金融是市场经济运行的核心,市场经济的持续健康发展离不开金融体系的稳定。如何构建完善健全的金融体系,防范金融风险一直是学术界研究的重要问题。2007-2009年美国爆发的次贷危机,很快演变成一场全球性的金融危机。与前几次金融危机相比,本次金融危机的范围更广,程度更深,造成上世纪30年代“大萧条”以来最严重的全球性的金融和经济危机。国际学术界普遍认为,系统性金融风险的积累和宏观审慎监管的缺失,是导致此次严重金融危机的重要因素之一。危机发生后,各国金融监管部门纷纷出台相关措施,加强对金融体系系统性风险的监管。在中国,金融机构的同质性很高,同时金融创新和金融自由化程度加大,金融机构之间的互相借贷,担保,相互融资融通,使得金融机构之间的关系错综复杂,金融机构、金融部门之间的联系越来越紧密,而且市场上仍缺少足够的风险控制工具和交易机制,金融监管手段和技术落后,因此中国金融体系未来面临的风险也在逐渐加大。网络结构模型是目前颇为前沿和受关注的研究系统性风险方法。IMF(2009)提出的网络结构模型主要针对银行,它的网络建立在银行间资产负债表相互敞口和交易数据的基础上,并根据银行间市场的网络形状模拟风险相互传染的情况,从而测算出每个银行在网络中积累的系统性风险。相比而言,在整个金融系统中银行的安全性要高于券商等其他非银行金融机构,非银行金融机构无法通过银行间资产负债表和交易数据加入网络结构模型中。同时,在实践中Barra因子模型(2010, Nielsen&Bender)使用至少20个产业因子试图获得在同一产业中的共同波动,因为处于同一产业的公司倾向于共同波动。然而,在同一产业中并不是所有公司都朝同一方向波动或者按照相同的幅度波动。因此进一步朝公司层面研究共同波动是很有必要的。另一方面,资产定价的一些研究也发现股票的残差收益往往和其他股票的残差收益相联系,这说明公司之间存在相互影响或相互独立的结构。但通常将残差当作白噪声,通过对冲来消除残差风险,很少有研究通过残差收益之间的相互关联来研究公司之间的相互影响,现实中残差风险并不是可以忽略的风险,残差收益之间的相互关联可以为研究风险在公司之间的传播提供一个研究的思路。因此本文主要从残差收益相互关联的视角来研究我国金融网络中风险传染的情况。本文参考Yi-An Chen (2014)的网络风险因子理论的研究框架及其对美国次贷危机期间做的经验研究,将网络风险理论应用于中国市场,并对2015年六月发生的股灾作经验研究,论证网络风险理论在中国市场的有效性,以及网络风险在本次股灾中所发挥的作用。具体方法是构造一个网络因子能够在模拟的证券组合中捕捉网络风险。本文使用网络结构的中心性测度去数量化证券投资组合中网络因子的权重。中心性测度通过每个节点相互联系的结构来给每个节点计算分数。本文中会涉及到两种计算中心性测度的方法：度中心性测度和特征向量中心性测度。特征向量中心性测度相比度中心性测度是一个提升,本文采用特征向量中心性测度,因为它通过递归的方法计算每个节点的得分,如果一个节点它周围的节点都有高的分数,那么就赋予它高的分数。当基准的网络风险因子被构造出来以后,通过最小二乘估计(LSE)可以得出每只股票相对于网络风险的风险暴露。基于这些信息,Fama-French三因子模型得出的残差收益能够被分解为网络风险收益和纯个体风险收益,然后因子模型的风险能够轻松的分解为风险的一般计量形式,如标准差、VaR和ES。基于上述研究方法,本文总体上分为5个章节,具体安排为,第1章为绪论,主要介绍本文研究背景、研究意义、研究方法、研究内容以及创新之处。第2章为文献综述,首先从Fama-French三因子模型的提出,三因子模型的验证,国内三因子模型有效性的一些研究以及三因子模型的不足几个方面对以往文献进行了回顾；其次对对系统性风险和风险传染的一些研究进行了分析。第3章为研究设计,在这一部分中主要是论文模型的构建,首先引进Fama-French的三因子模型求取残差收益,其次对网络风险因子的构建进行详细分析,接着从权重函数和两种网络中心性方法(度中心性和特征向量中心性)对网络结构进行了论述；然后通过方差协方差矩阵和风险分解对因子模型进行了风险分析；最后为体现网络风险的时变特性在上述模型的基础上加入动态条件相关模型(DCC)将模型扩展到条件网络风险模型。第4章为实证分析,本文选取数据相对完整的36家金融机构从2011年1月1日至2015年12月31日的周度数据作为研究样本,由于数据缺失,在实证研究前用多重插值法对数据进行补齐处理。在实证研究方面,首先通过网络风险因子模型计算出网络风险因子基准和各金融机构对网络风险的敏感度；其次通过方差和风险分解(Std、VaR和ES)对36家金融机构在股灾期间进行风险分析；再次用累计收益对CoStd、CoVaR 和 CoES的回归来衡量网络风险的有效性；最后通过动态条件相关模型(DCC)来计算节点之间的邻接矩阵,将上述模型扩展到条件模型进行实证研究。第5章为结论与展望,根据实证分析结果对全文进行总结,给出政策建议,并指出论文研究的一些不足之处和需要进一步研究的展望。根据以上的研究思路和方法,本文得到以下结论,第一,在中国市场上网络风险因子的CoStd、CoES和CoVaR对累计收益的解释力度都不及总的Std、ES和VaR,甚至所占比重微乎其微,这表明在中国市场上网络风险因子在个体风险中所占比重很小,至少在这次股灾中是如此；第二,在预测中的表现也不尽人意,网络风险因子的CoStd、CoES和CoVaR对未来平均收益的预测能力也不如总的Std、ES和VaR；第三,在条件模型的实证分析中,从2011年1月1日到2015年3月30这段时间基准网络风险波动相对比较平稳,到股灾期间网络风险的波动性明显增大,这说明股灾期间网络风险有增加的趋势。与以往研究相比,本文可能有以下几点创新之处,(1)为研究残差收益之间相互关联的关系,本文用中心性指数方法构造出网络风险因子,对Fama-French三因子模型尚未定价的残差收益进行分析。(2)用CoStd、CoVaR和CoES占总的VaR和ES的百分比来衡量网络风险的贡献度,并通过累计收益与CoStd、CoVaR和CoES回归考察网络风险对收益率的解释力度。(3)为了使模型具有时变特性,在模型中加入条件动态相关模型(DCC)来估计邻接矩阵,并使用极大似然估计来估计网络风险因子的敏感程度。然而,由于本人学术能力不足及其他一些原因,本文仍存在以下不足之处：(1)数据选取虽然已经综合考虑了数据的可得性及完整性,但由于中国金融市场发展较晚,大多数股票上市也较晚,因此样本没有包含所有金融股,也没有选取到合适的时间区间。(2)在数据补全方面,虽然已用多重替代法对缺失的数据进行了插值,但缺少对数据缺失原因等的分析,数据插值带有一定的主观性。