房地产业资金密集且投资周期长的特点决定了其往往需要外部融资来实现自身的运作,是一类典型的负债驱动型行业。而在我国,银行是整个金融体系的资金融通中心,并承担着主要的资金供给任务,这就使得银行业和房地产业的联系十分紧密。目前房地产泡沫化倾向比较强,房地产企业融资面持续收紧,房地产业已经蕴含风险,一旦房地产业遭受风险事件,其高负债经营特点以及与银行业紧密的资金往来,会使得房地产业资金链断裂等风险通过各种渠道外溢给银行业,进一步演化为系统性风险。在此背景下,本文对房地产业与银行业相关性及风险溢出进行深入研究,并从中寻找规律,以期给投资者及监管部门提供合理建议。本文主要包括两个方面的研究,即房地产业与银行业相关性研究以及两行业间风险溢出研究。具体来说,主要从以下几个部分展开详细研究:文献综述和理论基础部分。本文首先广泛阅读关于房地产业与银行业相关性研究、股票市场相关性测度方法研究、房地产业与银行业风险传染及溢出研究、风险溢出效应测度方法研究的相关文献,并对文献进行了梳理和总结。其次,对本文中涉及到的相关概念进行介绍,并结合实际数据对房地产业与银行业的相关联系进行了描述,在此基础上基于金融加速器理论对两个行业间的风险溢出进行了理论分析。最后,对本文实证研究中用到的研究方法进行了详细介绍,包括Copula模型、DCC-MGARCH模型及CoVaR模型。实证研究部分。本文选取了2007年10月8日至2020年12月31日申万银行指数及申万房地产指数的日、周收盘价,计算出相应的股指收益率序列进行实证分析。在此过程中,本文采用了两种数据频率即日频数据和周频数据,两种计量方法即Copula模型和DCC-MGARCH模型,通过对比两种数据频率及两种计量方法下的结果来保证本文研究结论的可靠性。具体过程,首先对两个行业日、周收益率序列构造边缘分布模型。接着通过相关系数时变性检验对日频、周频数据下,两个行业股指收益率相关系数是否时变进行检验,在此基础上选择出最优的时变t-Copula模型并结合DCC-MGARCH模型的估计结果,对两个行业日收益率相关系数及周收益率相关系数的变化特点进行分析。最后进一步结合CoVaR模型对两个行业风险溢出效应进行度量和分析,并从两种数据频率（日频、周频）及两种计量方法（时变t-Copula-CoVaR、DCC-MGARCH-CoVaR）考察结论的一致性。实证结论及建议部分。通过对两个行业股指收益率相关性分析发现,不同数据频率和不同计量方法下得到的结论是一致的,即房地产业与银行业股指收益率具有较强的正相关关系,并且相关系数具有时变特征,相关系数会受行业政策、经济大环境等影响而发生变化。通过对两个行业风险溢出分析发现,基于DCC-MGARCH模型测度的风险溢出整体要小于时变t-Copula模型测度的结果。从日频数据来看,银行业对房产业的风险溢出强度更大,周频数据却恰恰相反。但是不同数据频率、不同计量方法下估计的两个行业之间的风险溢出效应具有一致的变化趋势。2008年金融危机、2014-2015年期间在房地产市场持续低迷的背景下,房地产业对银行业的风险溢出效应达到了较高水平,银行业对房地产业的风险溢出效应也在2008年及2015年达到了较高水平。近年来,两个行业之间的风险溢出一直处于较低水平。本章最后结合实证部分的结论,从投资者、房地产企业、银行业及政府监管层面提出了相关建议,对于投资者来说在进行投资时应避免同时投资相关性较强的房地产业与银行业股票;对于政策制定部门而言,在制定行业政策时应该关注到房地产业和银行业股指收益率相关关系的变化特征;对于房地产企业而言要积极扩展新的融资方式;对于银行业来说要完善贷前调查及贷后管理;对于政府层面来说,要继续坚持“房住不炒”的政策定位。