系统风险与银行权益资本比率和同业负债比率存在一定的相关关系。