自2008年金融危机以来,系统性金融风险一直受到各国金融监管部门与一些学者的广泛关注,如何准确度量商业银行系统性风险是金融风险领域的重要问题。目前众多的学者运用CoVaR（条件在险价值）模型测算金融机构的风险溢出效应,衡量其在金融体系的重要程度。但是CoVaR模型测算的是分位数下的风险价值,没有考虑极端损失情形下金融机构的风险暴露水平。本文运用CoES（条件期望损失）模型测量我国商业银行尾部损失的均值,为相关部门更准确地度量上市银行系统性风险提供实证依据。本文首先介绍了系统性金融风险的定义以及测量方法,概述了商业银行系统性金融风险的相关理论基础,阐述了目前我国上市银行系统性风险的主要来源,总结了CoES模型在测量系统性金融风险的优势。其次,选择2011年1月至2019年6月我国16家上市商业银行收益率数据,运用CoES模型衡量商业银行风险溢出效应。研究发现:（1）我国大型商业银行在日常经营中比股份制商业银行和城市商业银行更具备应对风险的能力,并且对整个金融体系的系统性风险贡献度较高。其中,中国工商银行风险溢出效应最强;股份制商业银行位列其次;城市商业银行对其他金融机构的影响较小。（2）我国上市商业银行的动态变化呈现相似的时间趋势特征,即在经济增长上行时,各个银行系统性风险水平呈现下降趋势;在经济增长放缓时,各个银行系统性风险水平呈现上升趋势。并且大型商业银行、股份制商业银行及城市商业银行系统性风险水平变化趋势存在异质性。（3）CoES模型相比CoVaR模型更能准确估计金融机构的系统性风险,特别是在分析商业银行系统性风险的时间变化趋势时,动态CoES模型更加灵敏。最后,本文提出了合理调整银行监管政策、降低不良资产规模、优化系统性风险度量方法等政策建议。